skripsi evaluasi sistem informasi manajemen rumah...
TRANSCRIPT
SKRIPSI
EVALUASI SISTEM INFORMASI MANAJEMEN RUMAH SAKIT
DENGAN MENGGUNAKAN MODEL HUMAN ORGANIZATION
AND TECHNOLOGY FIT
(STUDI KASUS: RUMAH SAKIT IBU DAN ANAK GRAND FAMILY)
Oleh:
Dien Aprilia Saliha
11140930000052
PROGRAM STUDI SISTEM INFORMASI
FAKULTAS SAINS DAN TEKNOLOGI
UNIVERSITAS ISLAM NEGERI SYARIF HIDAYATULLAH
JAKARTA
2018 M / 1440 H
SKRIPSI
EVALUASI SISTEM INFORMASI MANAJEMEN RUMAH SAKIT
DENGAN MENGGUNAKAN MODEL HUMAN ORGANIZATION
AND TECHNOLOGY FIT
(STUDI KASUS: RUMAH SAKIT IBU DAN ANAK GRAND FAMILY)
Oleh:
Dien Aprilia Saliha
11140930000052
PROGRAM STUDI SISTEM INFORMASI
FAKULTAS SAINS DAN TEKNOLOGI
UNIVERSITAS ISLAM NEGERI SYARIF HIDAYATULLAH
JAKARTA
2018 M / 1440 H
ii
EVALUASI SISTEM INFORMASI MANAJEMEN RUMAH SAKIT
DENGAN MENGGUNAKAN MODEL HUMAN ORGANIZATION
AND TECHNOLOGY FIT
(STUDI KASUS: RUMAH SAKIT IBU DAN ANAK GRAND FAMILY)
Sebagai Salah Satu Syarat untuk Memperoleh Gelar Sarjana Komputer
Fakultas Sains dan Teknologi
Universitas Islam Negeri Syarif Hidayatullah Jakarta
Oleh:
DIEN APRILIA SALIHA
11140930000052
PROGRAM STUDI SISTEM INFORMASI
FAKULTAS SAINS DAN TEKNOLOGI
UNIVERSITAS ISLAM NEGERI SYARIF HIDAYATULLAH
JAKARTA
2018 M / 1440 H
iv
v
vi
vi
ABSTRAK
Dien Aprilia Saliha– 11140930000052. Evaluasi Sistem Informasi Rumah Sakit
Dengan Menggunakan Model Human Organization and Technology Fit (Studi
Kasus: Rumah Sakit Ibu dan Anak Grand Family), di bawah bimbingan NIA
KUMALADEWI dan SUCI RATNAWATI.
RSIA Grand Family menerapkan Sistem Informasi Manajemen Rumah
Sakit (SIMRS) guna mendukung proses kegiatan rumah sakit. SIMRS adalah
sistem informasi yang melakukan pengelolaan penyajian data terhadap pelayanan
rumah sakit. Masih adanya keluhan pengguna baik secara operasional dan sistem
manajerial, selain itu belum pernah dilakukan pengukuran evaluasi terkait dengan
keberhasilan penerapan SIMRS di RSIA Grand Family dan belum diketahuinya
variabel–variabel apa saja yang berpengaruh terkait keberhasilan implementasi
sistem terhadap RSIA Grand Family. Oleh karena itu, peneliti mengusulkan
pengukuran evaluasi dengan secara kuantitatif yang menguji terhadap seluruh
aspek terhadap SIMRS secara menyeluruh. Dengan mengadopsi penelitian
sebelumnya menggunakan model HOT-FIT sebagai rujukan terhadap evaluasi,
model ini berfokus pada 3 dimensi yaitu: human, organization dan technology.
Tujuan dalam penelitian ini adalah memberikan rekomendasi terhadap evaluasi
SIMRS berdasarkan persepsi pengguna dan faktor-faktor yang mempengaruhinya.
Dalam penelitian tersebut menggunakan pendekatan data kuantitatif melalui
teknik wawancara, studi literatur dan kuesioner dengan analisis data PLS-SEM
menggunakan SmartPLS 3.0. Hasil pengujian menunjukkan bahwa terdapat 4
hipotesis dari 18 hipotesis yang ditolak yaitu system quality, system use, system
development, dan user statisfaction. Penulis merekomendasikan agar melakukan
evaluasi terhadap beberapa aspek seperti networking, system requirement
development, pengembangan sumber daya manusia agar ditinjau ulang serta
penambahan subsistem informasi personalia pada pelayanan SIMRS.
Kata kunci: Evaluasi Sistem, Sistem Informasi Manajemen Rumah Sakit, HOT
Fit, PLS-SEM.
BAB I-V + 117 Halaman + xix + 16 Gambar + 31 Tabel + Daftar Pustaka +
Lampiran
Pustaka Acuan (83, 2006-2018)
vii
KATA PENGANTAR
Puji dan syukur kehadirat Allah SWT, karena atas berkah, rahmat, dan
hidayah-Nya yang sungguh melimpah, sehingga penulis dapat menyelesaikan
skripsi yang berjudul “Evaluasi Sistem Informasi Rumah Sakit Dengan
Menggunakan Model Human Organization and Technology Fit” dengan baik.
Shalawat serta salam semoga senantiasa tercurah kepada Nabi Besar Muhammad
SAW beserta keluarga, sahabat serta para pengikutnya hingga akhir zaman.
Penulis menyadari bahwa dalam menyelesaikan skripsi ini tidak terlepas
dari bantuan berbagai pihak. Oleh karena itu, perkenankanlah penulis untuk dapat
mengucapkan terima kasih yang sebesar-besarnya kepada:
1. Bapak Dr. Agus Salim, S.Ag, M.Si selaku Dekan Fakultas Sains dan
Teknologi Universitas Islam Negeri Syarif Hidayatullah.
2. Ibu Nia Kumaladewi, MMSI selaku Ketua Program Studi Sistem
Informasi Fakultas Sains dan Teknologi dan selaku Dosen Pembimbing I
telah memberikan bimbingan, dan arahan kepada penulis selama proses
penyelesaian skripsi ini. Terima kasih banyak untuk selalu memberi
masukkan positif sehingga penulis bisa menyelesaikan skripsi ini dengan
baik serta Ibu Meinarini Catur Utami, MT selaku Sekretaris Program Studi
Sistem Informasi Fakultas Sains dan Teknologi.
3. Ibu Suci Ratnawati, MTI sebagai Dosen Pembimbing II yang selalu ada
setiap saat memberikan bimbingan, dan arahan kepada penulis selama
proses penyelesaian skripsi ini. Terima kasih banyak untuk seluruh waktu,
viii
tenaga, kesediaan menjawab setiap pertanyaan penulis dan senantiasa
memberikan dukungan moril serta membagikan banyak pengetahuan agar
penulis bisa menyelesaikan skripsi ini dengan baik.
4. Ibu Nida'ul Hasanati, MMSI selaku Dosen Pembimbing Akademik yang
selalu memberikan arahan dalam bangku perkuliahan penulis serta seluruh
Dosen Program Studi Sistem Informasi yang telah membagikan ilmunya
kepada penulis selama proses perkuliahan.
5. Dokter Robi selaku Direktur Medis RSIA Grand Family yang telah
memberikan izin dan arahan dalam proses penelitian penulis.
6. Seluruh karyawan RSIA Grand Family terutama Ibu Cucu Sumiati selaku
Kepala Diklat RSIA Grand Family yang telah membantu proses
pembagian kuesioner dan arahan serta masukannya dalam penelitian ini.
7. Kedua orang tua penulis, Bapak Frans Arman dan Ibu Rita Mulyani.
Terima kasih untuk mama dan papa yang telah membesarkan dan
mendidik penulis dari lahir hingga saat ini, terima kasih untuk seluruh
cinta dan kasih yang mama dan papa berikan untukku. Terima kasih untuk
doa-doa yang selalu mengiri langkahku di segala cuaca, saat senang
maupun sedih, kesabaran mama papa dalam mendidik penulis, my
extraordinary human that will not be replaced, you are my everything in
my life.
8. Kakak–kakakku tersayang, Gita Amanda dan Faritz Aldy Ramanda.
Terima kasih telah mengisi hari-hari penulis sehingga penulis tidak pernah
ix
merasa kesepian, semoga kalian akan selalu menjadi saudara dan sahabat
terbaik yang mengiri langkah penulis ke depannya.
9. Terimakasih kepada Romi Irawan yang selalu ada setiap saat dan
memberikan pengaruh yang positif, tidak pernah bosan mendengar keluh
kesah penulis. Terima kasih juga telah selalu menghibur penulis dengan
canda dan tawanya.
10. Terimakasih kepada sahabat–sahabat penulis, Wiji Noviasih, Cattleya
Randi, Aviaskadana Prabandaru, Hesty Fildzah Wati, Aulia Riski
Molanda, Novi Yulia Anggraini, ka Novi Dwi Cahyanti. Terimakasih
juga kepada teman–teman grup Ciwi Ce, Sahabat Strong, KKN Mafaza,
Latanza Putri terutama Nada Ulya Qinvi dan sahabat Balans, Haya, ka
Nia, Cahya, Fifi terimakasih telah ada dalam hidup penulis untuk
memberikan pengaruh positif dan menghibur penulis dengan canda
tawanya.
11. Seluruh pengurus HIMSI 2015/2016 dan teman-teman Sistem Informasi
2014 yang telah mewarnai pengalaman organisasi peneliti.
12. Teman–teman seperjuangan skripsi, Wafi, Tiara, ka Nurul, ka Fitri, ka
Ayu, ka Lana, ka Nana, ka Icha yang selalu berbagi ilmu dan banyak
membantu dalam menyelesaikan skripsi ini serta seluruh teman–teman
Sistem Informasi 2014 yang telah mewarnai dunia perkuliahan penulis,
terimakasih banyak kenangannya, semangat yang diberikan sehingga
penulis bisa menyelesaikan skripsi ini.
x
13. Seluruh pihak-pihak yang terkait dan banyak berjasa dalam proses
penyelesaian skripsi ini yang tidak dapat disebutkan satu persatu namun
tidak mengurangi rasa terimakasih sedikitpun dari penulis.
Penulis memohon kepada Allah SWT agar seluruh dukungan, bantuan, dan
bimbingan dari semua pihak dibalas pahala yang berlipat ganda. Selain itu,
penulis menyadari dalam penyusunan skripsi ini masih terdapat kekurangan dan
jauh dari kata sempurna sehingga saran dan kritik yang membangun sangat
penulis harapkan dan dapat disampaikan melalui [email protected].
Akhir kata, semoga penelitian ini dapat memberikan manfaat dan sekaligus
menambah ilmu bagi kita semua. Amiiin yaa Rabbal Alamin.
Jakarta, 19 September 2018
DIEN APRILIA SALIHA
11140930000052
xi
DAFTAR ISI
LEMBAR PENGESAHAN ................................................................................... iii
PERNYATAAN ..................................................................................................... iv
ABSTRAK ............................................................................................................. vi
KATA PENGANTAR .......................................................................................... vii
DAFTAR ISI .......................................................................................................... xi
DAFTAR LAMPIRAN ...................................................................................... xviii
DAFTAR ISTILAH ............................................................................................ xvii
DAFTAR NOTASI ............................................................................................ xviii
BAB 1 PENDAHULUAN ...................................................................................... 1
1.1 Latar Belakang ......................................................................................... 1
1.2 Identifikasi Masalah ................................................................................. 4
1.3 Rumusan Masalah .................................................................................... 5
1.4 Ruang Lingkup dan Batasan Masalah ...................................................... 5
1.5 Tujuan Penelitian ...................................................................................... 6
1.6 Manfaat Penelitian .................................................................................... 6
1.7 Metode Pengumpulan Data ...................................................................... 7
1.8 Hipotesis Penelitian .................................................................................. 8
1.9 Waktu dan Tempat Penelitian ................................................................ 10
1.10 Sistematika Penulisan ............................................................................. 10
BAB 2 TINJAUAN PUSTAKA ........................................................................ 12
2.1 Sistem Informasi Manajemen Rumah Sakit ........................................... 12
2.1.1 Definisi Sistem Informasi ............................................................... 12
xii
2.1.2 Pengertian Manajemen .................................................................... 13
2.1.3 Pengertian Rumah Sakit .................................................................. 13
2.1.4 Tugas dan Fungsi Rumah Sakit ...................................................... 14
2.1.5 Perundang-Undangan yang Berlaku di Rumah Sakit...................... 15
2.1.6 Sistem Informasi Manajemen Rumah Sakit (SIMRS) .................... 16
2.1.7 Peran Sistem Informasi Manajemen Rumah Sakit ......................... 17
2.2 Evaluasi Keberhasilan Sistem Informasi ................................................ 18
2.2.1 Definisi Evaluasi ............................................................................. 18
2.2.2 Tujuan Evaluasi ............................................................................... 19
2.2.3 Konsep Dasar Keberhasilan Sistem Informasi ................................ 20
2.2.4 Model Human, Organization and Technology Fit .......................... 24
2.3 Metode Kuantitatif dalam Penelitian Sistem Informasi ......................... 28
2.3.1 Jenis-Jenis Penelitian ...................................................................... 29
2.3.2 Skala Likert ..................................................................................... 33
2.3.3 Populasi dan Sampling .................................................................... 34
2.3.4 Teknik Pengambilan Sampel........................................................... 35
2.3.5 Teknik Menentukan Ukuran Sampel .............................................. 38
2.4 PLS-SEM (Partial Least Square Structural Equation Modeling) .......... 39
2.5 SmartPLS ................................................................................................ 42
2.6 Statistical Package for the Social Sciences (SPSS) ............................... 43
2.7 Literatur Sejenis ..................................................................................... 45
2.8 Rumah Sakit Ibu dan Anak Grand Family ............................................. 51
2.8.1 Sejarah RSIA Grand Family ........................................................... 51
2.8.2 Visi RSIA Grand Family ................................................................ 51
2.8.3 Misi RSIA Grand Family................................................................ 52
xiii
2.8.4 Kebijakan RSIA Grand Family ...................................................... 52
2.8.5 SIMRS RSIA Grand Family ........................................................... 53
BAB 3 METODE PENELITIAN.......................................................................... 54
3.1 Pendekatan Penelitian ............................................................................. 54
3.2 Waktu Pelaksanaan Penelitian ................................................................ 54
3.3 Metode Pengumpulan Data .................................................................... 55
3.3.1 Wawancara ...................................................................................... 55
3.3.2 Studi Literatur ................................................................................. 56
3.3.3 Kuesioner ........................................................................................ 56
3.4 Metode Analisis Data ............................................................................. 57
3.4.1 Model Penelitian ............................................................................. 57
3.4.2 Indikator Penelitian ......................................................................... 59
3.5 Populasi dan Sampel Penelitian ............................................................. 62
3.6 Instrumen Penelitian ............................................................................... 63
3.7 Pengumpulan Sampel dan Pelaksanaan Kuesioner ................................ 65
3.8 Analisis Partial Least square Structural Equation Modelling ............... 66
3.8.1 Analisis Model Pengukuran (Outer Model) .................................... 67
3.8.2 Analisis Model Struktural (Inner Model) ........................................ 67
3.9 Tahapan Penelitian ................................................................................. 67
BAB 4 HASIL ANALISIS DAN INTERPRETASI ............................................. 69
4.1 Hasil Analisis ......................................................................................... 69
4.1.1 Hasil Analisis Demografi ................................................................ 69
4.1.2 Hasil Analisis Pengukuran Model ................................................... 75
4.1.3 Hasil Analisis Model Struktural (Inner Model) .............................. 83
4.2 Interpretasi dan Diskusi Hasil Analisis .................................................. 92
xiv
4.2.1 Hasil Analisis Demografi ................................................................ 92
4.2.2 Hasil Analisis Pengukuran Model ................................................... 94
4.2.3 Hasil Analisis Model Struktural (Inner Model) .............................. 95
4.3 Rekomendasi Hasil Penelitian .............................................................. 104
BAB 5 KESIMPULAN DAN SARAN .............................................................. 108
5.1 Kesimpulan ........................................................................................... 108
5.2 Keterbatasan Penelitian ........................................................................ 110
5.3 Saran ..................................................................................................... 111
DAFTAR PUSTAKA ......................................................................................... 112
xv
DAFTAR TABEL
Tabel 2.1 Macam–macam Model Keberhasilan Sistem ....................................... 21
Tabel 2.2 Ringkasan Kriteria Penilaian PLS ........................................................ 41
Tabel 2.3 Perbandingan Penelitian Terdahulu...................................................... 45
Tabel 3.1 Waktu Pelaksanaan Penelitian ............................................................. 46
Tabel 3.2 Pengertian Variabel HOT-Fit ............................................................... 50
Tabel 3.3 Definisi Indikator dari Variabel Eksogen ............................................. 51
Tabel 3.4 Definisi Indikator dari Variabel Endogen ............................................ 52
Tabel 3.5 Daftar Pertanyaan ................................................................................. 57
Tabel 3.6 Jumlah Kuesioner ................................................................................. 61
Tabel 4.1 Statistik Informasi Demografis ............................................................. 76
Tabel 4.2 Statistik Informasi Jenis Kelamin Responden ...................................... 76
Tabel 4.3 Statistik Informasi Divisi Responden ................................................... 77
Tabel 4.4 Statistik Informasi Unit Kerja Responden............................................ 78
Tabel 4.5 Statistik Informasi Usia Responden ..................................................... 80
Tabel 4.6 Statistik Informasi Frekuensi Penggunaan Responden ........................ 81
Tabel 4.7 Statistik Informasi Peranan Sistem Menurut Responden ..................... 82
Tabel 4.8 Statistik Informasi Keberhasilan SIMRS RSIA Grand Family ........... 83
Tabel 4.9 Hasil Awal Uji Loading Factor dengan SmartPLS 3.0 ........................ 85
Tabel 4.10 Hasil Uji Loading Factor dengan SmartPLS 3.0 ............................... 87
Tabel 4.11 Hasil Uji Composite Reliability dengan SmartPLS 3.0 ...................... 89
Tabel 4.12 Hasil Average Variance Extracted dengan SmartPLS 3.0 ................. 90
Tabel 4.13 Hasil Uji Discriminant Validity dengan SmartPLS 3.0 ...................... 91
Tabel 4.14 Hasil Uji Discriminant Validity(Cross Loading Fornell- Lacker’s) .. 92
Tabel 4.15 Hasil Uji Path Coefficient .................................................................. 94
Tabel 4.16 Hasil Uji Coefficient of Determination (R-Square) ............................ 95
Tabel 4.17 Hasil Uji T-test dengan SmartPLS 3.0 ............................................... 97
Tabel 4.18 Hasil Uji Effect Size dengan SmartPLS 3.0 ........................................ 98
Tabel 4.19 Hasil Uji Predictive Relevance dengan SmartPLS 3.0 ....................... 99
xvi
Tabel 4.20 Hasil Uji Relative Impact dengan SmartPLS 3.0 ............................. 100
Tabel 4.21 Ringkasan Hasil Analisis Struktural Model ..................................... 102
Tabel 4.22 System Development .......................................................................... 116
xvii
DAFTAR GAMBAR
Gambar 1.1 Laporan Poliklinik Pasien RSIA Grand Family ................................ 3
Gambar 1.2 Model HOT-Fit yang dikembangkan ................................................ 9
Gambar 2.1 Human-Organizational-Technology (HOT) Fit Framework ........... 27
Gambar 2. 2 Kategori Sampel (Siregar, 2013) .................................................... 38
Gambar 3.1 Model Penelitian (Dikembangkan dari Yusof et al., 2011) ............. 60
Gambar 3.3 Model HOT Fit Menggunakan SmartPLS 3.0 ................................. 69
Gambar 3. 4 Tahapan Penelitian.......................................................................... 71
Gambar 4.1 Diagram Lingkaran Jenis Kelamin Responden ............................... 81
Gambar 4.2 Diagram Lingkaran Divisi Responden ............................................ 81
Gambar 4.3 Diagram Lingkaran Unit Kerja Responden ..................................... 82
Gambar 4.4 Diagram Lingkaran Usia Responden ............................................... 83
Gambar 4.5 Diagram Lingkaran Frekuensi Penggunaan Sistem ......................... 83
Gambar 4.6 Diagram Lingkaran Peranan Sistem ................................................ 84
Gambar 4.7 Diagram Lingkaran Status Keberhasilan Sistem ............................. 85
Gambar 4.8 Hasil Analisis Outer Model dengan SmartPLS 3.0 ......................... 93
xviii
DAFTAR LAMPIRAN
Lampiran 1 Kuesioner ......................................................................................... L2
Lampiran 2 Hasil Data Pre-Test .......................................................................... L7
Lampiran 3 Hasil Wawancara ........................................................................... L12
Lampiran 4 Surat-Surat Pendukung .................................................................. L19
xvii
DAFTAR ISTILAH
Istilah Arti
Konstruk konsep yang disusun secara sistematis
untuk tujuan tertentu dengan memuat
variabel-variabel sehingga dapat
diamati dan diukur.
Variable laten Variabel yang tidak dapat diamati
secara langsung
Variable manifest Variabel yang dapat diamati dan
besaran kuantitatifnya dapat diketahui
secara langsung
Variable Dependen Variabel yang dipengaruhi, akibat dari
adanya variabel independen (bebas).
Variable Independen Variabel yang mempengaruhi atau
sebab perubahan timbulnya variabel
dependen (terikat)
Konstruk Refelektif Indikator reflektif disebabkan oleh
konstruk.
Konstruk Formatif Indikator formatif menyebabkan
konstruk
Variabel Endogen Variabel yang nilainya
dipengaruhi/ditentukan oleh variabel
lain di dalam model
Variabel Eksogen Variabel yang nilainya tidak
dipengaruhi/ditentukan oleh variabel
lain didalam model.
xviii
DAFTAR NOTASI
Notasi Istilah Deskripsi
N besarnya populasi Menunjukkan jumlah
populasi dari suatu
kelompok.
n besarnya sampel Menunjukkan bagian
dari populasi yang
dianggap mewakili
gejala yang diamati.
d perkiraan tingkat
kesalahan
Tingkat persentase
keyakinan kesalahan
peneliti terhadap
penelitian
p proporsi populasi Menunjukkan jumlah
populasi dari suatu
kelompok.
z tingkat
kepercayaan/signifikan
Tingkat persentase
keyakinan keakuratan
peneliti terhadap
penelitian
e margin of error Tingkat persentase
keyakinan kesalahan
peneliti terhadap
penelitian
β
path coefficient Pengujian untuk
koefisien yang
menggambarkan
kekuatan hubungan
antar konstrak
R² coefficient of
determination
Pengujian untuk menilai
seberapa besar pengaruh
variabel laten
independen tertentu
terhadap variabel laten
dependen
f2 effect size Pengujian untuk
memprediksi pengaruh
variabel tertentu
terhadap variabel
lainnya dalam struktural
model
xix
xix
Notasi Istilah Deskripsi
predictive relevance megukur seberapa
baik nilai onservasi
dihasilkan oleh model
dan juga estimasi
parameternya
q² relative impact Untuk mengukur relatif
pengaruh dari sebuah
keterkaitan prediktif
suatu variabel tertentu
dengan variabel lainnya D
omission distance Tingkat kesalahan
dalam penelitian
E sum of squares of
prediction errors
Jumlah kuadrat dari
prediksi kesalahan O sum of squares
observations
Jumlah kuadrat tingkat
pengamatan peneliti
1
1
BAB 1
PENDAHULUAN
1.1 Latar Belakang
Human Development Index (HDI) atau Indeks Pembangunan Manusia
(IPM) 2016 yang dilansir oleh United Nations Development Program, yaitu
laporan mengenai standar kesehatan dan pendidikan, Indonesia berada di
peringkat 113 dari 188 negara yang disurvei (UNDP, 2017). Peringkat ini
menunjukkan penurunan dari peringkat 108 dalam survei tahun sebelumnya. IPM
merupakan indikator utama yang terdiri atas indikator kesehatan (usia harapan,
waktu lahir), pendidikan (angka sekolah) dan perekonomian. Indonesia masuk
kedalam kategori medium human development artinya Indonesia memiliki
kemajuan pembangunan manusia yang cukup signifikan namun kemajuan tersebut
belum merata.
Tabel 1.1 Indeks Pembangunan Manusia 2016 di Dunia (www.id.undp.org)
MEDIUM HUMAN DEVELOPMENT
107 Moldova (Republic of)
108 Botswana
109 Gabon
110 Paraguay
111 Egypt
112 Turkmenistan
113 Indonesia
114 Palestine, State of
115 Vietnam
116 Philippines
117 El Salvador
118 Bolivia
119 South Africa
120 Kyrgyzstan
2
Menurut Undang-Undang Republik Indonesia Nomor 36 Tahun 2009
menyatakan bahwa kesehatan merupakan hak asasi manusia dan salah satu unsur
kesejahteraan yang harus diwujudkan sesuai dengan cita-cita bangsa Indonesia.
Hal ini sejalan dengan Buku Rencana Strategis Kementerian Kesehatan 2015-
2019 yang memaparkan bahwa pembangunan kesehatan di Indonesia diperlukan
dalam meningkatkan kesadaran hidup sehat dalam rangka mewujudkan kesehatan
yang optimal. Salah satu pembangunan kesehatan adalah meningkatkan
kesejahteraan masyarakat di antaranya yaitu menyelenggarakan pelayanan
kesehatan dengan penyediaan rumah sakit (Kusbaryanto, 2010).
Keluarnya Peraturan Menteri Kesehatan Republik Indonesia Nomor 82
Tahun 2013 Pasal 3 menyatakan bahwa setiap rumah sakit wajib
menyelenggarakan Sistem Informasi Manajemen Rumah Sakit (SIMRS). Menurut
Yusof et al. (2006), SIMRS yaitu kumpulan proses yang diimplementasikan untuk
membantu meningkatkan efisiensi dan efektivitas organisasi kesehatan dalam
menjalankan fungsinya dan mencapai tujuannya. Hal tersebut bertujuan untuk
meningkatkan mutu pelayanan kesehatan di rumah sakit.
Rumah Sakit Ibu dan Anak Grand Family (RSIA Grand Family) merupakan
sebuah rumah sakit swasta yang menyediakan fasilitas dan layanan kesehatan
khusus bagi ibu dan anak, berlokasi di Pantai Indah Kapuk, Jakarta Utara. RSIA
Grand Family di bawah manajemen PT. Family Bahagia Sejahtera merupakan
bentuk pengembangan bisnis dari RSIA Family di kawasan Pluit Mas, yang telah
beroperasi dari tahun 2002 dan berhasil menjadi pilihan utama penyedia layanan
kesehatan ibu dan anak di wilayah Jakarta Utara dan sekitarnya.
3
RSIA Grand Family telah mengimplementasikan SIMRS seperti rumah
sakit yang lainnya, namun terdapat kendala-kendala baik dari pengguna, sistem
dan dukungan organisasi. Mulai dari keluhan-keluhan dari pengguna SIMRS
mengenai fungsi operasional sistem seperti aplikasi SIMRS yang tidak dapat
diakses masuk padahal sudah memiliki hak izin akses, data belum terintegrasi
secara menyeluruh seperti fungsi operan shift kerja yang masih menggunakan
buku laporan manual, SIMRS tidak merespon saat digunakan sehingga data tidak
dapat diinput dan dari fungsi manajerial sistem seperti data pegawai dalam modul
report yang belum diperbarui.
Gambar 1.1 Laporan Poliklinik Pasien RSIA Grand Family (Arsip RSIA Grand Family)
Namun terdapat laporan yang menyatakan bahwa RSIA Grand Family
selama lima tahun terakhir dari tahun 2013 hingga 2017 terdapat kenaikan yang
signifikan dalam penerimaan pasien yaitu sebesar 90.000 orang, seperti ysng
terlihat pada Gambar 1.1.
0
20000
40000
60000
80000
100000
1 2 3 4 5
Laporan Poliklinik Pasien
Jumlah
2013 2015 2016 2017 2014
4
Mengacu pada studi pendahuluan yang dilakukan peneliti, penerapan
SIMRS RSIA Grand Family belum pernah diukur terkait dengan keberhasilan
penerapannya. Pada hasil penelitian sebelumnya, menurut Larinse (2015)
menunjukkan bahwa keberhasilan SIMRS didukung oleh faktor utama seperti,
pengguna sistem (Human), dukungan organisasi (Organization) dan kemampuan
teknologi (Technology) SIMRS itu sendiri. Oleh karena itu, SIMRS ini dapat
dievaluasi dengan model Human, Organization and Technology (HOT) Fit.
Dengan model ini, sistem dapat dievaluasi dari ketiga faktor utama di atas dan
menurut Bayu & Muhimmah (2013) bahwa model HOT Fit dapat menjawab
variabel-variabel apa saja yang berpengaruh terhadap keberhasilan penerapan
SIMRS dan menjadikan sebagai kiteria penilaian yang dilakukan di RSIA Grand
Family sehingga dapat ditemukan masalah yang dihadapi pengguna SIMRS
untuk dijadikan acuan dalam memperbaiki atau menyempurnakan SIMRS untuk
berjalan optimal sesuai dengan visi dan misi RSIA Grand Family.
Berdasarkan pemaparan tersebut, penulis tertarik untuk melakukan
penelitian yang berjudul “Evaluasi Sistem Informasi Manajemen Rumah Sakit
(SIMRS) dengan Menggunakan Model Human Organization Technology
(HOT) Fit (Studi Kasus: Rumah Sakit Ibu dan Anak Grand Family)”.
1.2 Identifikasi Masalah
Berdasarkan latar belakang permasalahan, penulis mengidentifikasi
beberapa permasalahan sebagai berikut:
5
a. Berdasarkan wawancara yang dilakukan, peneliti menemukan keluhan-
keluhan dari pengguna SIMRS baik dari fungsi operasional sistem maupun
manajerial sistem. Sehingga hal ini perlu ditinjau ulang agar SIMRS dapat
digunakan sesuai dengan kebutuhan pengguna.
a. Belum diketahuinya variabel-variabel apa saja yang berpengaruh terkait
keberhasilan implementasi sistem terhadap RSIA Grand Family.
b. Sistem Informasi Manajemen Rumah Sakit (SIMRS) berperan penting
dalam mendukung RSIA Grand Family dalam menyediakan layanan
aktivitas rumah sakit yang berpengaruh dalam mendukung RSIA Grand
Family dalam mencapai visinya menjadi pusat pelayanan kesehatan yang
terintegrasi bagi wanita dan anak Indonesia. Oleh karena itu, diperlukan
evaluasi SIMRS RSIA Grand Family.
1.3 Rumusan Masalah
Berdasarkan identifikasi masalah sebelumnya maka diperoleh rumusan
masalah yang diselesaikan dalam penelitian ini adalah “Bagaimana cara
mengevaluasi Sistem Informasi Manajemen Rumah Sakit Grand Family dengan
Menggunakan Model Human, Organization and Technology Fit Berdasarkan
Perspektif Pegawai”.
1.4 Ruang Lingkup dan Batasan Masalah
Ruang lingkup dan batasan yang terkait dengan rumusan masalah diatas
adalah sebagai berikut:
6
a. Penelitian ini dilakukan terhadap Sistem Informasi Manajemen Rumah
Sakit (SIMRS) RSIA Grand Family yang dikelola oleh Divisi IT.
b. Penelitian ini menggunakan 9 variabel dari model HOT-Fit yang
dikembangkan oleh Yusof, 2011.
c. Penelitian ini menggunakan metode kuantitatif (Sugiyono, 2012) dengan
teknik pengambilan sampel yaitu Simple Random Sampling. Analisis data
menggunakan pendekatan PLS-SEM dengan SmartPLS versi 3.0.
d. Hasil penelitian ini berupa dokumen evaluasi SIMRS sebagai rekomendasi
untuk Divisi Pendidikan dan Pelatihan (DIKLAT) dan IT RSIA Grand
Family.
1.5 Tujuan Penelitian
Berdasarkan latar belakang dan perumusan masalah yang sudah dipaparkan
sebelumnya, penelitian ini dilakukan dengan dua tujuan, yaitu:
a. Mendapatkan tingkat keberhasilan Sistem informasi Manajemen Rumah
Sakit (SIMRS) RSIA Grand Family.
b. Mendapatkan faktor–faktor Human, Organization dan Technology dalam
SIMRS RSIA Grand Family.
1.6 Manfaat Penelitian
Penelitian ini diharapkan dapat memberikan manfaat sebagai berikut:
a. Penelitian ini mampu menjadi acuan di penelitian Program Studi Sistem
Informasi dengan pendekatan kuantitatif.
7
b. Hasil penelitian ini dapat menjadi bahan rujukan dalam mengembangkan
Sistem informasi Manajemen Rumah Sakit (SIMRS) RSIA Grand Family
selanjutnya.
1.7 Metode Pengumpulan Data
Penelitian ini menggunakan model HOT-Fit sebagai alat untuk
mengevaluasi Sistem Informasi Manajemen Rumah Sakit (SIMRS) dengan
metode pengumpulan data sebagai berikut:
a. Wawancara (Interview)
Wawancara langsung dilakukan kepada beberapa orang yang terkait dengan
SIMRS, yaitu kepada Direktur RSIA Grand Family, divisi IT serta beberapa
pengguna SIMRS.
b. Studi Literatur
Studi literatur dilakukan dengan menelaah buku–buku dan jurnal–jurnal
sebelumnya yang berhubungan dengan Sistem informasi Manajemen
Rumah Sakit (SIMRS) dan model HOT-Fit. Penulis melakukan studi
literatur guna melengkapi data yang diperoleh dari wawancara dan
kuesioner.
c. Kuesioner
Kuesioner diberikan kepada pengguna Sistem informasi Manajemen Rumah
Sakit (SIMRS) RSIA Grand Family. Kuesioner yang diberikan berisi daftar
pertanyaan terkait variabel–variabel yang berhubungan dalam penelitian ini
berdasarkan model HOT-Fit.
8
1.8 Hipotesis Penelitian
Penulis melakukan penelitian ini menggunakan model yang diadopsi dan
dimodifikasi dari model yang dikembangkan oleh Yusof et al. (2011) dan
Widarno (2008) yaitu model HOT-Fit. Model ini terdiri atas 9 variabel yaitu
variabel System Development (SD), System Use (SU), User Satisfaction (US),
Structure Organization (STR), Environment Organization (EVR), System Quality
(SQ), Information Quality (IQ), Service Quality (SQ), dan Net Benefits (NB).
Berikut adalah hipotesis–hipotesis penelitian terkait faktor-faktor yang
mempengaruhi tingkat keberhasilan Sistem informasi Manajemen Rumah Sakit
(SIMRS) RSIA Grand Family yang dikembangkan sesuai dengan model
penelitian yang sudah diajukan:
H1. SQ berpengaruh secara signifikan terhadap SD
H2. SQ berpengaruh secara signifikan terhadap SU
H3. SQ berpengaruh secara signifikan terhadap US
H4. IQ berpengaruh secara signifikan terhadap SD
H5. IQ berpengaruh secara signifikan terhadap SU
H6. IQ berpengaruh secara signifikan terhadap US
H7. SEQ berpengaruh secara signifikan terhadap SD
H8. SEQ berpengaruh secara signifikan terhadap SU
H9. SEQ berpengaruh secara signifikan terhadap US
H10. SEQ berpengaruh secara signifikan terhadap STR
H11. US berpengaruh secara signifikan terhadap SU
9
Gambar 1.2 Model HOT-Fit yang dikembangkan
(Yusof et al., 2011 & Widarno, 2008)
H12. SU berpengaruh secara signifikan terhadap SD
H13. STR berpengaruh secara signifikan terhadap EVR
H14. SD berpengaruh secara signifikan terhadap Net Benefits
H15. SU berpengaruh secara signifikan terhadap Net Benefits
H16. US berpengaruh secara signifikan terhadap Net Benefits
H17. STR berpengaruh secara signifikan terhadap Net Benefits
10
H18. EVR berpengaruh secara signifikan terhadap Net Benefits
1.9 Waktu dan Tempat Penelitian
Pelaksanaan Tugas Akhir atau penelitian Universitas Islam Negeri Syarif
Hidayatullah Jakarta dengan judul “Evaluasi Sistem Informasi Manajemen
Rumah Sakit (SIMRS) Dengan Menggunakan Model Human Organization
Technology (HOT) Fit” dijalankan dengan waktu dan lokasi penelitian adalah
sebagai berikut:
Nama Instansi : Rumah Sakit Ibu dan Anak (RSIA) Grand Family
Waktu : 26 Februari 2018 s.d 25 Maret 2018
Alamat : Jalan Pantai Indah Selatan 1. Boulevard Coral, Boulevard
Complex Kav.1 No. 1 Penjaringan, Jakarta Utara
1.10 Sistematika Penulisan
Dalam laporan penelitian ini, penulis membagi laporan ini dalam lima bab
yang meliputi pendahuluan, kajian pustaka, metodelogi penelitian, hasil analisis
dan interpretasi, dan penutup. Berikut penjelasan singkat terkait kelima bab
tersebut:
Bab 1 Pendahuluan
Bab ini menjelaskan tentang latar belakang, perumusan masalah, tujuan
dan sasaran, model penelitian, pertanyaan penelitian, ruang lingkup dan
batasan, metodelogi penelitian, manfaat penelitian, dan sistematika
penulisan laporan hasil penelitian.
11
Bab 2 Tinjauan Pustaka
Bab ini menjelaskan teori-teori terkait landasan pelaksanaan penelitian,
meliputi sistem informasi, Sistem informasi Manajemen Rumah Sakit
(SIMRS) RSIA Grand Family, model HOT-Fit, teori model evaluasi
sistem lainnya, metode pengumpulan data, populasi, teknik sampling,
PLS-SEM, pengembangan model penelitian dan hipotesisnya.
Bab 3 Metode Penelitian
Bab ini memaparkan secara metode proses pelaksanaan penelitian,
mencakup penjelasan-penjelasan tentang pendekatan, prosedur, populasi
dan sampel, instrumen, pengumpulan dan pemrosesan data, serta analisis
data.
Bab 4 Hasil Analisis dan Interpretasi
Bab ini memaparkan analisis data dan hasilnya, interpretasi, dan diskusi
hasil penelitian. Analisis data utamanya dilakukan menggunakan metode
PLS-SEM dengan perangkat lunak SmartPLS meliputi analisis pengukuran
model (model measurement analysis) dan struktur model (structural
model). Selanjutnya, interpretasi dan diskusi dilakukan dengan merujuk
kepada basis teori sebelumnya, memperhatikan dan menimbang
pelaksanaan penelitian secara praktis di lapangan.
Bab 5 Penutup
Bab ini menjelaskan tentang kesimpulan dan saran atas hasil pelaksanaan
penelitian terutama terkait dengan aspek penggunaan dan kelanjutan bagi
kajian selanjutnya.
12
BAB 2
TINJAUAN PUSTAKA
2.1 Sistem Informasi Manajemen Rumah Sakit
2.1.1 Definisi Sistem Informasi
Menurut Gelinas et al. (2011), sistem informasi merupakan sebuah sistem
yang dibuat menggunakan perangkat komputer baik software maupun hardware
yang dapat dikumpulkan, disimpan dan diolah untuk menyediakan output kepada
pengguna sehingga berguna bagi pengguna. Sejalan dengan pendapat Sidh (2013),
sistem informasi dapat juga diartikan sebagai suatu sistem yang terdiri atas
kumpulan komponen sistem, yaitu software, netware, brainware dan data.
Sedangkan menurut Satzinger (2012), sistem informasi merupakan kumpulan
komponen-komponen yang mengumpulkan, memproses, menyimpan, dan
menyediakan output dari setiap informasi yang dibutuhkan dalam proses bisnis
serta aplikasi yang digunakan melalui perangkat lunak, database dan bahkan
proses manual yang terkait. Dengan demikian dapat disimpulkan bahwa sistem
informasi adalah suatu kombinasi modul yang terorganisir yang berasal dari
komponen-komponen yang terkait dengan hardware, software, people dan
network berdasarkan seperangkat komputer dan menghasilkan informasi untuk
mencapai tujuan.
13
2.1.2 Pengertian Manajemen
Manajemen merupakan strategi dalam mengelola orang lain untuk
melakukan kegiatan dalam pencapaian tujuan yang telah ditentukan sebelumnya
(Appley et al., 2010). Sejalan dengan pendapat Athoillah (2010), manajemen yaitu
suatu proses yang terdiri dari perencanaan, perorganisasian, pengarahan, dan
pengawasan melalui sumber daya dan sumber-sumber lainnya secara efektif dan
efisien untuk mencapai tujuan tertentu. Sedangkan menurut Abdullah (2014),
manajemen adalah rangkaian aktivitas dengan melaksanakan pekerjaan melalui
fungsi perencanaan, pengorganisasian, pengarahan dan pengawasan demi
mencapai tujuan organisasi secara efektif dan efisisien. Oleh karena itu, dapat
disimpulkan bahwa manajemen adalah suatu proses untuk mengelola sumber daya
manusia dan sumber lainnya dengan melakukan perencanaan, pengorganisasian,
pengarahan dan pengawasan agar tujuan tercapai.
2.1.3 Pengertian Rumah Sakit
Menurut WHO (World Health Organization) sebagaimana yang termuat
dalam WHO Technical Report Series No.122/1957 (Muhyarsyah, 2007): “Rumah
sakit merupakan bagian integral dari suatu organisasi sosial dan kesehatan dengan
fungsi menyediakan pelayanan paripurna (komprehensif), penyembuhan penyakit
(kuratif) dan pencegahan penyakit (preventif) kepada masyarakat. Rumah sakit
juga merupakan pusat pelatihan bagi tenaga kesehatan dan pusat penelitian bio-
medik.”Menurut Peraturan Menteri Kesehatan RI No. 56 Tahun 2014 tentang
rumah sakit, yang dimaksudkan dengan rumah sakit adalah institusi pelayanan
14
kesehatan yang menyelenggarakan pelayanan kesehatan perorangan secara
paripurna yang menyediakan pelayanan rawat inap, rawat jalan, dan gawat
darurat.
2.1.4 Tugas dan Fungsi Rumah Sakit
Rumah sakit dibangun dengan tujuan memberikan pelayanan kesehatan
yang bermutu dan terjangkau oleh masyarakat dalam rangka meningkatkan taraf
kesehatan masyarakat. Tugas rumah sakit yaitu berupaya memberikan pelayanan
kesehatan dengan mengutamakan penyembuhan dan pemulihan yang
dilaksanakan secara serasi dan terpadu dengan peningkatan dan pencegahan serta
pelaksanaan upaya rujukan.
Untuk menyelenggarakan fungsinya sesuai peraturan perundang–undangan
UU No.56 tahun 2014, maka rumah sakit menyelenggarakan:
a. Pelayanan medik.
b. Pelayanan kefarmasian.
c. Pelayanan keperawatan dan kebidanan.
d. Pelayanan penunjang klinik.
e. Pelayanan penunjang nonklinik.
f. Pelayanan rawat inap.
Sedangkan menurut undang-undang No. 44 tahun 2009 tentang rumah sakit,
fungsi rumah sakit adalah:
15
a. Penyelenggaraan pelayanan pengobatan dan pemulihan kesehatan
sesuai dengan standar pelayanan rumah sakit.
b. Pemeliharaan dan peningkatan kesehatan perorangan melalui
pelayanan kesehatan yang paripurna tingkat kedua dan ketiga sesuai
kebutuhan medis.
c. Penyelenggaaan pendidikan dan pelatihan sumber daya manusia
dalam rangka peningkatan kemampuan dalam pemberian pelayanan
kesehatan.
d. Penyelenggaraan penelitian dan pengembangan serta pengaplikasian
teknologi dalam bidang kesehatan dalam rangka peningkatan
pelayanan kesehatan dengan memperhatikan etika ilmu pengetahuan
bidang kesehatan.
2.1.5 Perundang-Undangan yang Berlaku di Rumah Sakit
Berikut peraturan perundang–undangan rumah sakit:
a. Undang-undang Republik Indonesia nomor 44 tahun 2009 tentang rumah
sakit
b. Undang-Undang Rumah Sakit, Permenkes No. 159 b/1988 tentang Rumah
Sakit
c. Surat edaran Dirjen Pelayanan Medik No. YM.01.04.3.5.2504 tentang
Pedoman Hak dan Kewajiban Pasien, Dokter dan Rumah Sakit.
16
2.1.6 Sistem Informasi Manajemen Rumah Sakit (SIMRS)
Menurut Widyaiswara (2016), MEA (Masyarakat Ekonomi ASEAN) ialah
realisasi pasar berdasarkan kesepakatan 10 negara anggota ASEAN pada tahun
2007, MEA (Masyarakat Ekonomi ASEAN) diberlakukan di Indonesia pada tahun
2015. Hal ini membuat perdagangan bebas mengharuskan sektor kesehatan
terutama Rumah Sakit untuk meningkatkan daya saing dengan memberikan
pelayanan dengan sebaik-baiknya kepada pelanggan ataupun pasien dan membuat
penyajian laporan yang akurat bagi para pengambil keputusan untuk kedepannya.
Guna mengatasi hambatan– hambatan dalam pelayanan kesehatan di Rumah
Sakit, keberadaan “Sistem Informasi Manajemen Rumah Sakit” sangat
dibutuhkan, sebagai salah satu strategi manajemen dalam meningkatkan mutu
pelayanan kesehatan dan memenangkan persaingan bisnis.
Sistem Informasi Manajemen Rumah Sakit (SIMRS) atau sering juga
disebut sebagai Hospital Management System (HMS) atau Hospital Information
System (HIS) merupakan kumpulan dari sub-sub sistem yang saling berhubungan
satu sama lain dan bekerja secara harmonis untuk mencapai tujuan yaitu
mengolah data menjadi informasi yang diperlukan untuk mendukung fungsi
pelayanan rumah sakit dan pengambilan keputusan manajemen (Muhyarsyah,
2007). Sistem Informasi Manajemen Rumah Sakit (SIMRS) saat ini merupakan
sumber daya utama, yang mempunyai nilai tambah dan memiliki peran penting
bagi RS agar mampu memberikan layanan terbaiknya. Dalam pembangunan
SIMRS perlu mempetimbangkan dari berbagai sudut pandang. Berikut merupakan
faktor-faktor yang perlu dipertimbangkan (Handiwidjojo, 2015), yaitu:
17
a. Kebutuhan pasien, sistem diharapkan mampu mendukung pelayanan yang
cepat, nyaman dan berkualitas.
b. Kebutuhan pengelola rumah sakit, sistem mampu mengelola transaksi yang
akurat, efisien dan cepat sehingga pelaporan pelayanan medik dapat terkirim
tepat waktu.
c. Kemampuan pengembang, diperlukannya system analyst sebagai
penghubung antara pihak pengembang dan rumah sakit untuk
mengembangkan sistem yang sesuai dengan rumah sakit.
2.1.7 Peran Sistem Informasi Manajemen Rumah Sakit
Pengelolaan rumah sakit tanpa bantuan Sistem Informasi Manajemen
Rumah Sakit mengakibatkan beberapa hal berikut (Handiwidjojo, 2015), yaitu:
a. Redudansi Data, pencatatan data medis yang sama dapat terjadi berulang-
ulang sehingga menyebabkan duplikasi data dan ini berakibat
membengkaknya kapasitas penyimpanan data. Pelayanan menjadi lambat
karena proses retreiving (pengambilan ulang) data lambat akibat banyaknya
tumpukan berkas.
b. Unintegrated Data, penyimpanan dan pengelolaan data yang tidak
terintegrasi menyebabkan data tidak sinkron, informasi pada masing-masing
bagian mempunyai asumsi yang berbeda-beda sesuai dengan kebutuhan
masing-masing unit/instalasi.
c. Out of date Information, dikarenakan dalam penyusunan informasi harus
direkap secara manual maka penyajian informasi menjadi terlambat dan
18
kurang dapat dipercaya kebenarannya. Sedangkan rumah sakit memerlukan
informasi yang berkualitas. Menurut Jogiyanto dalam Setyawan (2016),
bahwa informasi yang berkualitas memiliki karakteristik yaitu akurat, tepat
waktu dan relevan. Oleh karena itu, Sistem Informasi Manajemen Rumah
Sakit sangat dibutuhkan guna meningkatkan kualitas informasi di dalam
pengelolaan rumah sakit.
2.2 Evaluasi Keberhasilan Sistem Informasi
2.2.1 Definisi Evaluasi
Menurut Wirawan dalam Ananda et al., (2014), evaluasi adalah penelitian
dengan cara mengumpulkan, menganalisis, dan menyajikan informasi objek
penelitian tersebut, selanjutnya menilainya dan membandingkannya dengan
indikator evaluasi dan hasilnya dipergunakan untuk mengambil keputusan
mengenai objek evaluasi tersebut. Sedangkan menurut Hadi (2011), evaluasi
adalah proses mengumpulkan informasi objek penelitian, menilai dan
membandingkannya dengan kriteria, standar dan indikator evaluasi. Sejalan
dengan pendapat sebelumnya, Arikunto (2010) menyatakan bahwa evaluasi
merupakan proses yang sistematis untuk menentukan dan mendukung tujuan
tercapai. Oleh karena itu, secara sederhana evaluasi dapat diartikan sebagai tahap
penilaian yang ditujukan kepada objek evaluasi, untuk mengetahui keadaan suatu
objek dengan menggunakan instrumen dan hasilnya dideskripsikan dalam bentuk
informasi.
19
2.2.2 Tujuan Evaluasi
Menurut Wirawan & Model (2011), ada beberapa tujuan evaluasi di
antaranya adalah:
a. Mengukur pengaruh program terhadap masyarakat.
b. Menilai apakah program telah dilaksanakan sesuai rencana.
c. Mengukur apakah pelaksanaan program sesuai dengan standar.
d. Evaluasi program dapat mengidentifikasi dan menentukan mana dimensi
program yang jalan, mana yang tidak berjalan.
e. Pengembangan staf program.
f. Memenuhi ketentuan undang-undang.
g. Akreditasi program.
h. Mengukur cost effective dan cost efficiency.
i. Mengambil keputusan mengenai program.
j. Akuntabilias.
k. Memberikan balikkan kepada pimpinan dan program.
l. Mengembangkan teori evaluasi dan riset evaluasi
Berikut merupakan tujuan evauasi sistem informasi dalam Purwanto (2014)
yaitu:
a. Menentukan peningkatan yang diperlukan dalam produk individu tunggal
atau tim.
b. Mengkonfirmasi bagian-bagian dari sebuah produk dimana peningkatan
tidak diperlukan atau dibutuhkan.
20
c. Mencapai kerja kualitas teknik yang lebih baik, paling tidak lebih seragam
dan lebih dapat diprediksi dan untuk membuat kinerja teknis menjadi lebih
dapat diatur
2.2.3 Konsep Dasar Keberhasilan Sistem Informasi
Adanya sistem yang berbasiskan teknologi informasi yang diterapkan
perusahaan memberikan pengaruh kepada organisasi, proses bisnis dan transaksi
organisasi (Wahyudi & Astuti, 2013). Sistem informasi menjadi prioritas pertama
untuk dikembangkan karena besarnya kekuatan-kekuatan lingkungan eksternal
dan kesamaan dari kekuatan faktor internal atau institusional (Kotadjin et al.,
2016) Beberapa sistem gagal karena benturan keadaan atau lingkungan internal.
Faktor-faktor yang dijadikan ukuran keberhasilan penerapan suatu sistem
(Laudon, 2012), yaitu:
a. tingkat penggunaannya relatif tinggi,
b. kepuasan pengguna terhadap sistem,
c. sikap yang menguntungkan para pengguna terhadap sistem
d. informasi dan staff dari sistem informasi,
e. tujuan yang dicapai dan imbal balik
f. keuangan untuk organisasi.
Pada Tabel 2.1 menunjukkan ringkasan macam-macam model keberhasilan
sistem:
21
Tabel 2.1 Macam-Macam Model Keberhasilan Sistem
No.
Model
Keberhasilan
Sistem
Informasi
Penemu
dan
Tahun
Fokus Kelebihan Kekurangan
1. Technology
Acceptance
Model (TAM)
Davis,
1989
Bagaimana pengguna mau
menerima dan menggunakan
teknologi berdasarkan
usefulness dan ease of use
(Muntianah et al., 2012;
Sayekti & Putarta, 2016)
TAM merupakan model perilaku
(behavior) yang bermanfaat untuk
menjawab pertanyaan mengapa banyak
sistem teknologi gagal diterapkan karena
pemakainya tidak mempunyai minat
(intention) untuk menggunakannya
(Sayekti & Putarta, 2016).
a. TAM hanya memberikan
informasi atau hasil yang sangat
umum saja tentang minat dan
perilaku pemakai sistem dalam
menerima sistem teknologi
informasi.
b. TAM hanya menjelaskan
kepercayaan (beliefs) mengapa
pemakai mempunyai minat
perilaku menggunakan sistem.
c. TAM belum memberikan
informasi menjelaskan mengapa
pemakai sistem mempunyai
kepercayaan - kepercayaan
tersebut. (Rozanda & Masriana,
2017)
2. Task
Technology Fit
(TTF)
Goodhue
dan
Thompson,
1995
Kesesuaian dari kapabilitas
teknologi untuk kebutuhan
tugas dalam pekerjaan, yaitu
kemampuan TI untuk
memberikan dukungan
terhadap pekerjaan. (Susanti,
2006).
Teknologi informasi memiliki dampak
positif terhadap kinerja individu dan
dapat digunakan jika kemampuan
teknologi informasi cocok dengan tugas-
tugas yang harus dihasilkan oleh
pengguna (Furneaux, 2006).
TTF hanya menjelaskan sejauh mana
fungsi dan manfaat TI mendukung
aktivitas sistem, namun tidak dapat
mengevaluasi keberhasilan sistem
secara menyeluruh (Susanti, 2006).
22
No.
Model Evaluasi
Sistem
Informasi
Penemu
dan
Tahun
Fokus Kelebihan Kekurangan
3. End User
Computing
Satisfaction
(EUCS)
Doll et
al.,1995
menangkap keseluruhan
evaluasi dimana pengguna
akhir telah menganggap
penggunaan dari suatu sistem
informasi dan juga faktor-
faktor yang membentuk
kepuasan. (Dewa, 2016).
lebih menekankan kepuasan
(satisfaction) pengguna akhir terhadap
aspek teknologi, dengan menilai isi,
keakuratan, format, waktu dan
kemudahan penggunaan dari sistem.
Model ini telah banyak diujicobakan oleh
peneliti lain untuk menguji
reliabilitasnya dan hasilnya menunjukkan
tidak ada perbedaan bermakna meskipun
instrumen ini diterjemahkan dalam
berbagai bahasa yang berbeda (Dewa,
2016).
EUCS hanya menjelaskan sejauh mana
kepuasan pengguna dalam pemakaian
sistem, namun tidak dapat
mengevaluasi keberhasilan sistem
secara menyeluruh (Ariaji et al., 2007).
4. Unified Theory
of Acceptance
and Use of
Technolog
(UTAUT)
Venkatesh,
et al., 2003
Menggabungkan fitur fitur
yang berhasil dari delapan
teori penerimaan teknologi
terkemuka. Kedelapan teori
terkemuka yang disatukan di
dalam UTAUT adalah theory
of reasoned action (TRA),
technology acceptance model
(TAM), motivational model
(MM), theory of planned
behavior nnovation diffusion
theory (IDT) dan social
cognitive theory (SCT)
(Sonny, 2016).
UTAUT terbukti lebih berhasil
dibandingkan kedelapan teori yang lain
dalam menjelaskan hingga 70 persen
varian pengguna (Sonny, 2016).
kurangnya faktor kesesuaian antara
human-organization-technology.
23
No.
Model Evaluasi
Sistem
Informasi
Penemu
dan
Tahun
Fokus Kelebihan Kekurangan
5. Delone Mcclean Delone dan
McClean,
1992
Model yang diusulkan ini
merefleksi ketergantungan
dari enam pengukuran
kesuksesan sistem informasi,
yaitu:
a. Kualitas system (system
quality)
b. Kualitas informasi
(information quality)
c. Penggunaan (use)
d. Kepuasan pemakai (user
satisfaction)
e. Dampak individual
(individual impact)
f. Dampak organisasional
(organizational impact)
(Yuliana, 2016)
a. mengukurnya secara keseluruhan satu
mempengaruhi yang lainnya.
b. menunjukkan bagaimana arah
hubungan satu elemen dengan elemen
lain apakah menyebabkan lebih besar
(mempunyai pengaruh positif) atau
lebih kecil (individual impact
mempunyai pengaruh negatif)
(Yuliana, 2016)
a. model tercampur antara model
proses (process model) dan model
varian (variance model).
b. Model proses dan model varian
mengandung konsep yang berbeda
dan tidak dapat digabungkan
dengan arti yang sama begitu saja.
(Sugiyono, 2013).
6. Human,
Organization
and Technology
(HOT) Fit
Yusof et
al., 2006
Model ini menempatkan
komponen penting dalam
sistem informasi yakni
Manusia (Human), Organisasi
(Organization) dan Teknologi
(Technology). dan kesesuaian
hubungan di antaranya (Yusof
et al., 2006)
a. pengembangan dari SI DeLone
McLean dan IT Organization Fit
dan memiliki tiga dimensi, yaitu
manusia, organisasi, dan teknologi.
b. dapat menilai kesuksesan dan
penerimaan penggunaan SI serta
menilai kesesuaian antara manusia-
organisasi-teknologi (Yusof et al.,
2006)
Variabel dalam dimensi manusia belum
menjelaskan secara lebih jauh faktor-
faktor yang mempengaruhi penerimaan
pengguna untuk menggunakan SI
(Pamugar et al., 2014).
24
2.2.4 Model Human, Organization and Technology Fit
Model Human, Organization and Technology Fit menggabungkan Delone
and Mccelean IS Success Model dengan IT-Organization Fit Model (Yusof et al.,
2006). Delone and Mccelean IS Success Model digunakan untuk mengidentifikasi
kategori evaluasi seperti faktor, dimensi dan ukuran. IT-Organization Fit Model
mengidentifikasi konsep-konsep yang tepat dan hubungan antara faktor-faktor
evaluasi yaitu manusia, organisasi dan teknologi. Ketiga faktor adalah komponen
penting dalam Sistem Informasi (SI) dan dampak sistem dievaluasi melalui
keuntungan bersih secara keseluruhan. Kedua framework tersebut menghasilkan
framework yang menempatkan komponen penting dalam sistem informasi, yaitu:
Manusia (Human), Organisasi (Organization) dan Teknologi (Technology), dam
kesesuaian hubungan di antara tiga kompenen tersebut.
HOT-Fit menjadi alat evaluasi yang komprehensif untuk berbagai SIMRS
(Yusof et al., 2006). Model ini saling melengkapi dari sembilan dimensi yang
saling terkait, yaitu kualitas sistem (kualitas pemrosesan informasi), kualitas
informasi (hasil SI), kualitas layanan (dukungan teknis dan layanan),
pengembangan sistem, penggunaan sistem, kepuasan pengguna, struktur
organisasi (terkait dengan manajemen, strategi, rencana organisasi), lingkungan
organisasi (terkait dengan sistem politik, keuangan, antar organisasi) dan manfaat
bersih (dampak keseluruhan SI). Kesesuaian antara teknologi, manusia dan
organisasinya dalam kerangka HOT-Fit sangat kompleks, subjektif, dan abstrak.
Berdasarkan kesesuaiannya, HOT-Fit tidak hanya digunakan untuk mengevaluasi
kinerja, efisiensi, dan dampak SIMRS-nya. Bisa juga panduan evaluasi kesalahan
25
secara sistematis sesuai dengan fase proses dan tingkat dari tiga faktor. Kerangka
kerja ini dapat digunakan untuk melakukan evaluasi yang sistematis dan ketat
dalam setiap siklus hidup pengembangan sistem (Yusof et al., 2008; Yusof et al.,
2011;Yusof & Yusuff, 2013)
Menurut Yusof et al. (2011) faktor-faktor yang membentuk kerangka HOT-
Fit adalah sebagai berikut:
a. Manusia (Human)
Yusof et al. (2006) menyatakan bahwa komponen manusia menilai sistem
informasi dari sisi penggunaan sistem (system use) pada frekwensi dan luasnya
fungsi dan penyelidikan sistem informasi. System use juga berhubungan dengan
siapa yang menggunakan (who use it), tingkat penggunanya (level of user),
pelatihan, pengetahuan, motivasi penggunaan, sikap menerima atau menolak
Gambar 2.1 Human-Organizational-Technology (HOT) Fit Framework (Yusof et al., 2011)
26
sistem, serta kepuasan pengguna pada. Kepuasan pengguna pada sistem dapat
dihubungkan dengan perspektif manfaat dan sikap pengguna terhadap sistem
informasi yang dipengaruhi oleh karakteristik personal. Terdapat penambahan
dalam framework dari framework-framework sebelumnya yaitu memasukkan
variabel pengembangan sistem (System Development) kedalamnya.
Pengembangan sistem tersebut terdiri dari perencanaan, manajemen proyek,
jadwal proyek dan hubungan dengan strategi TI dengan tujuan untuk membangun
lingkungan sistem yang sangat kolaboratif untuk memaksimalkan efisiensi dan
akurasi pemantauan proyek itu cukup berhasil. sistem (Yusof et al., 2006; Yusof
et al., 2011;Yusof & Yusuff, 2013).
b. Organisasi (Organization)
Komponen organisasi (organization) menilai sistem yang diiimplemetasikan
dari aspek sebagai berikut (Yusof & Yusuff, 2013):
a) Struktur Organisasi
Struktur organisasi terdiri atas kerjasama dalam organisasi, strategi,
kepemimpinan, dukungan dari top management dan dukungan staff
merupakan bagian yang penting dalam mengukur keberhasilan sistem.
b) Lingkungan Organisasi
Sedangkan lingkungan organisasi terdiri atas sumber pemerintahan,
politik, dan hubungan interorganisasional.
27
c. Teknologi (Technology)
a) Kualitas Sistem
Faktor ini digunakan untuk mengukur kualitas sistem teknologi
informasinya sendiri. Beberapa indikator untuk mengukur nilai dari kualitas
sistem adalah sebagai berikut:
- indikator kemudahan yang meliputi: mudah digunakan (ease of use)
dan mudah dipelajari (ease of learning),
- indikator efisiensi yang meliputi: lama respon (response time) dan
lama loading,
- indikator kehandalan sistem yang meliputi: terdapat bantuan teknis
sistem (access to technical support), adanya peringatan kesalahan,
fleksibel jika diintegrasikan dengan sistem lain (availability), teruji
bebas dari error (reliability) dan keamanan sistem (security),
- indikator kelengkapan meliputi: fitur-fitur yang lengkap, dan isi data-
base yang lengkap.
b) Kualitas Informasi (Output)
Faktor ini digunakan untuk mengukur kualitas keluaran (output) dari
sistem informasi. Beberapa indikator yang pernah diteliti Yusof et al. (2011)
untuk mengukur nilai dari kualitas informasi output adalah sebagai berikut:
- Informasi relevan (relevancy) yang meliputi: adanya relevansi dari
informasi yang dihasilkan dengan kebutuhan pengguna,
- Indikator kegunaan (usefulness) yang meliputi: mudah dibaca, ringkas
dan padat, informatif, penting,
28
- Tingkat kehandalan data: akurasi data, ketepatwaktuan, dapat
dibandingkan dan dapat diverifikasi.
c) Kualitas Pelayanan
Kualitas pelayanan yaitu keseluruhan dukungan yang diterima dari
penyedia jasa layanan sistem. Kualitas layanan dapat dinilai dengan
kecepatan respon, jaminan, dan dukungan teknis kepada pengguna sistem.
d. Manfaat bersih (Net Benefits)
Manfaat bersih adalah manfaat yang diperoleh dari penggunaan sistem. Net
benefits dapat diukur dari manfaat sistem secara langsung (misalnya dari
informasi yang dihasilkan sistem dapat mengambil keputusan dan dapat
mengurangi error atau kesalahan dalam pekerjaan). Adapun manfaat secara tidak
langsung seperti dampak pada kinerja, produktivitas, beban kerja.
2.3 Metode Kuantitatif dalam Penelitian Sistem Informasi
Metode penelitian kuantitatif merupakan salah satu jenis penelitian yang
lebih sistematis, spesifik, terstruktur dan juga terencana dengan baik dari awal
hingga mendapatkan sebuah kesimpulan. Penelitian kuantitatif lebih menekankan
pada penggunaan angka-angka yang membuatnya menjadi lebih mendetail dan
lebih jelas. Selain itu penggunaan tabel, grafik, dan juga diagram sangat
memudahkan untuk dibaca.
Di dalam metode kuantitatif ini ada beberapa metode yang mendukung,
yakni metode deskriptif, survei, perbandingan, penelitian tindakan, ekspos, dan
korelasi. Penelitian kuantitatif pada prinsipnya adalah menjawab sebuah masalah.
29
Masalah adalah adanya ketimpangan antara kondisi yang dihatapkan dengan
kondisi yang ada atau kenyataan.
Menurut Sugiyono (2012) metode kuantitatif yaitu metode penelitian yang
berlandaskan terhadap filsafat positivisme, digunakan dalam meneliti terhadap
sample dan pupulasi penelitian, teknik pengambilan sample umumnya dilakukan
dengan acak atau random sampling, sedangkan pengumpulan data dilakukan
dengan cara memanfaatkan instrumen penelitian yang dipakai, analisis data yang
digunakan bersifat kuantitatif/bisa diukur dengan tujuan untuk menguji hipotesis
yang ditetapkan sebelumnya.
2.3.1 Jenis-Jenis Penelitian
Ragam atau jenis penelitian dibagi berdasarkan tujuan, metode, tingkat
eksplanasi, jenis data & analisis (Sugiyono,2012). Berikut penjelasannya:
a. Penelitian Ditinjau dari Tujuan
Penelitian ditinjau dari tujuan meliputi penelitian murni dan penelitian
terapan, yaitu:
1. Penelitian dasar atau murni adalah penelitian yang bertujuan
menemukan pengetahuan baru yang sebelumnya belum pernah
diketahui. Penelitian murni diarahkan pada pengujian teori, dengan
hanya sedikit atau bahkan tanpa menghubungkan hasilnya untuk
kepentingan praktik.
2. Penelitian terapan adalah penelitian yang bertujuan untuk
memecahkan masalah-masalah kehidupan yang praktis.
30
b. Penelitian Ditinjau dari Metode.
Penelitian ditinjau dari metode, beragam jenisnya, yaitu meliputi:
1. Penelitian Survey
Penelitian yang dilakukan pada populasi besar maupun kecil, tetapi
datanya dari sampel yang diambil dari populasi tersebut. Penelitian
survey digunakan untuk mengumpulkan informasi berbentuk opini
dari sejumlah besar orang terhadap topik atau isu tertentu.
2. Penelitian Expost Facto
Penelitian yang dilakukan untuk meneliti peristiwa yang terjadi dan
kemudian merunut kebelakang untuk mengetahui faktor-faktor yang
dapat menyebabkan timbulnya kejadian tersebut. Penelitian ini
meneliti hubungan sebab-akibat yang tidak dimanipulasi atau diberi
perlakuan.
3. Penelitian Eksperimen
Penelitian ekperimen adalah penelitian yang berusaha mencari
pengaruh variabel tertentu terhadap variabel lain dalam kondisi yang
terkontrol secara ketat.
4. Penelitian Naturalistik
Merupakan metode penelitian yang digunakan untuk meneliti pada
kondisi objek alamiah. Peneliti berperan sebagai instrumen kunci.
Teknik pengumpulan data dilakukan secara triangulasi.Analisis data
bersifat induktif dan hasil penelitian ini lebih menekankan makna
daripada generalisasi.
31
5. Policy Research
Policy research adalah suatu proses penelitian yang dilakukan pada
atau analisis terhadap masalah-masalah sosial yang mendasar
sehingga temuannya dapat direkomendasikan kepada pembuat
keputusan untuk bertindak secara praktis dalam menyelesaikan
masalah.
6. Action Research
Penelitian tindakan atau action research adalah penelitian yang
diarahkan pada usaha mengadakan pemecahan masalah atau
perbaikan. Penelitian ini bertujuan untuk mengembangkan metode
kerja yang paling efisien, sehingga biaya produksi dapat ditekan dan
produktivitas lembaga dapat meningkat. Fokus pada penelitian ini
adalah perbaikan proses maupun peningkatan hasil kegiatan.
Penelitian tindakan juga biasa dilakukan dengan meminta bantuan
seorang konsultan atau pakar dari luar.
7. Penelitian Evaluasi
Penelitian evaluasi difokuskan pada suatu kegiatan dalam satu unit
(site) tertentu. Penelitian evaluasi adalah suatu proses yang dilakukan
dalam rangka menentukan kebijakan dengan terlebih dahulu
mempertimbnagkan nilai-nilai positif dan keuntungan suatu program.
Penelitian ini disebut juga dengan penilaian program. Penelitian ini
dapat menilai manfaat atau kegunaan, sumbangan dan kelayakan dari
sesuatu kegaitan dalam satu unit.
32
8. Penelitian Sejarah
Penelitian ini berkenaan dengan analisis yang logis terhadap kejadian-
kejadian yang berlangsung di masa lalu.Digunakan untuk menjawab
pertanyaan tentang kapan kejadian berlangsung, siapa pelakunya, dan
bagaimana prosesnya.
c. Penelitian Ditinjau dari Tingkat Eksplanasi
Penelitian ditinjau dari tingkat eksplanasi terdiri atas:
1. Penelitian deskriptif adalah penelitian yang ditujukan untuk
mendeskripsikan suatu keadaan atau fenomena-fenomena apa adanya.
2. Penelitian komparatif adalah penelitian yang diarahkan untuk
mengetahui apakah antara dua atau lebih dari dua kelompok ada
perbedaan dalam aspek atau variabel yang diteliti.
3. Penelitian asosiatif atau hubungan merupakan penelitian yang
bertujuan untuk mengetahui hubungan antara dua variabel atau lebih.
Dari penelitian ini dapat dibangun suatu teori yang dapat berfungsi
untuk menjelaskan, meramalkan, dan mengontrol suatu gejala. Jenis
hubungan ada yang bersifat simetris, kausal atau sebab akibat, dan
resiprokal atau timbal balik.
d. Penelitian Ditinjau dari Jenis Data dan Analisis
Penelitian ditinjau dari jenis data dan analisis meliputi penelitian kuantitatif,
kualitatif dan gabungan.
33
2.3.2 Skala Likert
Sugiyono (2014) menyatakan bahwa skala Likert digunakan untuk
mengukur sikap, pendapat, dan persepsi seseorang atau sekelompok orang tentang
fenomena sosial. Sedangkan menurut Djaali dalam Wahab (2014), skala Likert
ialah skala yang dapat dipergunakan untuk mengukur sikap, pendapat, dan
persepsi seseorang atau sekelompok orang tentang suatu gejala atau fenomena
pendidikan. Skala Likert adalah suatu skala psikometrik yang umum digunakan
dalam kuesioner, dan merupakan skala yang paling banyak digunakan dalam riset
berupa survei. Nama skala ini diambil dari nama Rensis Likert, pendidik dan ahli
psikolog Amerika Serikat. Rensis Likert telah mengembangkan sebuah skala
untuk mengukur sikap masyarakat di tahun 1932.
Menurut Risnita (2012), skala Likert berwujud kumpulan pertanyaan-
pertanyaan sikap yang ditulis, disusun dan dianalisis sedemikian rupa sehingga
respons seseorang terhadap pertanyaan tersebut dapat diberikan angka (skor) dan
kemudian dapat diinterpretasikan. Skala itu sendiri salah satu artinya, sekedar
memudahkan, adalah ukuran-ukuran berjenjang. Skala penilaian, misalnya,
merupakan skala untuk menilai sesuatu yang pilihannya berjenjang, misalnya 0, 1,
2, 3, 4, 5, 6, 7, 8, 9, 10. Skala Likert juga merupakan alat untuk mengukur
(mengumpulkan data dengan cara “mengukur-menimbang” yang “itemnya”
(butir-butir pertanyaannya) berisikan (memuat) pilihan yang berjenjang.
Skala Likert digunakan untuk mengukur sikap, pendapat, dan persepsi
seseorang atau sekelompok orang tentang fenomena sosial. Dengan Skala Likert,
variabel yang akan diukur dijabarkan menjadi indikator variabel. Kemudian
34
indikator tersebut dijadikan sebagai titik tolak untuk menyusun item-item
instrumen yang dapat berupa pertanyaan atau pernyataan. Jawaban setiap item
instrumen yang menggunakan Skala Likert mempunyai gradasi dari sangat positif
sampai sangat negatif.
Skala likert dalam evaluasi digunakan sebagai berikut (Risnita, 2012):
a. Menilai keberhasilan suatu kebijakan atau program
b. Menilai manfaat pelaksanaan suatu kebijakan atau program
c. Mengetahui kepuasan stakeholder terhadap pelaksanaan suatu
kebijakan atau program.
Dalam skala Likert terdapat dua bentuk pernyataan yaitu pernyataan positif
yang berfungsi untuk mengukur sikap positif, dan pernyataan negative yang
berfungsi untuk mengukur sikap negative objek. Skor pernyataan positif dimulai
dari 1 untuk sangat tidak setuju (STS), 2 untuk tidak setuju (TS), 3 untuk ragu-
ragu (R), 4 untuk setuju (S), dan 5 untuk sangat setuju (SS). Skor pernyataan
negative dimulai dari 1 untuk sangat setuju (SS), 2 untuk setuju (S), 3 untuk ragu-
ragu (R), 4 untuk tidak setuju (TS), dan 5 untuk sangat tidak setuju (STS).
Menurut Alatas (2018), beberapa menghilangkan option “Ragu-ragu” dalam
instrument untuk memudahkan dalam melihat angket yang responden isikan.
2.3.3 Populasi dan Sampling
Menurut Sugiyono (2014), populasi adalah wilayah generalisasi, obyek atau
subyek yang mempunyai kualitas dan karakteristik tertentu yang ditetapkan oleh
35
peneliti untuk dipelajari dan kemudian ditarik kesimpulannya. Sedangkan
menurut Arikunto (2010), populasi adalah keseluruhan dari subjek penelitian.
Sugiyono (2014) meyatakan bahwa sampling adalah bagian dari jumlah dan
karakteristik yang dimiliki oleh populasi tersebut. Sedangkan menurut Arikunto
(2010), sampling adalah sebagian atau wakil populasi yang diteliti.
2.3.4 Teknik Pengambilan Sampel
Teknik Sampling yaitu merupakan teknik pengambilan sampel(P. D.
Sugiyono, 2010). Terdapat berbagai macam teknik sampling untuk menentukan
sampel yang akan dipakai dalam penelitian. Teknik sampling pada dasarnya bisa
dikelompokkan menjadi 2 (dua) macam yaitu probability sampling dan non-
probability sampling. Berikut kategori sampel dapat dilihat pada Gambar 2.2.
Dalam pengambilan sampel dari populasi dibedakan menjadi dua kategori teknik
pengambilan sampel (Siregar, 2013), yaitu:
a. Probability Sampling
Probability sampling adalah suatu teknik sampling yang memberikan peluang
atau kesempatan yang sama bagi setiap unsur (anggota) populasi untuk dipilih
menjadi anggota sampel, teknik ini terdiri atas:
a) Simple Random Sampling (Sampel Random Sederhana)
Simple Random Sampling yaitu teknik pengambilan sampel dengan
membebaskan kesempatan kepada setiap anggota yang ada di populasi
sebagai sampel.
36
b) Stratified Sampling (Strata Sampel)
Stratified Sampling yaitu teknik pengambilan sampel yang memiliki
populasi dengan strata atau tingkatan yang sama yang memiliki
karakteristik sendiri.
1) Proportional
Proportional yang dimaksud adalah jumlah sampel yang diambil
sebanding dengan proporsi ukurannya.
2) Disproportional
Disproportional yaitu jumlah yang diambil dari setiap strata jumlahnya
tidak sama dengan proporsi sampel di setiap strata.
Kategori Sampling
Probability Sampling
1. Simpel Random Sampling
2. Stratified Sampling
- Proportional
- Disproportional
3. Cluster Sampling
4. Double Sampling
Non-probability Sampling
1. Convenience Sampling
2. Purposive Sampling
3. Judgement Sampling
4. Quota Sampling
5. Snowball Sampling
Gambar 2. 2 Kategori Sampel (Siregar, 2013)
37
b) Cluster Sampling
Teknik pengambilan sampel ini menggunakan metode pembagian populasi
atas kelompok berdasarkan area atau cluster, lalu beberapa cluster dipilih
sebagai sampel dari cluster tersebut bisa diambil seluruhnya atau sebagian
saja untuk dijadikan sampel, anggota populasi di setiap cluster tidak perlu
homogen. Sampel ditarik dengan teknik kombinasi antara stratified
sampling dan cluster sampling.
c) Double sample
Teknik ini biasa juga disebut sequential sampling (sampel berjenjang) dan
multiphase-sampling (sampel multi tahap).
b. Non probability Sampling
Non probability sampling adalah teknik yang tidak memberikan
peluang/kesempatan sama bagi setiap unsur atau anggota populasi untuk dipilih
menjadi sampel, teknik ini terdiri atas:
a) Convenience Sampling
Convenience Sampling merupakan teknik menentukan sampel berdasarkan
kebetulan saja, anggota populasi yang ditemui peneliti dan bersedia
menjadi responden untuk dijadikan sampel atau peneliti memilih orang-
orang yang terdekat saja.
b) Purposive Sampling
Merupakan metode penetapan responden untuk dijadikan sampel
berdasarkan pada kriteria–kriteria tertentu.
38
c) Quota Sampling
Merupakan metode penetapan sampel dengan menggunakan kuota terlebih
dahulu pada masing–masing kelompok, sebelum kuota masing–masing
kelompok terpenuhi maka penelitian belum dianggap selesai.
d) Snowball Sampling
Snowball Sampling merupakan teknik pengambilan sampel yang pada
mulanya jumlahnya kecil tapi makin lama makin banyak, berhenti sampai
informasi yang didapatkan dinilai telah cukup. Teknik ini baik untuk
diterapkan jika calon responden sulit untuk diidentifikasi.
2.3.5 Teknik Menentukan Ukuran Sampel
Berbagai cara pengumpulan sampel sehingga sampel yang diperoleh
memiliki karakteristik populasi, selanjutnya adalah menentukan besarnya sampel.
Teknik yang dapat digunakan dalam menentukan ukuran sampel dari suatu
populasi, antara lain:
a. Jumlah populasi diketahui
Jumlah populasi yang diketahui dapat dicari menggunakan teknik Slovin
(Sevilla et al. dalam Siregar, 2013) pada persamaan 2.1:
(2.1)
dengan:
N = besarnya populasi
n = besarnya sampel
d = perkiraan tingkat kesalahan (1%,5%,10%)
39
Dalam menggunakan rumus ini, pertama ditentukan berapa batas toleransi
kesalahan. Batas toleransi kesalahan ini dinyatakan dalam persentase. Menurut
(Bagus, 20016), semakin kecil toleransi kesalahan maka semakin akurat sampel
menggambarkan poulasi. Misalnya, penelitian dengan batas kesalahan 5% berarti
tingkat akurasi 95%. Penelitian dengan batas kesalahan 10% memiliki akurasi
90%. Dengan jumlah populasi yang sama, semakin kecil toleransi kesalahan,
semakin besar jumlah sampel yang dibutuhkan.
b. Jumlah populasi tidak diketahui
Jumlah populasi yang tidak diketahui dapat dicari menggunakan pendekatan
Isac Michael (Siregar, 2013) pada persamaan 2.2, yaitu:
n =
⁄
(2.2)
dengan:
n = sampel
p = proporsi populasi
q = 1-p
z = tingkat kepercayaan/signifikan
e = margin of error (5%)
2.4 Partial Least Square Structural Equation Modeling (PLS-SEM)
Partial Least Square (PLS) adalah salah satu metode penyelesaian dari
Structural Equation Modeling (SEM). PLS atau sering disebut dengan PLS-SEM
ini merupakan generasi kedua SEM. Generasi pertama SEM disebut CB-SEM
(Covarian-Based Structural Equation Modelling). Dibandingkan dengan generasi
pertama atau CB-SEM, PLS-SEM memiliki tingkat fleksibilitas yang tinggi untuk
40
penelitian regresi yang menghubungkan antara teori dan data, serta melakukan
analisis jalur (path) dengan variabel laten. Dikemukakan oleh Wold (dalam
Ghozali, 2008), PLS merupakan metode analisis powerful, karena tidak
didasarkan pada banyak asumsi. PLS memiliki asumsi data penelitian bebas
distribusi, artinya data penelitian tidak mengacuh pada salah satu distribusi
tertentu (misalnya distribusi normal). PLS merupakan metode alternatif dari SEM
yang dapat digunakan untuk mengatasi permasalahan hubungan diantara variable
yang kompleks namun ukuran sampel datanya kecil (30 sampai 100), mengingat
SEM memiliki ukuran sampel data minimal 100 (Hair et al., 2010).
Semula PLS lebih banyak digunakan untuk studi bidang analytical, physical
dan clinical chemistry. Menurut Haryono (2017), desain PLS dimaksudkan untuk
mengatasi keterbatasan analisis regresi dengan teknik OLS (Ordinary Least
Square) ketika karakteristik datanya mengalami masalah, seperti: (1). ukuran data
kecil, (2). adanya missing value, (3). bentuk sebaran data tidak normal, dan (4).
adanya gejala multikolinearitas. PLS regression biasanya menghasilkan data yang
tidak stabil apabila jumlah data yang terkumpul (sampel) sedikit, atau adanya
missing values maupun multikolinearitas antar prediktor karena kondisi sperti ini
dapat meningkatkan standard error dari koefisien yang diukur (Field dalam ,
Wijaya et al., 2013)
Model hubungan variabel laten dalam PLS terdiri atas tiga jenis ukuran,
yaitu:
a. Inner model yang menspesifikasikan hubungan antar variable latent
berdasarkan substantive theory,
41
b. Outer model yang menspesifikasi hubungan antar variable laten dengan
indikator atau variable manifest-ntya (disebut measurement model). Outer
model sering disebut outer relation yang mendefinisikan bagaimana setiap
blok indicator berhubungan dengan variable laten yang dibentuknya.
c. Weight relation, yaitu estimasi nilai dari variable latent.
Dalam melakukan pengujian menggunakan PLS-SEM terdapat beberapa
kriteria nilai yang harus dipenuhi. Adapun kriteria nilai yang harus dipenuhi
dalam penggunaan metode PLS. Berikut terlampir tabel ringkasan kriteria
penilaian PLS:
Tabel 2. 2 Ringkasan Kriteria Penilaian PLS (Mustafa & Wijaya, 2012; Ghozali, 2014)
No. Kriteria Penjelasan
Evaluasi Model
Struktural
1 R2 untuk variable laten
endogen
Hasil R2 untuk variable laten endogen dalam model structural
mengindikasikan bahwa model baik , moderat dan lemah.
2 Estimasi koefisien jalur Nilai estimasi untuk hubungan jalur dalam model structural
harus signifikan. Nilai signifikan ini dapat diperoleh dengan
prosedur bootstrapping yang juga menghasilkan nilai T (T-
value).
3 f2 untuk effect size Nilai f
2 dapat diinterpretasikan apakah prediktor variable
mempunyai pengaruh yang lemah, medium atau besar pada
tingkat structural
4 Relevansi prediksi (Q2
dan q2)
Prosedur blindfolding digunakan untuk mengukur Q2 dengan
formulasi :
∑
∑
42
No. Kriteria Penjelasan
dengan:
D = omission distance,
E = adalah sum of squares of prediction errors
O = sum of squares observations.
Nilai Q2 > 0 membuktikan bahwa model memiliki predictive
relevance, sebaliknya jika nilai Q2 < 0 membuktikan bahwa
model kurang memiliki predictive relevance. Dalam kaitannya
dengan f2, dampak relatif model struktural terhadap
pengukuran variable dependen laten dapat dinilai dengan
formulasi :
Evaluasi Model
Pengukuran Refleksif
1 Loading Factor (LF) Nilai loading factor (lf) harus > 0.7
2 Composite reliability Composite reliability mengukur internal consistency dan
nilainya harus > 0.6
3 Average Variance
Extracted (AVE)
Nilai Average Variance Extracted (AVE) harus > 0.5
4 Validitas diskriminan Nilai akar kuadrat dari AVE harus > nilai korelasi antar
variable laten
5 Cross loading Ukuran lain dari validitas diskriminan. Diharapkan setiap blok
indicator memiliki nilai loading lebih tinggi untuk setiap
variable laten yang diukur dibandingkan dengan indikator
untuk variable laten lainnya.
Evaluasi Model
Pengukuran Formatif
1 Signifikansi nilai
weight
Nilai estimasi untuk model pengukuran formatif harus
signifikan. Tingkat isgnifikansi ini dinilai dengan prosedur
bootstrapping.
2 Multikolinearitas Variable manifest dalam blok harus diuji apakah terdapat
gejala multikolinearitas. Nilai Variance Inflation Factor (VIF)
dapat digunakan untuk menguji permasalahan kini. Nilai VIF
> 10 mengoindikasikan terdapat gejala multikolinearitas.
2.5 SmartPLS
SmartPLS dikembangkan oleh Professor Cristian M. Ringle, Sve Wended
dan Alexander Will tahun 2015. Menurut Fitriani (2016), SmartPLS mempunyai
43
GUI user friendly yang memudahkan pengguna untuk melakukan estimasi model
jalur PLS.
Berikut merupakan beberapa keunggulan dari software SmartPLS(Fitriani,
2016), yaitu:
a. Algoritma PLS yang digunakan tidak terbatas hanya untuk hubungan antar
indikator dengan konstruk laten yang bersifat reflektif dan formatif.
b. SmartPLS dapat digunakan untuk model yang sangat kompleks dengan
jumlah sampel kecil
c. SmartPLS dapat digunakan ketika distribusi data sangat miring (skewness)
serta independensi antara pengamatan tidak dapat dijamin.
2.6 Statistical Package for the Social Sciences (SPSS)
SPSS adalah sebuah program komputer yang yang berfungsi dalam analisis
statistik baik statistik parametrik maupun nonparametrik dengan basis windows.
Statistik bisa diartikan sebagai suatu kegiatan yang bertujuan untuk
mengumpulkan data, meringkas atau menyajikan data lalu menganalisis data
dengan menggunakan cara tertentu, dan menginterpretasikan hasil dari analisis
tersebut. Ilmu statistik ini dapat ditemui di beragam disiplin ilmu seperti
ekonomi, jurnalistik, psikologi, dan lain-lain. Sebagai contoh, dalam bidtesisang
ilmu manajemen ilmu statistik ini berfungsi untuk membantu dalam
pengambilan keputusan atas suatu kendala tertentu. Dalam penghitungan
statistik, alat yang sering digunakan adalah olah data SPSS (Ghozali, 2011).
44
Menurut Pusat Data dan Statistik Pendidikan Kementerian Pendidikan dan
Kebudayaan RI, statistik yang termasuk software dasar SPSS adalah sebagai
berikut:
a. Statistik Deskriptif: Tabulasi Silang, Frekuensi, Deskripsi, Penelusuran,
Statistik Deskripsi Rasio.
b. Statistik Bivariat: Rata-rata, t-test, ANOVA, Korelasi (bivariat, parsial,
jarak), Nonparametric tests.
c. Prediksi Hasil Numerik: Regresi Linear.
d. Prediksi untuk mengidentivikasi kelompok: Analisis Faktor, Analisis
Cluster (two-step, K-means, hierarkis), Diskriminan.
Dalam Modul Pembelajaran SPSS Kementerian Pendidikan dan
Kebudayaan RI menyatakan bahwa SPSS memberi tampilan data yang lebih
informatif, yaitu menampilkan data sesuai nilainya (menampilkan label data
dalam kata-kata) meskipun sebetulnya kita sedang bekerja menggunakan angka-
angka (kode data). Misalnya untuk field Jenis Kelamin, kode angka yang
digunakan adalah 1 untuk “pria” dan 2 untuk “wanita”, maka yang akan muncul
di layar adalah label datanya, yaitu “pria” dan “wanita”. SPSS memberikan
informasi lebih akurat dengan memperlakukan missing data secara tepat, yaitu
dengan memberi kode alasan mengapa terjadi missing data. Misalnya karena
pertanyaan tidak relevan dengan kondisi responden, pertanyaan tidak dijawab,
atau karena memang pertanyaannya yang harus dilompati.
45
2.7 Literatur Sejenis
Literatur sejenis merupakan tinjauan penelitian-penelitian yang pernah dilakukan sebelumnya. Berikut merupakan jenis
penelitian sebelumnya yang memiliki topik penelitian yang sama dengan penulis lakukan:
Tabel 2. 3 Perbandingan Penelitian Terdahulu
No Penelitian Model, Ruang Lingkup,
Karakteristik, dan Teknik
Analisis
Variabel Hasil Penelitian Perbedaan Dengan
Penelitian Ini
1. The Implementation of
the Human,
Organization and
Technology–Fit (HOT–
Fit) Framework to
Evaluate the Electronic
Medical Record (EMR)
System in a Hospital
(Erlirianto et al., 2015)
1. HOT-Fit (2008)
2. Evaluasi Sistem EMR
di Rumah Sakit
3. Kuantitatif
4. Penyebaran kuesioner
secara langsung
5. GeSCA tool
Independen:
System Quality,
Information Quality,
Service Quality
Dependen:
System Use, User
Satisfaction, Structure,
Environment, Net
Benefit
Hasil penelitian tersebut
mendukung bahwa
pengaruh aspek manusia,
organisasi dan teknologi
merupakan kunci sukses
adopsi teknologi di
sebuah rumah sakit.
1. Model HOT-Fit
(2011)
2. Variabel independent
3. Software yang
digunakan
46
No Penelitian Model, Ruang Lingkup,
Karakteristik, dan Teknik
Analisis
Variabel Hasil Penelitian Perbedaan dengan
Penelitian Ini
2. Evaluasi Penerapan
Sistem Informasi
Manajemen
Kepegawaian (SIMPEG)
di Pemerintahan Kota
Bogor
(Kodarisman &
Nugroho, 2013)
1. HOT-Fit (2006)
2. Evaluasi terhadap
penerapan Sistem
Informasi Manajemen
Kepegawaian
(SIMPEG)
3. Kuantitatif
4. Menggunakan skala
likert 5 poin
5. software SmartPLS
Independen:
System Quality,
Information System,
Service Quality,
Organization
Dependen:
System Use, User
Satisfaction, Net
Benefits
Kesuksesan SIMPEG
dipengaruhi faktor
system quality,
information quality,
service quality, system
use, user satisfaction dan
structure organization.
1. Model HOT-Fit
(2011)
2. Variabel independent
dan dependen
3. Ruang lingkup yang
dibahas
3. Evaluasi Sistem
Informasi Manajemen
Puskesmas (SIMPUS)
Guna Mendukung
Penerapan Sikda
Generik Menggunakan
Metode HOT-Fit di
Kabupaten Purworejo
(Thenu et al., 2016)
1. HOT-Fit (2006)
2. Evaluasi SIMPUS
dalam rangka
memastikan
keefektifan
penerapan dan
dampak positif yang
diberikan oleh
SIMPUS
3. Kualitatif
4. Metode wawancara
mendalam
5. Analisis isi
Independen:
System Quality,
Information System,
Service Quality
Dependen:
System Use, User
Satisfaction, Structure
Organization,
Environment, Net
Benefits
Dapat mengetahui
kesetaraan SIMPUS
sudah sesuai dengan
SIKDA Generik.
1. Model HOT-Fit
(2011)
2. Variabel dependen
3. Metode kuantitatif
47
No Penelitian Model, Ruang Lingkup,
Karakteristik, dan Teknik
Analisis
Variabel Hasil Penelitian Perbedaan dengan
Penelitian Ini
4. Factors known to
Influence Acceptance of
Clinical Decision
Support Systems
(Kilsdonk et al., 2011)
1. HOT-Fit (2008)
2. Evaluasi CDSS
untuk memetakan
faktor penerimaan
CDSS
3. Metode literature
review
Independen:
System Quality,
Information Quality,
Service Quality
Dependen:
System Use, User
Satisfaction, Structure,
Environment, Net
Benefits
Membantu
mengkelompokkan
faktor penerimaan CDSS
dan mengungkapkan
kesenjangan dalam faktor
penelitian yang berfokus
pada penerimaan CDSS
pada masalah organisasi.
1. Model HOT-Fit
(2011)
2. Variabel dependen
3. Metode analisa data
5. Evaluasi Penerimaan
Kinerja Human
Resource Information
System Universitas Bina
Darma (Diana &
Kurniawan, 2014)
1. HOT-Fit (2008)
2. Melihat seberapa jauh
sistem berfungsi
dengan baik sesuai
dengan fungsinya
baik dari segi
fungsionalitas dan
kebutuhan pengguna.
3. Menggunkan skala
likert
4. Analisis
menggunakan
Structural Equaption
Modelling (SEM)
Independen:
System Quality,
Information Quality,
Service Quality
Dependen:
System Use, User
Satisfaction, Structure,
Environment, Net
Benefits
Terdapat pengaruh
positif dan signifikan
antara variable human,
organization dan
technology terhadap
penerimaan kinerja HRIS
UBD dan dapat
menetukan faktor
keberhasilan penerapan
HRIS.
1. Model HOT-Fit
(2011)
2. Variabel dependen
3. Metode analisa data
48
No Penelitian Model, Ruang Lingkup,
Karakteristik, dan Teknik
Analisis
Variabel Hasil Penelitian Perbedaan dengan
Penelitian Ini
6. Evaluasi Keberhasilan
Implementasi Sistem
Informasi Dengan
Pendekatan HOT Fit
Model (Studi Kasus:
Perpustakaan STMIK
AMIKOM Purwokerto),
(Krisbiantoro et al.,
2015)
1. HOT-Fit (2006)
2. Mengevaluasi dan
mengetahui tingkat
keberhasilan
implementasi sistem
informasi
perpustakaan di
STMIK AMIKOM
Purwokerto
3. Metode PLS SEM
Independen:
System Quality,
Information Quality,
Service Quality,
Structure Organization
Dependen:
System Use, User
Satisfaction,
Environment, Net
Benefits
Penerapan SLiMS belum
sepenuhnya berhasil
karena ditemukan
beberapa fitiur dalam
SLiMS yang tidak sesuai
dengan kebutuhan
petugas perpustakaan.
Oleh karena itu, perlu
diadakan perbaikan dan
pengembangan sistem
agar sesuai dengan
kebutuhan sistem pada
STMIK AMIKOM
Purwokerto
1. Model HOT-Fit
(2011)
2. Variabel dependen
dan independen
3. Ruang lingkup
4. Metode analisa data
7. Evaluasi Faktor
Keberhasilan Aplikasi
Pemantauan Pelaksanaan
Program dan Kegiatan
(studi kasus:
BPSDMPK-PMP
Kemendikbud RI)
(Tammubua & Sofyan,
2015).
1. HOT-Fit (2006)
2. Evaluasi faktor –
faktor keberhasilan
aplikasi pemantauan
pelaksanaan program
dan kegiatan
Kemendikbud
3. Kuantitatif
4. Analisis data dengan
PLS SEM
5. SmartPLS 2
Independen:
System Quality,
Information Quality,
Service Quality,
Structure Organization
Dependen:
System Use, User
Satisfaction,
Environment, Net
Benefits
Dapat mengetahui
faktor–faktor yang harus
dibenahi sehingga sistem
dapat berjalan lebih
optimal.
1. Model HOT-Fit
(2011)
2. Variabel dependen
dan independen
3. Ruang lingkup
49
No Penelitian Model, Ruang Lingkup,
Karakteristik, dan Teknik
Analisis
Variabel Hasil Penelitian Perbedaan dengan
Penelitian Ini
8. Faktor–faktor
Pendukung Dalam
Penerapan Sistem Paket
Aplikasi Sekolah Pada
Pendidikan SMA Negeri
di Palembang (Nasir &
Syaputra, 2014)
1. HOT-Fit (2006)
2. Mengetahui tingkat
keberhasilan dari
implementasi PAS
3. Kuantitatif
Independen:
System Quality,
Information Quality,
Service Quality
Dependen:
System Use, User
Satisfaction, Structure,
Environment, Net
Benefits
Dapat diketahui bahwa
variabel human,
organization dan
technology berpengaruh
signifikan terhadap
variabel net benefits
secara bersama–sama
(simultan), dan dapat
mengetahui variabel
yang paling dominan
serta memberikan arahan
variabel yang harus
diperbaiki lagi.
1. Model HOT-Fit
(2011)
2. Variabel dependen
dan independen
3. Ruang lingkup
9. Penerapan Metode HOT-
Fit Dalam Evaluasi
Internal Information
System (IIS) Pada PT
Indaco Cabang
Palembang (Saputra et
al., 2016)
1. HOT-Fit (2006)
2. Evaluasi terhadap IIS
3. Kuantitatif
4. SPPS
Independen:
System Quality,
Information Quality,
Service Quality
Dependen:
System Use, User
Satisfaction, Structure,
Environment, Net
Benefits
Mengrtahui variabel –
variabel yang
berpengaruh terhadap
keberhasilan sistem
1. Model HOT-Fit
(2011)
2. Variabel dependen
dan independen
3. Ruang lingkup
4. Alat analisa
50
Dari studi literatur sejenis yang dipaparkan sebelumnya, terdapat perbedaan dengan penelitian yang dilakukan. Penelitian ini
menambahkan variabel pengembangan sistem (system development) dalam dimensi human yang di penelitian sebelumnya belum
memasukkan variabel system development. Menurut Yusof & Yusuff (2013),variabel system development menjadikan pendekatan
penelitian ini lebih komprehensif untuk evaluasi. Sehingga penulis tertarik untuk melakukan penelitian ini lebih lanjut.
No Penelitian Model, Ruang Lingkup,
Karakteristik, dan Teknik
Analisis
Variabel Hasil Penelitian Perbedaan dengan
Penelitian Ini
10. Evaluasi Faktor – Faktor
Kesuksesan
Implementasi Sistem
Informasi Manajem
Rumah Sakit di PKU
Muhammadiyah Sruweg
dengan Menggunakan
HOT-Fit (Bayu &
Muhimmah, 2013)
1. Hot Fit (2008)
2. Memberikan
penjelasan dan
evaluasi faktor
penerapan sistem
dibidang pelayanan
kesehatan
3. Analisa PLS SEM
Independen:
System Quality,
Information Quality,
Service Quality,
Structure Organization
Dependen:
System Use, User
Satisfaction,
Environment, Net
Benefits
Dapat diketahaui
variabel – variabel yang
mempengaruh
keberhasilan penerapan
SIMRS
1. Model HOT-Fit
(2011)
2. Variabel dependen
dan independen
51
2.8 Rumah Sakit Ibu dan Anak Grand Family
2.8.1 Sejarah RSIA Grand Family
Rumah Sakit Ibu dan Anak (RSIA) Grand Family adalah sebuah rumah
sakit swasta yang secara khusus menyediakan fasilitas dan layanan kesehatan bagi
ibu dan anak, berlokasi di komplek Elang Laut Selatan, Pantai Indah Kapuk,
Jakarta Utara.
RSIA Grand Family dibawah manajemen PT. Family Bahagia Sejahtera
merupakan bentuk pengembangan bisnis dari RSIA Family di kawasan Pluit Mas,
yang telah beroperasi selama 10 tahun dan berhasil menjadi pilihan utama layanan
kesehatan ibu dan anak di wilayah Jakarta Utara dan sekitarnya. RSIA Grand
Family terdiri dari 5 lantai, 91 tempat tidur rawat inap, 20 poliklinik rawat jalan
dan fasilitas penunjang medis yang terdiri dari unit farmasi, laboratorium,
radiologi dan fisioterapi.
RSIA Grand Family menyediakan layanan kesehatan ibu dan anak yang
terintegrasi mulai dari layanan kebidanan dan kandungan serta kesehatan anak
umum hingga layanan sub spesialis, yaitu (paru-paru dan pernapasan), gastro
hepatologi enterologi (pencernaan anak) dan juga unit tumbuh kembang yang
dilengkapi dengan area bermain anak (playground).
2.8.2 Visi RSIA Grand Family
Visi RSIA Grand Family adalah menjadi pusat pelayanan kesehatan yang
terintegrasi bagi wanita dan anak di Indonesia.
52
2.8.3 Misi RSIA Grand Family
Berikut merupakan misi RSIA Grand Family yaitu:
a Menjalankan budaya patient safety (keselamatan pasien) dan pelayanan
yang berfokus pada pasien.
b Menjalankan fungsi pelayanan kesehatan yang terpadu dan professional.
c Menciptakan center of excellent bagi perawatan wanita dan anak dengan
menghadirkan dokter sub spesialis.
2.8.4 Kebijakan RSIA Grand Family
Kebijakan yang terdapat di RSIA Grand Family adalah sebagai berikut:
a. SK atau kebijakan pedoman pelayanan RS
b. UU Kesehatan No.36 tata kelola RS sesuai standar
c. Setiap pasien yang berkunjung dan menggunakan pelayanan RS harus
diterima dengan baik dan mendapat pelayanan aman sesuai standar
keselamatan.
53
2.8.5 SIMRS RSIA Grand Family
SIMRS RSIA Grand Family bermula pada tahun 2014. Fungsi utama dari
SIMRS tersebut adalah untuk menunjang aktivitas pelayanan kesehatan rumah
sakit terhadap pasien. Terdapat beberapa jenis layanan IT yang ditangani oleh
SIMRS RSIA Grand Family, yaitu:
a. Pendaftaran, berisikan menu pendaftaran, perjanjian, polikliknik.
b. Laboratorium, berisikan menu sekitar isi, hasil dan laporan laboratorium.
c. Konsultasi gizi, berisikan pesanan konsultasi, menu makanan dan laporan.
d. Ruang bedah, berisikan pendafataran pasien bedah.
e. Ruang rawat inap, berisikan status hunian dan pasien
f. Warehouse, berisikan transaksi, master data, report dan status stok obat.
g. Depo, berisikan transaksi barang dan status.
h. Report, berisikan laporan harian dan rekap data per bulan dan per tahun.
Pengimplementasian SIMRS menjadi pendukung kelancaran aktivitas
keseluruhan RSIA Grand Family. Dengan adanya SIMRS, RSIA Grand Family
sangatlah terbantu dalam mengelola keseluruhan sistem informasi yang ada di
rumah sakit tersebut. Sistem Informasi Manajemen Rumah Sakit (SIMRS) Grand
Family merupakan aplikasi web-based. menjadi sebuah sistem informasi yang
terintegrasi yang disiapkan untuk menangani keseluruhan proses manajemen
Rumah Sakit dari aktivitas awal proses penerimaan pasien sampai akhir
pembayaran. SIMRS diterapkan dengan tujuan dapat memberikan efektivitas dan
efisiensi dalam segala aktivitas rumah sakit. Di samping itu, SIMRS juga
mendukung visi misi.
54
54
BAB 3
METODE PENELITIAN
3.1 Pendekatan Penelitian
Secara umum, penelitian ini dilakukan dengan menggunakan pendekatan
kuantitatif yang bertujuan untuk mengetahui tingkat keberhasilan Sistem
Informasi Manajemen Rumah Sakit (SIMRS) dan menguji sejumlah hipotesis
terkait hubungan antara tingkat keberhasilan sistem dan faktor-faktor yang
mempengaruhinya. Secara khusus, tahapan penelitian ini juga menerapkan
metode, teknik, dan alat secara kuantitatif seperti yang ditunjukkan oleh prosedur
penelitian.
Peneliti juga melakukan wawancara tidak terstruktur kepada beberapa
responden yang merupakan pengguna SIMRS, hasil dari wawancara tersebut
ditujukan sebagai data tambahan dalam diskusi penelitian ini. Terkait prosedur,
teknik dan alat penelitian dijelaskan dalam sub-bab berikutnya secara detail.
3.2 Waktu Pelaksanaan Penelitian
Berikut merupakan waktu penelitian mulai dari Desember sampai dengan
bulan Juli dan tahapan-tahapan penelitian, yaitu:
55
Tabel 3. 1 Waktu Pelaksanaan Penelitian
No. Tahapan Des Jan Feb Mar Apr Mei Jun Jul
1. Pengumpulan Data
2. Identifikasi dan
Perumusan Masalah
3. Analisa Data Berdasarkan
Model HOT-Fit
5. Interpretasi Hasil
Penelitian
6. Kesimpulan dan Saran
7. Pembuatan Laporan
3.3 Metode Pengumpulan Data
Dalam penelitian ini, metode pengumpulan data yang digunakan adalah
sebagai berikut:
3.3.1 Wawancara
Wawancara ini dilakukan sebagai studi pendahuluan untuk mengumpulkan
data-data yang berkaitan dengan penelitian ini. Wawancara dilakukan kepada
direktur RSIA Grand Family, divisi IT dan beberapa karyawan aktif pengguna
SIMRS. Berikut kesimpulan hasil yang didapat dari wawancara:
1. Peneliti mendapatkan profil RSIA Grand Family.
2. Peneliti mendapatkan informasi terkait sistem berjalan seputar proses
penggunaan SIMRS di RSIA Grand Family.
3. Peneliti mendapatkan informasi awal bagaimana pandangan pengguna
terhadap penerapan SIMRS secara umum.
56
3.3.2 Studi Literatur
Peneliti mengkaji beberapa literatur yang berhubungan dengan penelitian
ini. Diantaranya buku-buku seputar metode penelitian kuantitatif, Human,
Organization and Technology (HOT) Fit, SmartPLS untuk mengolah data.
Selanjutnya peneliti juga membaca artikel terkait keberhasilan sistem, serta
jurnal-jurnal yang membahas penelitian keberhasilan sistem sebelumnya. Studi
literatur ini dilakukan selain sebagai sumber informasi juga sebagai referensi
untuk mengetahui kelebihan dan kekurangan yang terdapat dalam penelitian
sebelumnya.
3.3.3 Kuesioner
Survei dilakukan dengan menyebarkan kuesioner secara langsung.
Kuesioner disebarkan kepada pengguna SIMRS di RSIA Grand Family baik
dokter, perawat, ahli gizi, admin, dll. Kuesioner dibuat dengan tujuan untuk
mengetahui tingkat keberhasilan SIMRS di RSIA Grand Family serta faktor apa
saja yang mempengaruhi tingkat keberhasilan SIMRS dimana daftar pertanyaan
mengacu pada model Human, Organization and Technology (HOT) Fit dan
menggunakan skala Likert untuk skala penilaiannya. Penyebaran kuesioner pada
penelitian ini dilakukan secara langsung dengan bertemu langsung menghampiri
calon responden.
57
3.4 Metode Analisis Data
3.4.1 Model Penelitian
Berdasarkan studi literatur awal yang telah peneliti lakukan, Gambar 3.1
adalah model yang diadopsi dari model penelitian Human, Organization and
Technology (HOT) Fit oleh Yusof (2011), yang terdiri atas 9 variabel yaitu dari
System Development (SD), System Use (SU), User Satisfaction (US), Structure
(STR), Environment (EVR), System Quality (SQ), Information Quality (IQ),
Service Quality (SEQ), dan Net Benefit dengan menambahkan satu relasi antara
variabel Information Quality (IQ) terhadap System Development (SD).
Gambar 3.1 Model Penelitian (Dikembangkan dari Yusof et al., 2011)
58
Model yang diajukan tersebut dikembangkan berdasarkan dari literatur
penelitian sebelumnya. Hal ini merujuk pada penelitian sebelumnya yang
menyebutkan bahwa “Perusahaan yang sudah mempunyai sistem pemrosesan data
terkomputerisasi, ketika akan melakukan pengembangan sistem informasi tersebut
akan menghadapi problema pada aspek fisik dan non fisik. Aspek fisik meliputi
(1) biaya pengembangan, (2) upgrading hardware, dan (3) penciptaan
infrastruktur tertentu. Sementara aspek non fisik meliputi (1) tingkat penerimaan
user, (2) dukungan manajemen, dan (3) kualitas sistem informasi (Widarno,2008).
Maka, melihat keterkaitan antara kualitas informasi dengan pengembangan
sistem, maka peneliti dalam penelitian ini mengadopsi penambahan relasi antara
variabel Information Quality (IQ) terhadap System Development (SD). Berikut
tabel 3.2 menjelaskan mengenai definisi masing-masing variabel:
Tabel 3. 2 Pengertian Variabel HOT-Fit
Variabel Pengertian Referensi
System
Development
Sistem berkolaboratif untuk
memaksimalkan efisiensi dan
akurasi pemantauan proyek.
Yusof et al. (2011)
System Use Ukuran penggunaan nyata sistem
yang menyatakan tingkat
penggunaan.
User Satisfaction Kepuasan pengguna terhadap
sistem yang telah berjalan.
Structure Struktur organisasi yang terbentuk
dalam sistem.
Environment Lingkungan yang berada sekitar
sistem.
System Quality Kualitas sistem informasi yang
berasal dari kinerja sistem.
Information
Quality
Kualitas informasi yang dihasilkan
sistem.
Service Quality Kualitas pelayanan yang diberikan
dalam sistem.
59
3.4.2 Indikator Penelitian
Item yang dipilih untuk indikator dalam penelitian ini diadaptasi dari
penelitian sebelumnya yaitu Yusof dan Yusoff (2013), di mana setiap variabel
memiliki indikator supaya mempermudah dalam analisis berikutnya. Selanjutnya,
peneliti melakukan pengujian pendahuluan (pre-test) terhadap desain awal
kuesioner kepada 30 pengguna SIMRS RSIA Grand Family, tujuannya untuk
memperoleh masukan perbaikan sebelum kuesioner tersebut disebarkan. Hasil
pre-test ini dapat dilihat dibagian lampiran.
Tabel 3.3 Definisi Indikator dari Variabel Eksogen
Variabel Indikator Definisi Kode Ref
Kualitas Sistem
(System Quality)
(SQ)
Data Accuracy Sistem telah memiliki
keakuratan data dan sesuai
kebutuhan
SQ1
Yusof &
Yusuff,
(2013)
User Friendly Sistem memiliki tampilan
yang sederhana dan ringan
untuk kemudahan
penggunanya
SQ2
Ease of Learning Sistem dapat dipelajari
pengguna dengan mudah SQ3
Accessibility Sistem mudah di akses oleh
pengguna SQ4
Integration Adanya saling keterkaitan
antara sub sistem satu dengan
sub sistem yang lainnya
SQ5
Response Time Sistem memiliki waktu
tanggap yang singkat saat
digunakan
SQ6
Kualitas
Informasi
(Information
Quality)
(IQ)
Relevancy Sistem menampilkan
informasi yang relevan bagi
pengguna
IQ1
Yusof &
Yusuff,
(2013)
Usefulness Sistem memiliki informasi
yang sangat berguna bagi
penggunanya
IQ2
Data Conciseness Sistem menampilkan
informasi yang singkat, padat
dan jelas
IQ3
Data Reliability Sistem memberikan informasi
yang terpercaya IQ4
Timeliness Informasi yang diberikan
sistem sudah up to date IQ5
60
Variabel Indikator Definisi Kode Ref
Kualitas
Layanan
(Service Quality)
(SEQ)
Technical
support
Sistem sudah memiliki
layanan dengan dukungan
teknis yang sesuai saat
diperlukan
SEQ1 Yusof &
Yusuff,
(2013) Responsiveness Sistem melayani pengguna
dengan respon yang cepat SEQ2
Assurance Sistem telah memiliki
jaminan perlindungan dalam
mengelola sistem
SEQ3
Tabel 3.4 Definisi Indikator dari Variabel Endogen
Variabel Indikator Definisi Kode Ref
Pengembangan
Sistem (System
Development)
(SD)
Planning Mendefinisikan tujuan dan
ruang lingkup
pengembangan sistem
SD1
Yusof &
Yusuff,
(2013)
Project
Management
Sistem berada dalam
manajemen pengelola
sistem
SD2
Project
Schedulling
Sistem memilki waktu
berskala untuk untuk
dipelihara dan dievaluasi SD3
Relationship with
IT Strategy
Sistem dikembangkan
sesuai dengan strategi TI
SD4
Penggunaan
Sistem (System
Use)
(SU)
Attitude Etika dalam menggunakan
sistem SU1
Yusof &
Yusuff,
(2013)
Training Penggunaan sistem yang
diterapkan berdasarkan
pelatihan maupun buku
panduan
SU2
Skill Penggunaan sistem
dilakukan sesuai dengan
tingkat kemampuan yang
pengguna miliki
SU3
Amount of Use Penggunaan sistem telah
dilakukan secara rutin SU4
Motivation to Use Penggunaan sistem
dilakukan sesuai dengan
motivasi penggunaannya
SU5
System
Acceptance
Penggunaan sistem dapat
diterima dengan mudah oleh
pengguna
SU6
61
Variabel Indikator Definisi Kode Ref
Kepuasan
Pengguna (User
Satisfaction)
(US)
Overall
Satisfaction
Kepuasaan keseluruhan
pengguna terhadap sistem US1
Yusof &
Yusuff,
(2013)
Perceived
Usefulness
Pengguna merasakan
manfaat keberadaan sistem
US2
Satisfaction with
Software
Software pendukung yang
digunakan untuk mengakses
sistem berpengaruh pada
kepuasan yang pengguna
miliki
US3
Struktur
Organisasi
(Organization
Structure) (STR)
Top Management
Support
Sistem memiliki dukungan
dari top manajemen dalam
penerapan sistem
STR1 Yusof &
Yusuff,
(2013) Leadership Sistem telah didukung oleh
sikap kepemimpinan
organisasi secara maksimal
STR2
Struktur
Organisasi
(Organization
Structure) (STR)
Teamwork Sistem didukung oleh
sumber daya manusia yang
saling berkerja sama dalam
penerapannya
STR3
Yusof dan
Yusuff
(2013)
Strategy Sistem memiliki dukungan
strategi organisasi yang baik STR4
Staffing Susunan kepegawaian sudah
baik dalam pengelolaan
sistem
STR5
Staff turnover Sistem dapat menyimpan
dan mengelola pengetahuan
karyawan sehingga
perusahaan tetap berjalan
dengan baik.
STR6
Lingkungan
Organisasi
(Environment)
(EO)
Government Kebijakan pemerintah ada
pada organisasi sudah
berjalan maksimal
EVR1
Yusof &
Yusuff,
(2013)
Politics Penerapan sistem sudah
sesuai dengan kondisi,
kebutuhan dan harapan
lingkungan organisasi
EVR2
Inter-
organizational
system
Kondisi lingkungan internal
organisasi berpengaruh pada
penerimaan sistem
EVR3
Manfaat
(Net Benefits)
(NB)
Job effect Sistem dapat menbatu
melakukan pekerjaan
pengguna
NB1
Yusof &
Yusuff,
(2013) Productivity Meningkatkan produktivitas
pengguna
NB2
62
Variabel Indikator Definisi Kode Ref
Variabel
Manfaat
(Net Benefits)
(NB)
Work Load Sistem dapat mengurangi
beban kerja pengguna
NB3
Yusof &
Yusuff,
(2013)
Effectiveness Sistem efektif dalam
pengunaannya
NB4
Decision Making Sistem membantu membuat
keputusan
NB5
Error Sistem membantu
mengurangi kesalahan
dalam laporan pekerjaan
NB6
Cost Mengurangi anggaran
pengeluaran organisasi
NB7
3.5 Populasi dan Sampel Penelitian
Populasi dalam penelitian ini adalah semua pengguna Sistem Informasi
Manajemen Rumah Sakit (SIMRS) RSIA Grand Family yang terdiri dari
karyawan aktif dari tiap divisi yang berinterkasi dengan sistem. Berdasarkan
wawancara dengan Direktur RSIA Grand Family berjumlah 292 orang sedangkan
yang menggunakan sistem sebesar 120 orang. Jumlah sampel diperoleh dengan
menggunakan teknik Slovin dengan perkiraan tingkat kesalahan sebesar 5%.
Peneliti memilih tingkat kesalahan 5% dengan tingkat keakuratan sebesar 95%
disebabkan oleh pendampingan penyebaran kuesioner yang hanya mendampingi
sebagain besar kepala unit atau sebagian sampel di RSIA Grand Family.
Berikut perhitungan menggunakan Persamaan 2.1:
n =
, dengan d = 5 % = 0.05
n =
= 92, 3 dibulatkan menjadi 92
Dengan mempertimbangkan jumlah populasi, keterbatasan waktu dan
biaya, sejumlah 92 orang pengguna sistem menjadi sampel dalam penelitian ini.
63
Senada dengan pendapat Baley dalam Hamid (2011), bahwa penelitian
menggunakan data statistik memiliki ukuran sampel minimum 30. Maka dengan
total 92 orang sudah memenuhi syarat sampel.
3.6 Instrumen Penelitian
Peneliti melakukan pembuatan kuesioner dengan tujuan untuk mengetahui
tingkat keberhasilan sistem dan faktor-faktor apa saja yang mempengaruhi
keberhasilan SIMRS RSIA Grand Family. Kuesioner terdiri dari enam pertanyaan
mengenai profil responden, 1 pertanyaan mengenai frekuensi penggunaan SIMRS
dan l,dua pertanyaan mengenai penilaian responden terhadap SIMRS RSIA Grand
Family, serta1 pertanyaan pengujian yang telah disesuaikan dengan variabel–
variabel yang ada di model HOT-Fit. Daftar pertanyaan dapat dilihat pada tabel
3.4, selengkapnya format kuesioner dapat dilihat dibagian lampiran.
Peneliti menggunakan skala likert pada kuesioner penelitian ini yang berarti
skala penilaiannya menggunakan lima pilihan jawaban yang terdiri atas sangat
tidak setuju dengan bobot nilai 1, tidak setuju dengan bobot nilai 2, netral (tidak
tahu) dengan bobot nilai 3, setuju dengan bobot nilai 4 dan sangat setuju dengan
bobot nilai 5. Selanjutnya, untuk menjamin validitas dan reliabilitas kuesioner ini,
peneliti mengadopsi sejumlah item indikator dari sejumlah penelitian terkait
sebelumnya. Tabel 3.2 menunjukan indikator dan butir pertanyaan pengujian.
Selanjutnya, peneliti juga melakukan pengujian pendahuluan (pre-test) terhadap
desain awal kuesioner kepada pengalaman dalam menggunakan SIMRS.
64
Tujuannya untuk memperoleh masukan perbaikan sebelum kuesioner tersebut
disebarkan. Hasil pre-test ini dapat dilihat dibagian lampiran.
Tabel 3. 5 Daftar Pertanyaan
Variabel Kode Pertanyaan
Kualitas Sistem
(System Quality)
SQ1 Sistem telah memiliki keakuratan data dan sesuai dengan
kebutuhan saya
SQ2 Sistem memiliki tampilan yang sederhana dan ringan
SQ3 Sistem dapat dipelajari dengah mudah oleh saya
SQ4 Sistem dapat dengan mudah diakses oleh saya
SQ5 Sistem telah menghubungkan sub bagian satu dengan bagian
lainnya
SQ6 Sistem tidak memerlukan waktu yang lama dalam mengakses
informasi yang diinput
Kualitas Informasi
(Information
Quality)
IQ1 Sistem menampilkan informasi yang relevan dengan data yang
diinput
IQ2 Sistem memiliki informasi yang berguna bagi saya
IQ3 Sistem menampilkan informasi yang singkat, padat dan jelas
IQ4 Informasi yang diberikan sistem terpercaya
IQ5 Informasi yang diberikan sistem sudah up to date
Kualitas Layanan
(Service Quality)
SEQ1 Layanan sistem sudah memiliki dukungan teknis sesuai
fungsinya
SEQ2 Sisten merespon dengan cepat
SEQ3 Sistem telah memiliki jaminan perlindungan dalam mengelola
sistem
Pengembangan
Sistem (System
Development)
SD1 Melakukan perencanaan terhadap pengembangan sistem
SD2 Proyek manajemen sangat mendukung pengembangan sistem
SD3 Menentukan waktu dalam proyek pengembangan sistem
SD4 Menerapkan strategi Teknologi Informasi dalam pengembangan
sistem
Penggunaan Sistem
(System Use)
SU1 Perilaku yang baik dapat mempengaruhi kelancaran sistem
SU2 Pelatihan dapat mendukung penggunaan sistem
SU3 Sistem digunakan sesuai dengan pekerjaan saya
SU4 Sistem telah digunakan secara rutin oleh saya
SU5 Sistem berjalan sesuai dengan keinginan dan motivasi yang saya
miliki
SU6 Saya dapat dengan mudah menerima sistem dengan baik
Kepuasan Pengguna
(User Satisfaction)
US1 Saya merasa puas dengan sistem secara keseluruhan
US2 Saya merasakan manfaat dari sistem
US3 Saya puas dengan fungsi yang ada dalam sistem
65
Variabel Kode Pertanyaan
Struktur Organisasi
(Structure
Organization)
STR1 Sistem memiliki dukungan dari top manajemen dalam penerapan
sistem
STR2 Sistem didukung dengan kepemimpinan organisasi secara
maksimal
Struktur Organisasi
(Structure
Organization)
STR3 Sistem didukung oleh sumber daya manusia yang saling berkerja
sama dalam penerapannya
STR4 Penggunaan SIMRS menjadikan strategi organisasi di RSIA
Grand Family menjadi lebih baik
Struktur Organisasi
(Structure
Organization)
STR5 Susunan kepegawaian sudah baik dalam pengelolaan sistem
STR6 Sistem dapat menyimpan dan mengelola pengetahuan karyawan
sehingga perusahaan tetap berjalan dengan baik dalam situasi
apapun
Lingkungan
Organisasi
(Environmet
Organization)
EVR1 Kebijakan pemerintah terdapat pada organisasi
EVR2 Penerapan sistem menjadikan politik organisasi di RSIA Grand
Family menjadi lebih meningkat
EVR3 Kondisi lingkungan internal organisasi berpengaruh pada
penerimaan sistem
Manfaat Bersih (Net
Benefits)
NB1 Penerapan SIMRS dapat membantu melakukan pekerjaan sehari
– hari.
NB2 Sistem dapat meningkatkan produktivitas pekerjaan saya
NB3 Sistem dapat mengurangi beban kerja saya
NB4 Sistem dapat membantu pencapaian tujuan dengan efektif
NB5 Sistem membantu membuat keputusan dalam tiap kondisi
NB6 Sistem membantu saya menurunkan tingkat kesalahan saya
dalam melakukan pekerjaan saya
NB7 Sistem dapat mengurangi biaya pengeluaran menjadi lebih
efisien.
3.7 Pengumpulan Sampel dan Pelaksanaan Kuesioner
Penelitian ini menggunakan metode simple random sampling sistem
memiliki fungsi yang sama bagi semua pengguna, tidak ada perbedaan cara
penggunaan atau fungsi terkait tingkatan status pengguna. Untuk menentukan
jumlah sampel dilakukan berdasarkan kriteria jumlah sampel dengan pendekatan
teknik Solvin dan PLS-SEM, dimana populasi pengguna SIMRS dengan jumlah
pegawai yang menggunakan SIMRS sebanyak 120 orang. Dengan data tersebut
maka jumlah responden 94 yang didapat dalam penelitian ini sudah memenuhi
66
syarat penentuan sampel dengan pendekatan PLS-SEM. Berdasarkan hasil data
kuesioner yang berhasil peneliti dapatkan, rinciannya dapat dilihat di Tabel 3.6.
Tabel 3. 6 Jumlah Kuesioner
Metode penyebaran ∑Valid ∑Tidak
Valid Ket.
Penyebaran secara langsung 94 6 Data tidak lengkap
Total 100
3.8 Analisis Partial Least square Structural Equation Modelling (PLS-SEM)
Data yang diolah merupakan hasil dari penyebaran kuesioner kepada
pengguna SIMRS di RSIA Grand Family yang kemudian dianalisis dengan
pendekatan Partial Last Square. Analisis data menggunakan alat bantu pengujian
dengan software SmartPLS versi 3.0. Berikut Gambar 3.2 merupakan model
HOT-Fit pada PLS-SEM sebelum dianalisis:
Gambar 3.3 Model HOT Fit Menggunakan SmartPLS 3.0
67
Berikut merupakan tahapan analisis model HOT Fit pada PLS-SEM:
3.8.1 Analisis Model Pengukuran (Outer Model)
Analisis dengan menggunakan SmartPLS memiliki dua sub model yaitu
model pengukuran (outer model) dan model struktural (inner model). Model
pengukuran (outer model) bertujuan untuk menilai validitas dan reliabilitas
model, sebagaimana telah dijelaskan di dalam bab 2. Pada outer model terdiri dari
empat tahap pengujian yaitu individual item reliability, internal consistency
reliability, average variance extracted, dan discriminant validity.
3.8.2 Analisis Model Struktural (Inner Model)
Analisis model struktural (inner model) ini bertujuan untuk melihat
hubungan antar variabel laten. Uji inner model terdiri dari enam tahapan
pengujian, yaitu pengujian path coefficient (β), coefficient of determination (R²), t-
test menggunakan metode bootstraping, effect size (f2), predictive relevance ( ),
dan relative impact (q²).
3.9 Tahapan Penelitian
Tahapan penelitian ini terdiri dari lima tahapan secara berurutan. Tahapan
tersebut mencakup pengumpulan data, identifikasi dan perumusan masalah,
analisa HOT-Fit, interpretasi hasil penelitian dan yang terakhir adalah kesimpulan
dan saran. Berikut merupakan kerangka penelitian yang ditunjukkan pada Gambar
3.3.
68
Gambar 3. 4 Tahapan Penelitian
69
BAB 4
HASIL ANALISIS DAN INTERPRETASI
4.1 Hasil Analisis
4.1.1 Hasil Analisis Demografi
Tahap ini dilakukan dengan menganalisis jawaban responden terhadap
pertanyaan yang ada dalam kuesioner, khususnya pertanyaan pada bagian profil
responden dan pertanyaan tentang SIMRS untuk menghasilkan informasi
demografis terkait karakteristik responden, peranan SIMRS, serta status
keberhasilan sistem SIMRS. Data responden yang berhasil diperoleh peneliti
dalam kurun waktu kurang lebih satu bulan (26 Februari 2018 s.d 25 Maret 2018)
adalah sebanyak 94 data. Informasi demografis tersebut meliputi jenis kelamin,
status pekerjaan, unit kerja, peranan sistem, dan status kepuasan pengguna sistem.
Tabel 4.1 menunjukkan statistik informasi demografis.
Tabel 4.1 Statistik Informasi Demografis
Jenis
Kelamin Divisi
Unit
Kerja Usia Frekuensi Peranan
Tingkat
Keberhasilan
Sistem
Valid 94 94 94 94 94 94 94
Missing 0 0 0 0 0 0 0
a. Jenis Kelamin
Gambar 4.1 memperlihatkan bahwa dari 94 data responden yang digunakan
dalam penelitian ini, sebagian besar didominasi oleh responden dengan jenis
70
kelamin perempuan, yaitu sebanyak 77 orang (81.91 %) dan sisanya berasal dari
responden laki-laki, itu sebanyak 17 orang (18.09 %).
Tabel 4.2 Statistik Informasi Jenis Kelamin Responden
Jenis Kelamin Frequency Percent Valid
Percent
L 17 18.09 18.09
P 77 81.91 81.91
Total 94 100.0 100.0
b. Divisi
Dari Gambar 4.2 diketahui bahwa mayoritas responden berasal dari medis,
yaitu sebanyak 48 orang (51.06 %) dan sisanya sebanyak 46 orang (48.94 %)
berasal dari non medis.
Tabel 4. 3 Statistik Informasi Divisi Responden
Divisi Frequency Percent Valid Percent
Medis 48 51.06 51.06
Non Medis 46 48.94 48.94
Total 94 100.0 100.0
Gambar 4.1 Diagram Lingkaran Jenis Kelamin Responden
71
Gambar 4.2 Diagram Lingkaran Divisi Responden
c. Unit Kerja
Dari Gambar 4.3 dapat diketahui bahwa pada penelitian ini jumlah
responden terbanyak berasal dari farmasi, yaitu sebanyak 23 orang (24.47%) dan
selanjutnya disusul dengan responden administrasi, yaitu sebanyak 19 orang
(20.21%). Jumlah responden yang paling sedikit berasal dari Diklat Umum, IT
dan Mutu yang masing-masing sebanyak 1 orang saja (1.06 %).
Tabel 4.4 Statistik Informasi Unit Kerja Responden
Unit Kerja Freuency Percent Valid Percent
Administrasi 19 20.21 20.21
Bidan 5 5.32 5.32
Diklat Umum 1 1.06 1.06
Dokter 6 6.38 6.38
Farmasi 23 24.47 24.47
Finance Accounting 5 5.32 5.32
IT 1 1.06 1.06
Kasir 12 12.7 12.7
Marketing 4 4.26 4.26
Mutu 1 1.06 1.06
Perawat 13 13.83 13.83
Sekretariat 2 2.13 2.13
Umum 2 2.13 2.13
Total 94 100.0 100.0
72
Gambar 4.3 Diagram Lingkaran Unit Kerja Responden
d. Usia
Dari Gambar 4.4 dapat diketahui bahwa pada penelitian ini jumlah
responden terbanyak berasal dari usia 21-30 tahun yaitu sebanyak 60 orang
(63.83%), diikuti usia 30-40 tahun sebanyak 26 orang(27.66%) dan responden
paling sedikit berasal dari responden yang memiliki usia >40 tahun yaitu 1 orang
saja (1.06%).
Tabel 4. 5 Statistik Informasi Usia Responden
Usia Freuency Percent Valid Percent
<20 7 7.45 7.45
>40 1 1.06 1.06
30-40 26 63.83 63.83
30-40 26 27.66 27.66
Total 94 100.0 100.0
73
Gambar 4.4 Diagram Lingkaran Usia Responden
e. Frekuensi Penggunaan
Dari Gambar 4.5 bahwa pada penelitian ini jumlah responden terbanyak
berasal dari frekuensi > 15 kali yaitu sebanyak 68 orang (72.34%) dan responden
paling sedikit berasal dari responden yang memiliki frekuensi penggunaan 10 s.d
15 kali yaitu sebanyak 6 orang (6.38%).
Tabel 4.6 Statistik Informasi Frekuensi Penggunaan Responden
Frekuensi
Penggunaan Frecuency Percent Valid Percent
<5 11 11.70 11.70
>15 68 72.34 72.34
10 s.d 15 6 6.38 6.38
5 s.d 10 9 9.57 9.57
Total 94 100.0 100.0
Gambar 4.5 Diagram Lingkaran Frekuensi Penggunaan Sistem
74
f. Peranan Sistem
Gambar 4.6 memperlihatkan bahwa sebanyak 52 responden (55.32%) pada
penelitian ini merasa terbantu dengan adanya sistem dan 26 responden (27.66%)
diantaranya mengatakan sistem cukup membantu dalam menyelesaikan pekerjaan
atau tugas mereka. Hanya 2 responden (2.13%) yang mengatakan bahwa sistem
kurang membantu dalam menyelesaikan pekerjaan atau tugas mereka.
Tabel 4.7 Statistik Informasi Peranan Sistem Menurut Responden
Peranan Sistem Freuency Percent Valid Percent
Cukup Membantu 26 27.66 27.66
Kurang Membantu 2 2.13 2.13
Membantu 52 55.32 55.32
Sangat Membantu 14 14.89 14.89
Total 94 100.0 100.0
g. Status Keberhasilan Sistem
Berdasarkan Gambar 4.7 diketahui bahwa sebagian besar responden
menyatakan status keberhasilan sistem baik, yaitu sebanyak 81 orang (86.17%).
Gambar 4.6 Diagram Lingkaran Peranan Sistem
75
Sebanyak 12 responden (12.77%) bahkan merasa sistem sangat baik. Lalu,
sebanyak 1 responden (1.06%) merasa sistem kurang baik.
Tabel 4.8 Statistik Informasi Keberhasilan SIMRS RSIA Grand Family
Keberhasilan Sistem Frecuency Percent Valid Percent
Baik 81 86.17 86.17
Kurang Baik 1 1.06 1.06
Sangat Baik 12 12.77 12.77
Total 94 100.0 100.0
4.1.2 Hasil Analisis Pengukuran Model
Analisis pengukuran model (measurement model) dilakukan pada tahap ini
dimana analisis pengukuran model ini terdiri atas empat tahap pengujian. Empat
tahap pengujian itu terdiri dari individual item reliability, internal consistency
reliability, average variance extracted, dan discriminant validity. Berikut hasil
analisis pengukuran model dijelaskan dalam empat tahap:
a. Individual Item Reliability
Uji Individual Item Reability dilakukan dengan melihat standardized
loading factor yang menggambarkan besarnya korelasi antara setiap item
Gambar 4.7 Diagram Lingkaran Status Keberhasilan Sistem
76
pengukuran (indikator) dengan konstruknya dengan melihat nilai loading factor.
Nilai loading factor diatas 0.7 dapat dikatakan baik, artinya bahwa indikator
tersebut dikatakan valid sebagai indikator yang mengukur konstruk (Yamin &
Kurniawan, 2011; Fitriani, 2016). Mengacu pada standar nilai loading factor,
setelah melalui pengujian pada SmartPLS 3.0, dengan hasil pada Tabel 4.9,
dilakukan penghapusan pada lima indikator yang memiliki loading factor di
bawah 0,7 yaitu IQ5, SU5, SU6, NB6, NB7 karena setelah penghapusan keempat
indikator tersebut setelah diuji kembali menggunakan SmartPLS 3.0, seluruh
loading factor sudah memenuhi syarat >0,7.
Tabel 4.9 Hasil Awal Uji Loading Factor dengan SmartPLS 3.0
Indikator EVR IQ NB SD SEQ SQ STR SU US
EVR1 0.881
EVR2 0.950
EVR3 0.917
IQ1 0.745
IQ2 0.767
IQ3 0.779
IQ4 0.780
IQ5 0.415
NB1 0.706
NB2 0.762
NB3 0.711
NB4 0.804
NB5 0.722
NB6 0.395
NB7 0.356
SD1 0.863
SD2 0.917
SD3 0.877
SD4 0.849
SEQ1 0.912
77
SEQ2 0.905
SEQ3 0.868
SQ1 0.823
SQ2 0.771
SQ3 0.805
SQ4 0.764
SQ5 0.754
SQ6 0.730
STR1 0.758
STR2 0.803
STR3 0.820
STR4 0.759
STR5 0.771
STR6 0.818
SU1 0.895
SU2 0.905
SU3 0.934
SU4 0.904
SU5 0.386
SU6 0.293
US1 0.840
US2 0.819
US3 0.878
Tabel 4.10 menunjukan hasil uji loading factor setelah penghapusan lima
indikator yang telah dijelaskan sebelumnya. Semua nilai outer loading di atas 0.7
sehingga hasil uji loading factor sudah valid dan dapat dilanjutkan untuk
pengujian selanjutnya.
Tabel 4.10 Hasil Uji Loading Factor dengan SmartPLS 3.0 Setelah Penghapusan
Indikator EVR IQ NB SD SEQ SQ STR SU US
EVR1 0.881
EVR2 0.950
EVR3 0.918
IQ1 0.741
IQ2 0.776
78
IQ3 0.799
IQ4 0.791
IQ5*
NB1 0.721
NB2 0.770
NB3 0.714
NB4 0.811
NB5 0.734
NB6*
NB7*
SD1 0.861
SD2 0.915
SD3 0.881
SD4 0.849
SEQ1 0.912
SEQ2 0.905
SEQ3 0.868
SQ1 0.824
SQ2 0.770
SQ3 0.804
SQ4 0.763
SQ5 0.755
SQ6 0.731
STR1 0.760
STR2 0.806
STR3 0.819
STR4 0.762
STR5 0.768
STR6 0.817
SU1 0.900
SU2 0.913
SU3 0.946
SU4 0.909
SU5*
SU6*
US1 0.840
US2 0.819
US3 0.879
79
Keterangan:
* : Dihapus
b. Internal Consistency Reliability
Pengujian ini dilakukan dengan melihat hasil nilai composite reliability
(CR) dengan batas ambang di atas 0.7. Hasilnya dapat dilihat pada Tabel 4.11
bahwa nilai CR dari semua variabel di atas 0.7 sehingga memenuhi syarat dan
valid untuk digunakan dalam model penelitian ini.
Tabel 4.11 Hasil Uji Composite Reliability dengan SmartPLS 3.0
Variabel Composite Reliability
Environment Organization 0.940
Information Quality 0.859
Net Benefits 0.866
System Development 0.930
Service Quality 0.924
System Quality 0.900
Structure Organization 0.908
System Use 0.955
User Satisfaction 0.883
c. Average Variance Extracted (AVE)
Pengujian convergent validity selanjutnya dilakukan dengan melihat nilai
average variance extracted (AVE), dimana nilai AVE menggambarkan besaran
varian atau keragaman variabel manifes (indikator) yang dapat dikandung oleh
variabel laten (konstruk). Nilai AVE minimal 0.5 menunjukkan ukuran
80
convergent validity yang baik. Artinya, variabel laten (konstruk) dapat
menjelaskan rata-rata lebih dari setengah variance dari indikator-indikatornya.
Tabel 4.12 Hasil Average Variance Extracted dengan SmartPLS 3.0
Variabel Average Variance
Extracted (AVE)
Environment Organization 0.840
Information Quality 0.604
Net Benefits 0.564
System Development 0.769
Service Quality 0.801
System Quality 0.601
Structure Organization 0.622
System Use 0.842
User Satisfaction 0.716
Hasilnya nilai AVE pada penelitian ini dapat dilihat pada Tabel 4.12 yang
menunjukan bahwa nilai AVE setiap variabel sudah di atas 0,5 sehingga
memenuhi syarat dan tidak ada masalah dalam uji nilai AVE.
d. Discriminant Validity
Pengujian ini dapat dilakukan melalui dua cara yaitu dengan memeriksa
cross loading, pertama dilakukan dengan membandingkan korelasi indikator
dengan konstruknya dan konstruk blok lainnya. Bila korelasi antara indikator
dengan konstruknya lebih tinggi dari korelasi dengan konstruk blok lainnya, hal
ini menunjukkan konstruk tersebut memprediksi ukuran pada blok mereka lebih
baik dari blok lainnya. Selanjutnya dengan memeriksa cross loading.
Fornell-Lacker’s yaitu dengan membandingkannya dengan nilai akar AVE,
dimana nilai akar AVE harus ebih tinggi daripada korelasi antara konstruk
81
dengan konstruk lainnya. Hasilnya dapat dilihat pada Tabel 4.13 yang telah
menunjukkan bahwa nilai cross loading indikator yang diberi blok kuning pada
setiap variabel memiliki nilai lebih tinggi dari korelasi dengan konstruk blok
lainnya.
Tabel 4.13 Hasil Uji Discriminant Validity (Cross Loading) dengan SmartPLS 3.0
Indika
tor
EVR IQ NB SD SEQ SQ STR SU US
EVR1 0.881 0.043 0.393 0.012 0.222 0.264 0.364 0.236 0.239
EVR2 0.950 0.140 0.460 0.036 0.197 0.337 0.376 0.256 0.303
EVR3 0.918 0.204 0.467 0.167 0.311 0.318 0.427 0.330 0.425
IQ1 0.091 0.741 -0.122 0.646 0.374 0.363 -0.062 0.446 0.344
IQ2 -0.003 0.776 0.033 0.708 0.358 0.394 0.149 0.456 0.443
IQ3 0.238 0.799 0.242 0.542 0.460 0.538 0.271 0.606 0.525
IQ4 0.123 0.791 0.052 0.412 0.417 0.402 0.024 0.529 0.378
NB1 0.404 -0.044 0.721 -0.015 0.023 0.048 0.426 0.145 0.151
NB2 0.430 0.090 0.770 0.123 0.129 0.102 0.392 0.260 0.254
NB3 0.314 0.122 0.714 0.020 0.224 0.048 0.384 0.305 0.295
NB4 0.370 0.087 0.811 -0.013 0.274 0.047 0.580 0.332 0.313
NB5 0.299 0.018 0.734 -0.081 0.149 0.092 0.468 0.203 0.155
SD1 0.033 0.616 -0.078 0.861 0.370 0.385 0.056 0.316 0.314
SD2 0.076 0.682 -0.011 0.915 0.455 0.546 0.166 0.433 0.449
SD3 0.067 0.660 0.006 0.881 0.626 0.495 0.188 0.527 0.503
SD4 0.109 0.672 0.092 0.849 0.467 0.514 0.103 0.465 0.387
SEQ1 0.308 0.514 0.245 0.481 0.912 0.481 0.292 0.705 0.562
SEQ2 0.192 0.452 0.181 0.569 0.905 0.502 0.254 0.660 0.481
SEQ3 0.214 0.419 0.158 0.421 0.868 0.314 0.137 0.616 0.427
SQ1 0.377 0.515 0.212 0.479 0.484 0.824 0.378 0.457 0.517
SQ2 0.255 0.388 0.036 0.458 0.443 0.770 0.290 0.384 0.443
SQ3 0.217 0.360 -0.064 0.461 0.338 0.804 0.102 0.260 0.353
SQ4 0.166 0.439 -0.053 0.512 0.334 0.763 0.098 0.312 0.304
SQ5 0.118 0.368 -0.060 0.371 0.249 0.755 0.128 0.327 0.400
SQ6 0.356 0.454 0.237 0.322 0.376 0.731 0.310 0.521 0.656
STR1 0.329 -0.009 0.460 0.084 0.270 0.147 0.760 0.296 0.349
82
STR2 0.250 0.005 0.445 0.007 0.198 0.147 0.806 0.317 0.383
STR3 0.342 0.198 0.505 0.257 0.216 0.270 0.819 0.216 0.302
STR4 0.255 -0.026 0.541 -0.042 0.064 0.111 0.762 0.179 0.242
STR5 0.410 0.276 0.471 0.246 0.289 0.394 0.768 0.298 0.441
STR6 0.403 0.149 0.460 0.112 0.173 0.310 0.817 0.185 0.383
SU1 0.392 0.645 0.341 0.520 0.727 0.506 0.298 0.900 0.668
SU2 0.245 0.572 0.308 0.397 0.614 0.402 0.269 0.913 0.612
SU3 0.247 0.628 0.268 0.501 0.725 0.524 0.293 0.946 0.662
SU4 0.211 0.558 0.312 0.407 0.637 0.398 0.294 0.909 0.725
US1 0.281 0.483 0.395 0.456 0.515 0.406 0.484 0.670 0.840
US2 0.273 0.443 0.181 0.453 0.408 0.542 0.257 0.527 0.819
US3 0.350 0.468 0.204 0.303 0.468 0.570 0.373 0.639 0.879
Tabel 4.14 Hasil Uji Discriminant Validity (Cross Loading Fornell- Lacker’s)
dengan SmartPLS 3.0
Variabel EVR IQ NB SD SEQ SQ STR SU US
EVR 0.917
IQ 0.146 0.777
NB 0.482 0.073 0.751
SD 0.082 0.751 0.005 0.877
SEQ 0.268 0.518 0.220 0.551 0.895
SQ 0.336 0.550 0.088 0.556 0.490 0.775
STR 0.426 0.134 0.609 0.149 0.260 0.300 0.789
SU 0.302 0.657 0.335 0.500 0.740 0.502 0.315 0.917
US 0.357 0.550 0.314 0.475 0.551 0.594 0.446 0.728 0.846
Tabel 4.14 menunjukan bahwa nilai akar AVE lebih tinggi daripada korelasi
antara konstruk dengan konstruk lainnya. Sehingga berdasarkan hasil pemeriksaan
dua tahap cross loading diketahui bahwa tidak ada masalah dalam uji
discriminant validity.
Berikut Gambar 4.18 menunjukan hasil analisis setelah melalui analisis
outer model. Berdasarkan empat tahap yang telah dilakukan pada analisis
pengukuran model (outer model) sebelumnya, dapat diketahui bahwa model yang
diajukan dalam penelitian ini sudah memiliki karakteristik yang baik secara
statistik, sesuai dengan syarat pada masing-masing tahapan yang ada pada
83
pengukuran model (individual item reliability, internal consistency reliability,
average variance extracted, dan discriminant validity). Sehingga dapat diambil
kesimpulan dari hasil analisis pengukuran model bahwa model tersebut memenuhi
syarat untuk dilanjutkan ke tahap pengujian model struktural (inner model).
Gambar 4.8 Hasil Analisis Outer Model dengan SmartPLS 3.0
4.1.3 Hasil Analisis Model Struktural (Inner Model)
Pada tahap analisis model struktural ini dilakukan enam tahap pengujian,
yang terdiri dari pengujian path coefficient (β), coefficient of determination (R²), t-
test menggunakan metode bootstraping, effect size (f2), predictive relevance ( ),
dan relative impact (q²)
84
a. Uji Path Coefficient (β)
Pengujian ini dilakukan dengan melihat nilai ambang batas yaitu di atas 0,1,
dimana jalur (path) dapat dinyatakan memiliki pengaruh dalam model jika hasil
nilai uji path coefficient berada di atas 0.1. Hasilnya dari 18 jalur yang ada pada
model penelitian ini, terdapat 4 jalur yang tidak signifikan, dan dapat dilihat pada
Tabel 4.15 hasil nilai uji path coefficient semuanya memiliki nilai di atas 0.1.
Tabel 4.15 Hasil Uji Path Coefficient
Hubungan antar Variabel
(Dependen → Independen) β
STR → EVR 0.426
EVR → NB 0.242
SD → NB -0.173
STR → NB 0.495
SU → NB 0.273
US → NB -0.110
IQ → SD 0.662
SEQ → SD 0.309
SQ → SD 0.163
SU → SD -0.245
SEQ → STR 0.260
IQ → SU 0.266
SEQ → SU 0.425
SQ → SU -0.091
US → SU 0.401
IQ → US 0.224
SEQ → US 0.269
SQ → US 0.338
85
b. Uji Coefficient of Determination (R-Square)
Pengujian ini dilakukan untuk menjelaskan varian dari tiap target variabel
endogen (variabel yang dianggap dipengaruhi oleh variabel lain dalam model)
dengan standar pengukuran sekitar 0.670 dinyatakan sebagai kuat, sekitar 0.333
dinyatakan sebagai moderat, dan 0.190 atau di bawahnya menunjukkan tingkat
varian yang lemah.
Tabel 4.16 Hasil Uji Coefficient of Determination (R-Square)
Variabel Endogen R2
Environment Organization (EVR) 0.181
Net Benefit (NB) 0.475
System Development (SD) 0.635
Structure Organization (STR) 0.068
System Use (SU) 0.735
User Satisfaction (US) 0.473
Melalui Tabel 4.16 dapat dilihat hasil uji coefficient of determination,
dimana R2
dari Environment Organization memiliki nilai 0.181, Net Benefit
memiliki nilai 0.475, System Development memiliki nilai 0.635, Structure
Organization 0.068, System Use 0.735 dan User Satifaction 0.473. Tabel
menunjukkan bahwa R2
dari STR adalah varian terlemah dengan nilai 0.068 yang
dapat diartikan bahwa variabel eksogen SEQ secara lemah (6.8 %) varian dari
STR. Selanjutnya diikuti dengan EVR yang juga masuk tingkat varian lemah
dengan nilai 0.181 yang dapat diartikan bahwa STR secara lemah (18.1 %) varian
dari EVR. Sedangkan NB, SD, SU, US menunjukkan varian moderat.
86
c. Uji T-test
Pada pengujian t-test ini dilakukan dengan menggunakan metode
bootstrapping pada SmartPLS 3.0, menggunakan uji two-tailed dengan tingkat
signifikansi 5% untuk menguji hipotesis-hipotesis penelitian. Pada tingkat
signifikansi 5% hipotesis akan diterima jika memiliki t-test lebih besar dari 1.96.
Melalui Tabel 4.9 dapat dilihat hasil uji t-test, dimana hasilnya terdapat 4 jalur
dibawah 1.96 sehingga menyatakan bahwa keempat hipotesis pada penelitian ini
ditolak. Tabel 4.17 menunjukkan bahwa ada 4 dari 18 hipotesis ditolak dan
sisanya diterima.
Tabel 4.17 Hasil Uji T-test dengan SmartPLS 3.0
Hubungan antar Variabel
(Dependen → Independen) t-test
EVR -> NB 2.638
IQ -> SD 6.489
IQ -> SU 2.770
IQ -> US 2.142
SD -> NB 1.892
SEQ -> SD 2.807
SEQ -> STR 2.080
SEQ -> SU 4.202
SEQ -> US 2.127
SQ -> SD 2.072
SQ -> SU 1.303
SQ -> US 3.402
STR -> EVR 3.941
STR -> NB 4.510
SU -> NB 2.241
SU -> SD 1.885
US -> NB 0.875
US -> SU 3.770
87
d. Effect Size (f2)
Pengujian ini dilakukan untuk memprediksi pengaruh variabel tertentu
terhadap variabel lainnya dalam struktur model dengan nilai ambang batas sekitar
0,02 untuk pengaruh kecil, 0,15 untuk menengah, dan 0,35 untuk pengaruh besar.
Seperti yang dapat dilihat pada Tabel 4.18, hasil dari pengujian f2 terhadap
18 jalur yang ada pada penelitian ini. SEQ SU memiliki pengaruh yang besar
dan 2 jalur lainnya memiliki pengaruh yang kecil.
Tabel 4.18 Hasil Uji Effect Size dengan SmartPLS 3.0
EVR IQ NB SD SEQ SQ STR SU US
EVR 0.086
IQ 0.605 0.156 0.059
NB
SD 0.041
SEQ 0.114 0.072 0.421 0.093
SQ 0.047 0.018 0.139
STR 0.221 0.335
SU 0.062 0.057
US 0.009 0.320
e. Predictive Relevance ( )
Pengujian ini dilakukan dengan metode blindfolding untuk memberikan
bukti bahwa variabel tertentu yang digunakan dalam model mempunyai
keterkaitan prediktif (predictive relevance) dengan variabel lainnya dalam model
88
dengan ambang batas pengukuran di atas nol (Hair et al., 2012). Tabel 4.19
menunjukan bahwa dari semua variabel memiliki keterkaitan prediktif.
Tabel 4. 19 Hasil Uji Predictive Relevance dengan SmartPLS 3.0
Variabel Endogen Q²
EVR 0.134
NB 0.220
SD 0.447
STR 0.029
SU 0.561
US 0.299
f. Relative Impact ( )
Pengujian ini dilakukan dengan metode blindfolding untuk mengukur relatif
pengaruh dari sebuah keterkaitan prediktif suatu variabel tertentu dengan variabel
lainnya dengan nilai ambang batas sekitar 0.02 untuk pengaruh kecil, 0.15 untuk
pengaruh menengah/sedang, dan 0.35 untuk pengaruh besar (Hair et al., 2012).
Seperti yang dapat dilihat pada Tabel 4.20, hasil dari pengujian q² terhadap 18
jalur pada penelitian ini menunjukan bahwa 5 jalur memiliki pengaruh menengah
/sedang dan sisanya memiliki pengaruh kecil.
Tabel 4.20 Hasil Uji Relative Impact dengan SmartPLS 3.0
No Jalur
q2 Analisis
Q2-in Q
2-ex ∑ q
2 q
2
H1 SQ → SD 0.447 0.437 0.180 Menengah
H2 SQ → SU 0.561 0.561 0 Kecil
89
H3 SQ → US 0.299 0.251 0.068 Kecil
H4 IQ → SD 0.447 0.291 0.282 Menengah
H5 IQ → SU 0.561 0.528 0.075 Kecil
H6 IQ → US 0.299 0.285 0.019 Kecil
H7 SEQ →SD 0.447 0.419 0.050 Kecil
H8 SEQ → SU 0.561 0.479 0.186 Menengah
H9 SEQ → US 0.299 0.272 0.038 Kecil
H10 SEQ → STR 0.029 0 0.029 Kecil
H11 SU → SD 0.447 0.444 0.005 Kecil
H12 US → SU 0.561 0.493 0.154 Menengah
H13 STR → EVR 0.134 0 0.154 Menengah
H14 SD → NB 0.220 0.212 0.010 Kecil
H15 SU → NB 0.220 0.204 0.020 Kecil
H16 US → NB 0.220 0.221 -0.001 Kecil
H17 STR → NB 0.220 0.140 0.102 Kecil
H18 EVR → NB 0.220 0.199 0.026 Kecil
Tabel 4.20 menunjukkan hasil bahwa dari 18 jalur terdapat 5 jalur yang
mempunyai nilai di atas 0,15 yang berarti memiliki pengaruh
menengah/sedang yaitu SQ → SD, IQ → SD, SEQ → SU, US → SU, dan STR
→ EVR. Dan sisanya, terdapat 13 jalur yang memiliki pengaruh kecil.
90
Tabel 4. 21 Ringkasan Hasil Analisis Struktural Model
No
Jalur β t-test R2
∑ f2
q2
Analisis
Q2-in Q
2-ex ∑ q
2 β t-test R
2 f
2 Q
2 q
2
H1 SQ → SD 0.163 2.072 0.635 0.047 0.447 0.437 0.180 Sign Diterima M K
Predictive
Relevance m
H2 SQ → SU -0.091 1.303 0.735 0.018 0.561 0.561 0 Insign Ditolak K K
Predictive
Relevance k
H3 SQ → US 0.338 3.402 0.473 0.139 0.299 0.251 0.068 Sign Diterima M K
Predictive
Relevance k
H4 IQ → SD 0.662 6.489 0.635 0.605 0.447 0.291 0.282 Sign Diterima M B
Predictive
Relevance m
H5 IQ → SU 0.266 2.770 0.735 0.156 0.561 0.528 0.075 Sign Diterima K M
Predictive
Relevance k
H6 IQ → US 0.224 2.142 0.473 0.059 0.299 0.285 0.019 Sign Diterima M K
Predictive
Relevance k
H7 SEQ →SD 0.309 2.807 0.635 0.114 0.447 0.419 0.050 Sign Diterima M K
Predictive
Relevance
K
H8 SEQ → SU 0.425 4.202 0.735 0.421 0.561 0.479 0.186 Sign Diterima K B
Predictive
Relevance m
H9 SEQ → US 0.269 2.127 0.473 0.093 0.299 0.272 0.038 Sign Diterima M K
Predictive
Relevance k
H10 SEQ → STR 0.260 2.080 0.068 0.072 0.029 0 0.029 Sign Diterima L K
Predictive
Relevance k
H11 SU → SD -0.245 1.885 0.635 0.057 0.447 0.444 0.005 Insign Ditolak M K
Predictive
Relevance k
91
No
Jalur β t-test R2
∑ f2
q2
Analisis
Q2-in Q
2-ex ∑ q
2 β t-test R
2 f
2 Q
2 q
2
H12 US → SU 0.401 3.770 0.735 0.320 0.561 0.493 0.154 Sign Diterima K M
Predictive
Relevance m
H13 STR → EVR 0.426 3.941 0.181 0.221 0.134 0 0.154 Sign Diterima L M
Predictive
Relevance m
H14 SD → NB -0.173 1.892 0.475 0.041 0.220 0.212 0.010 Insign Ditolak M K
Predictive
Relevance k
H15 SU → NB 0.273 2.241 0.475 0.062 0.220 0.204 0.020 Sign Diterima M K
Predictive
Relevance k
H16 US → NB -0.110 0.875 0.475 0.009 0.220 0.221 -0.001 Insign Ditolak M K
Predictive
Relevance k
H17 STR → NB 0.495 4.510 0.475 0.335 0.220 0.140 0.102 Sign Diterima M M
Predictive
Relevance k
H18 EVR → NB 0.242 2.638 0.475 0.086 0.220 0.199 0.026 Sign Diterima M K
Predictive
Relevance k
Keterangan:
Sign : Signifikan K : Kuat L : Lemah m : Menengah
Insign : Insignifikan M : Moderat b : Besar k : Kecil
92
4.2 Interpretasi dan Diskusi Hasil Analisis
4.2.1 Interpretasi dan Diskusi Hasil Analisi Data Demografis
Berdasarkan hasil analisis informasi demografis profil responden, peneliti
melakukan interpretasi dan mendiskusikan hasil analisisnya yaitu sebagai berikut :
a. Jenis Kelamin
Seperti yang dapat ditunjukkan pada Gambar 4.1 tentang jenis kelamin
responden, dapat diketahui bahwa responden pada penelitian ini didominasi oleh
jenis kelamin perempuan, yaitu sebanyak 77 orang (81.91%) dan sisanya berasal
dari responden laki-laki, yaitu sebanyak 17 orang (18.09%). Hal ini sesuai dengan
data jumlah pengguna SIMRS RSIA Grand Family perempuan sebanyak 84 orang
dan laki-laki sebanyak 36 orang .
b. Divisi
Berdasarkan Gambar 4.3 yang ada pada sub bab hasil analisis demografis
diatas, dapat diketahui bahwa responden pada penelitian ini sebagian besar berada
pada divisi medis sebesar 48 responden (51.06%), diikuti dengan divisi non medis
sebesar 46 orang (48.94%). Hal ini disebabkan karena mayoritas pengguna SIMRS
adalah dari dari medis sebesar 75 orang dan non medis 45 orang.
c. Unit Kerja
Seperti yang dapat dilihat pada Gambar 4.4 tentang unit kerja responden,
diketahui bahwa jumlah responden terbanyak berasal dari farmasi yaitu sebanyak
23 orang (24.47%), diikuti dengan responden dari administrasi sebanyak 19 orang
(20.21%), perawat sebanyak 13 orang (13.83%), kasir sebanyak 12 orang (12.77%),
dokter 6 orang (6.38% ), finance accounting sebanyak 5 orang dan bidan sebanyak
93
5 orang (5.32%), dan marketing sebanyak 4 orang (4.26%), Sekretariat dan Umum
sebanyak 2 orang (2.13 %). Hal ini sesuai dengan data yang menunjukkan bahwa
pengguna SIMRS dominan pada divisi medis.
d. Usia
Berdasarkan Gambar 4.3 yang ada pada sub bab hasil analisis demografis
diatas, dapat diketahui bahwa responden pada penelitian ini sebagian besar berada
pada rentang usia 21-30 tahun sebanyak 60responden (63.83%), diikuti rentang usia
31-40 tahun sebanyak 26 responden (27.66%), dilanjutkan rentang usia kurang dari
20 tahun sebanyak 7 orang (7.45%) dan 1 orang responden dengan rentang usia
lebih dari 40 tahun (1.06%). Hal ini disebabkan karena mayoritas pengguna SIMRS
adalah pegawai fresh graduate.
e. Frekuensi Penggunaan
Dari Gambar 4.5 dapat dilihat bahwa dalam penelitian ini penggunaan
SIMRS sudah mencapai frekuensi penggunaan lebih dari 15 kali dengan responden
sebanyak 68 orang (72.34%), diikuti dengan frekuensi kurang dari 5 kali sebanyak
11 orang (11.70%), 5 sampai dengan 10 kali dengan responden sebanyak 9 orang
(9.57%), 10 sampai dengan 15 kali sebanyak 6 orang (6.38%). Hal ini sesuai
dengan aktivitas penggunaan SIMRS bahwa tiap aktivitas rumah sakit RSIA Grand
Family melibatkan SIMRS.
f. Peranan Sistem
Seperti yang dapat dilihat pada Gambar 4.4 tentang peranan sistem bagi
responden diketahui bahwa lebih dari setengah jumlah responden merasa terbantu
oleh sistem yaitu sebanyak 52 orang (55.32%). Hal ini sesuai dengan tujuan
94
diterapkannya sistem yaitu untuk memudahkan keperluan aktivitas rumah sakit dan
memudahkan pekerjaan pegawai RSIA Grand Family.
g. Status Keberhasilan Sistem
Seperti yang dapat dilihat pada Gambar 4.5 tentang status keberhasilan sistem
dapat diketahui bahwa hampir dari seluruh responden yaitu sekitar 98.94%
responden menilai status keberhasilan sistem baik dan 1.06 % menilai sistem
kurang baik. Peneliti beranggapan bahwa hal ini mungkin terjadi disebabkan oleh
adanya kesenjangan/gap antara harapan pengguna dengan kenyataan yang ada.
Tingkat harapan pengguna yang cukup tinggi terhadap sistem, sehingga walaupun
banyak pengguna yang merasa terbantu dengan sistem, banyak juga pengguna
masih menilai sistem kurang baik. Hasil ini juga menjelaskan tentang status
keberhasilan sistem terhadap SIMRS RSIA Grand Family dari persepsi pengguna
akhirnya (karyawan) pada saat ini, sesuai dengan tujuan dan sasaran penelitian yang
tercantum dalam Bab 1.
4.2.2 Interpretasi dan Diskusi Hasil Pengukuran Model
Berdasarkan hasil analisis model pengukuran, ada dua poin penting yang
harus diperhatikan yaitu sebagai berikut:
a. Hasil akhir dari analisis telah menunjukan bahwa pengukuran model dari
model penelitian ini telah memenuhi syarat dan memiliki karakteristik yang
baik sehingga layak untuk dilanjutkan ke tahap analisis struktur model untuk
menguji inner model dari model penelitian ini.
95
b. Dihapuskannya lima indikator yaitu IQ5, SU5, SU6, NB6 dan NB7 dalam
model penelitian ini.
Peneliti beranggapan kemungkinan besar penghapusan ini terjadi adalah
sebagai berikut:
a. Pemilihan dan penggunaan item pernyataan/indikator yang kurang tepat
dalam kuesioner.
b. Masih ditemukan kalimat yang memiliki makna hampir sama dalam
penulisan item pernyataan/indikator dalam kuesioner .
Oleh karena itu, perlu adanya peninjauan kembali dan pengembangan
instrumen penelitian tersebut, baik melalui masukan/saran dari para ahli seperti
dosen-dosen, peneliti sebelumnya, atau yang lainnya agar diperoleh model
penelitian yang lebih tepat (khususnya terkait dengan penggunaan delapan indikator
tersebut) di penelitian selanjutnya dan agar bisa meminimalisir penghapusan
indikator. Terkait dengan hal ini, meskipun pembuatan instrumen dan pemilihan
responden dalam penelitian ini telah dilakukan dengan sebaik mungkin, hal-hal di
luar rencana dan kendali tidak dapat dihindari khususnya saat pelaksanaan
penelitian di lapangan.
4.2.3 Interpretasi dan Diskusi Hasil Struktural Model
Bagian ini akan memaparkan interpretasi dan diskusi berdasarkan hasil dari
enam tahap analisis struktur model yaitu path coefficient (β), coefficient of
determination (R2), t-test menggunakan metode bootstrapping, effect size (f
2),
predictive relevance ( ), dan relative impact ( ). Berikut adalah pemaparan yang
96
dilakukan dengan mengikuti pertanyaan-pertanyaan penelitian dan hipotesis-
hipotesis yang telah dirumuskan sebelumnya:
Q1. Apakah SQ berpengaruh secara signifikan terhadap SD?
Berdasarkan hasil analisis struktur model, yaitu khususnya pada nilai t-test
sebagaimana dapat dilihat pada Tabel 4.21 menunjukan bahwa bahwa hipotesis satu
(H1) yaitu hubungan SQ→SD diterima, sehingga dapat diartikan bahwa SQ
memiliki pengaruh positif terhadap SD.
Selain itu didukung juga dengan hasil nilai path coefficient (β) 0.163 yang
berarti SQ berpengaruh secara signifikan terhadap SD, dengan nilai coefficient of
determination (R²) dimana SQ dan SD memiliki nilai yaitu 0.635. Hal ini didukung
dengan penelitian sebelumnya bahwa kualitas sistem Informasi berpengaruh atas
keberhasilan pengembangan sistem informasi (Fajar & Shofi, 2016), sehingga dapat
disimpulkan H1 diterima dalam penelitian ini.
Q2. Apakah SQ berpengaruh secara signifikan terhadap SU?
Berdasarkan hasil analisis struktur model, yaitu khususnya pada nilai t-test
sebagaimana dapat dilihat pada Tabel 4.21 menunjukan bahwa hipotesis dua (H2)
yaitu hubungan SQ→SU ditolak. Artinya SQ tidak memiliki pengaruh terhadap
SU, hubungan SQ→SU juga memiliki pengaruh kecil berdasarkan perhitungan f2.
Hal ini juga sesuai dengan penlitian terdahulu (Radityo & Zulaikha, 2007;Fatania,
2011; Tammubua et al., 2015) di mana kualitas sistem tidak berpengaruh terhadap
penggunaan sistem informasi. Hal ini terjadi disebabkan sebagian besar responden
kurang begitu memahami kualitas sistem yang dihasilkan oleh SIMRS RSIA Grand
Family, sehingga dapat disimpulkan H2 ditolak dalam penelitian ini.
97
Q3. Apakah SQ berpengaruh secara signifikan terhadap US?
Berdasarkan hasil analisis struktur model, yaitu khususnya pada nilai t-test
sebagaimana dapat dilihat pada Gambar 4.21 menunjukan bahwa bahwa hipotesis
tiga (H3) yaitu hubungan SQ→ US diterima, sehingga dapat diartikan bahwa SQ
memiliki pengaruh positif terhadap US.
Selain itu didukung juga dengan hasil nilai path coefficient (β) 0.338 yang
berarti SQ berpengaruh secara signifikan terhadap US, dengan nilai coefficient of
determination (R²) dimana SQ → US memiliki pengaruh moderat yaitu 0.437. Hal
ini sesuai dengan penelitian terdahulu (Zai & Dewi, 2014; Istianingsih &
Wijayanto, 2008; Harianto, 2013; Tammubua et al., 2015) bahwa System Quality
(SQ) berpengaruh positif terhadap variabel User Satisfaction (US), sehingga dapat
disimpulkan H3 diterima dalam penelitian ini.
Q4. Apakah IQ berpengaruh secara signifikan terhadap SD?
Berdasarkan hasil analisis struktur model, yaitu khususnya pada nilai t-test
sebagaimana dapat dilihat pada tabel 4.21 menunjukan bahwa bahwa hipotesis
empat (H4) yaitu hubungan IQ→ SD diterima, sehingga dapat diartikan bahwa IQ
memiliki pengaruh positif terhadap SD.
Selain itu didukung juga dengan hasil nilai path coefficient (β) 0.662 yang
berarti IQ berpengaruh secara signifikan terhadap SD, dengan nilai coefficient of
determination (R²) dimana SQ dan US memiliki pengaruh moderat yaitu 0.635
serta perhitungan f2 sebesar 0.605 yaitu memiliki pengaruh besar. Hal ini sejalan
dengan penelitian sebelumnya (Yusof et al., 2011), sehingga dapat disimpulkan H4
diterima dalam penelitian ini.
98
Q5. Apakah IQ berpengaruh secara signifikan terhadap SU?
Berdasarkan hasil analisis struktur model, yaitu khususnya pada nilai t-test
sebagaimana dapat dilihat pada Tabel 4.21 menunjukan bahwa bahwa hipotesis
lima (H5) yaitu hubungan IQ→ SU diterima, sehingga dapat diartikan bahwa IQ
memiliki pengaruh positif terhadap SU.
Selain itu didukung juga dengan hasil nilai path coefficient (β) 0.266 yang
berarti IQ berpengaruh secara signifikan terhadap SU, dengan nilai coefficient of
determination (R²) dan f2 yaitu memiliki pengaruh besar. Hal ini sesuai dengan
penelitian terdahulu Waluyo dan Krisbianto (2017), sehingga dapat disimpulkan H5
diterima dalam penelitian ini.
Q6. Apakah IQ berpengaruh secara signifikan terhadap US?
Berdasarkan hasil analisis struktur model, yaitu khususnya pada nilai t-test
sebagaimana dapat dilihat pada Tabel 4.21 menunjukan bahwa bahwa hipotesis
enam (H6) yaitu hubungan IQ→ US diterima, sehingga dapat diartikan bahwa IQ
memiliki pengaruh positif terhadap US.
Selain itu didukung juga dengan hasil nilai path coefficient (β) 0.224 yang
berarti IQ berpengaruh secara signifikan terhadap US. Hal ini sesuai dengan
penelitian – penelitian terdahulu (Pawirosumarto, 2016; Istianingsih & Wijayanto,
2008; Erlirianto et al., 2015), sehingga dapat disimpulkan H6 diterima dalam
penelitian ini.
Q7. Apakah SEQ berpengaruh secara signifikan terhadap SD?
Berdasarkan hasil analisis struktur model, yaitu khususnya pada nilai t-test
sebagaimana dapat dilihat pada Tabel 4.21 menunjukan bahwa bahwa hipotesis
99
tujuh (H7) yaitu hubungan SEQ→ SD diterima, sehingga dapat diartikan bahwa
SEQ memiliki pengaruh positif terhadap SD.
Selain itu didukung juga dengan hasil nilai path coefficient (β) 0.309 yang
berarti SEQ berpengaruh secara signifikan terhadap SD. Hal ini sejalan dengan
penelitian sebelumnya (Yusof et al., 2011), sehingga dapat disimpulkan H7
diterima dalam penelitian ini.
Q8. Apakah SEQ berpengaruh secara signifikan terhadap SU?
Berdasarkan hasil analisis struktur model, yaitu khususnya pada nilai t-test
sebagaimana dapat dilihat pada Tabel 4.21 menunjukan bahwa bahwa hipotesis
delapan (H8) yaitu hubungan SEQ→ SU diterima, sehingga dapat diartikan bahwa
SEQ memiliki pengaruh positif terhadap SU.
Selain itu didukung juga dengan hasil nilai path coefficient (β) 0.425 yang
berarti SEQ berpengaruh secara signifikan terhadap SU, dengan nilai coefficient of
determination (R²) dan f2 yaitu memiliki pengaruh besar. Hal ini sesuai dengan
penelitian terdahulu Waluyo & Krisbiantoro (2017), sehingga dapat disimpulkan
H8 diterima dalam penelitian ini.
Q9. Apakah SEQ berpengaruh secara signifikan terhadap US?
Berdasarkan hasil analisis struktur model, yaitu khususnya pada nilai t-test
sebagaimana dapat dilihat pada Tabel 4.21 menunjukan bahwa bahwa hipotesis
sembilan (H9) yaitu hubungan SEQ→ US diterima, sehingga dapat diartikan bahwa
SEQ memiliki pengaruh positif terhadap US.
Selain itu didukung juga dengan hasil nilai path coefficient (β) 0.269 yang
berarti SEQ berpengaruh secara signifikan terhadap US, dengan nilai coefficient of
100
determination (R²) dan f2 yaitu memiliki pengaruh besar. Hal ini sesuai dengan
penelitian–penelitian terdahulu (Kodarisman & Nugroho, 2013;Erlirianto et al.,
2015), sehingga dapat disimpulkan H9 diterima dalam penelitian ini.
Q10. Apakah SEQ berpengaruh secara signifikan terhadap STR?
Berdasarkan hasil analisis struktur model, yaitu khususnya pada nilai t-test
sebagaimana dapat dilihat pada Tabel 4.21 menunjukan bahwa bahwa hipotesis
sepuluh (H10) yaitu hubungan SEQ→ STR diterima, sehingga dapat diartikan
bahwa SEQ memiliki pengaruh positif terhadap STR.
Selain itu didukung juga dengan hasil nilai path coefficient (β) 0.260 yang
berarti SEQ berpengaruh secara signifikan terhadap STR. Hal ini sesuai dengan
penelitian terdahulu ( Yusof et al., 2011), sehingga dapat disimpulkan H10 diterima
dalam penelitian ini.
Q11. Apakah SU berpengaruh secara signifikan terhadap SD?
Berdasarkan hasil analisis struktur model, yaitu khususnya pada nilai t-test
sebagaimana dapat dilihat pada Tabel 4.21 menunjukan bahwa bahwa hipotesis
sebelas (H11 ) yaitu hubungan SU → SD , sehingga dapat diartikan bahwa SU tidak
memiliki pengaruh terhadap SD. Hal ini tersebut ditunjukkan dengan nilai path
coefficient (β) - 0.245 yang berarti SU tidak berpengaruh secara signifikan terhadap
SD, sehingga dapat disimpulkan H11 ditolak dalam penelitian ini.
Q12. Apakah US berpengaruh secara signifikan terhadap SU?
Berdasarkan hasil analisis struktur model, yaitu khususnya pada nilai t-test
sebagaimana dapat dilihat pada Tabel 4.21 menunjukan bahwa bahwa hipotesis dua
101
belas (H12 ) yaitu hubungan US→ SU diterima, sehingga dapat diartikan bahwa US
memiliki pengaruh positif terhadap SU.
Selain itu didukung juga dengan hasil nilai path coefficient (β) 0.401 yang
berarti US berpengaruh secara signifikan terhadap SU, dengan nilai coefficient of
determination (R²) dan f2 yaitu memiliki pengaruh besar. Hal ini sesuai dengan
penelitian terdahulu Krisbiantoro et al. (2015) yaitu kepuasaan pengguna
berpengaruh positif terhadap penggunaan sistem, sehingga dapat disimpulkan H12
diterima dalam penelitian ini.
Q13. Apakah STR berpengaruh secara signifikan terhadap EVR?
Berdasarkan hasil analisis struktur model, yaitu khususnya pada nilai t-test
sebagaimana dapat dilihat pada Tabel 4.21 menunjukan bahwa bahwa hipotesis tiga
belas (H13) yaitu hubungan STR→ EVR diterima, sehingga dapat diartikan bahwa
STR memiliki pengaruh positif terhadap EVR.
Selain itu didukung juga dengan hasil nilai path coefficient (β) 0.426 yang
berarti STR berpengaruh secara signifikan terhadap EVR. Hal ini sesuai dengan
penelitian – penelitian terdahulu (Krisbiantoro et al., 2015; Erlirianto et al., 2015)
sehingga dapat disimpulkan H13 diterima dalam penelitian ini.
Q14. Apakah SD berpengaruh secara signifikan terhadap NB?
Berdasarkan hasil analisis struktur model, yaitu khususnya pada nilai t-test
sebagaimana dapat dilihat pada Tabel 4.21 menunjukan bahwa bahwa hipotesis
empat belas (H14) yaitu hubungan SD→ NB ditolak, sehingga dapat diartikan
bahwa SD tidak memiliki pengaruh terhadap NB. Hal ini ditunjukkan dengan hasil
nilai path coefficient (β) -0.173 yang berarti SD berpengaruh secara tidak signifikan
102
terhadap NB. Peneliti juga telah mengamati langsung bahwa pengembangan
SIMRS RSIA Grand Family masih kurang sehingga tidak mempengaruhi
kebermanfaatan sistem. Hal ini sejalan dengan pendapat Young & Jordan (2008)
bahwa sebuah sistem yang tidak sepenuhnya dimanfaatkan tidak dapat berfungsi
secara efektif dan efisien. Hal ini didukung dengan data peneliti bahwa responden
RSIA Grand Family menyatakan sekitar 30% pengembangan sistem masih belum
cukup memadai, sehingga dapat disimpulkan H14 ditolak dalam penelitian ini.
Tabel 4.22 System Development
SD1 SD2 SD3 SD4
Valid
Sangat setuju 3.2% (3) 5.3% (5) 4.3% (4) 4.3% (4)
Setuju 64.9% (61) 63.8% (60) 67% (63) 64.9% (61)
Kurang setuju 31.9% (30) 29.8% (28) 27.7% (26) 28.7% (27)
Tidak setuju 0% (0) 1.1% (1) 1.1% (1) 2.1% (2)
Sangat tidak setuju 0% (0) 0% (0) 0% (0) 100%)
Total 100% (94) 100% (94) 100% (94) 100% (94)
Q15. Apakah SU berpengaruh secara signifikan terhadap NB?
Berdasarkan hasil analisis struktur model, yaitu khususnya pada nilai t-test
sebagaimana dapat dilihat pada Tabel 4.21 menunjukan bahwa bahwa hipotesis
lima belas (H15) yaitu hubungan SU→ NB diterima, sehingga dapat diartikan
bahwa SU memiliki pengaruh positif terhadap NB.
Selain itu didukung juga dengan hasil nilai path coefficient (β) 0.273 yang
berarti SU berpengaruh secara signifikan terhadap NB. Hal ini sesuai dengan
penelitian terdahulu Krisbiantoro et al. (2015). Selanjutnya, berdasarkan
103
pengamatan langsung yang dilakukan peneliti menunjukkan bahwa tingginya
tingkat penggunaan sistem terhadap pengguna sistem mempengaruhi hasil dari
kebermanfaatan sistem. Tingkat penggunaan sistem sebanding dengan
kebermanfaatan dalam sistem yang ada di RSIA Grand Family, sehingga dapat
disimpulkan H15 diterima dalam penelitian ini.
Q16. Apakah US berpengaruh secara signifikan terhadap NB?
Berdasarkan hasil analisis struktur model, yaitu khususnya pada nilai t-test
sebagaimana dapat dilihat pada tabel 4.21 menunjukan bahwa bahwa hipotesis
enam belas (H16 ) yaitu hubungan US→ NB ditolak, sehingga dapat diartikan
bahwa US tidak memiliki pengaruh terhadap NB. Hal ini ditunjukkan dengan hasil
nilai path coefficient (β) -0.110 yang berarti US berpengaruh secara tidak signifikan
terhadap NB. Hal ini sejalan dengan pengamatan langsung peneliti bahwa masih
adanya ketidakpuasan pengguna terhadap sistem dan penelitian sejenis sebelumnya
Krisbiantoro et al. (2015), sehingga dapat disimpulkan H16 ditolak dalam
penelitian ini.
Q17. Apakah STR berpengaruh secara signifikan terhadap NB?
Berdasarkan hasil analisis struktur model, yaitu khususnya pada nilai t-test
sebagaimana dapat dilihat pada Tabel 4.21 menunjukan bahwa bahwa hipotesis
tujuh belas (H17) yaitu hubungan STR→ NB diterima, sehingga dapat diartikan
bahwa STR memiliki pengaruh positif terhadap NB. Selain itu didukung juga
dengan hasil nilai path coefficient (β) 0.495 yang berarti STR berpengaruh secara
signifikan terhadap NB, dengan nilai coefficient of determination (R²) dan f2 yaitu
memiliki pengaruh menengah. Hal ini sesuai dengan penelitian terdahulu
104
Krisbiantoro et al. (2015),, sehingga dapat disimpulkan H17 diterima dalam
penelitian ini.
Q18. Apakah EVR berpengaruh secara signifikan terhadap NB?
Berdasarkan hasil analisis struktur model, yaitu khususnya pada nilai t-test
sebagaimana dapat dilihat pada Tabel 4.21 menunjukan bahwa hipotesis tujuh belas
(H18) yaitu hubungan EVR→ NB diterima, sehingga dapat diartikan bahwa EVR
memiliki pengaruh positif terhadap NB. Selain itu didukung juga dengan hasil nilai
path coefficient (β) 0.242 yang berarti EVR berpengaruh secara signifikan terhadap
NB. Hal ini sesuai dengan penelitian-penelitian terdahulu Krisbiantoro et al., 2015;
Erlirianto et al., 2015, sehingga dapat disimpulkan H18 diterima dalam penelitian
ini.
4.3 Rekomendasi Hasil Penelitian
Berdasarkan hasil analisis data menggunakan metode PLS-SEM dari 18
hipotesis yaitu SQ → SD, SQ → US, IQ → SD, IQ → SU, IQ → US, SEQ →SD,
SEQ → SU, SEQ → US, SEQ → STR, US → SU, STR → EVR, SU → NB, STR
→ NB, dan EVR → NB. Diterimanya hipotesis ini berdasarkan kesesuaian persepsi
responden terhadap hipotesis tersebut, sementara hipotesis yang tidak diterima,
yaitu:
a. Ditolak SQ terhadap SU dikarenakan tidak adanya keakuratan data dan
kesesuaian informasi yang ada dalam SIMRS yaitu sering munculnya
masalah pada distribusi file akibatnya file data tidak dapat terbaca dan
kosong, selain itu juga sistem yang mengalami gangguan oleh jaringan
105
mengakibatkan akses terhadap sistem tidak mudah digunakan oleh pengguna
dan respon sistem yang membutuhkan waktu cukup lama. Dari beberapa
uraian tersebut responden mengalami ketidaknyamanan dalam menggunakan
sistem. Oleh karena itu, sesuai dengan hasil analisis data yang menggunakan
PLS-SEM menyatakan bahwa hipotesis ini memiliki jalur yang tidak
signifikan terhadap penggunaan sistem dan secara statistika t-test juga belum
memenuhi syarat nilai ketentuan.
b. Ditolak SU terhadap SD dikarenakan belum adanya interaksi sistem secara
baik dan menyeluruh, kurangnya user friendly terhadap pengguna yang
mengakibatkan sistem belum bisa dimengerti secara keseluruhan oleh
responden dan terjadi human error. Manajemen sistem informasi yang belum
baik karena terbatasnya sumber daya manusia pada unit IT Dari beberapa
uraian tersebut responden mengalami ketidaknyamanan dalam menggunakan
sistem. Oleh karena itu, sesuai dengan hasil analisis data yang menggunakan
PLS-SEM menyatakan bahwa hipotesis ini memiliki jalur yang tidak
signifikan terhadap pengembangan sistem dan secara statistika t-test juga
belum memenuhi syarat nilai ketentuan.
c. Ditolak SD terhadap NB dikarenakan karena data SIMRS belum terintegrasi
secara menyeluruh dan terdapat ketidaknyamanan pengguna SIMRS namun
sering kali pengembang sistem informasi hanya memfokuskan diri pada
pengembangan aspek komputernya saja, tanpa memperhatikan aspek
manualnya misalnya belum adanya subsistem personalia pada SIMRS yang
mengelola data maupun aktivitas tenaga medis maupun tenaga administratif
106
rumah sakit. Oleh karena itu, sesuai dengan hasil analisis data yang
menggunakan PLS-SEM menyatakan bahwa hipotesis ini memiliki jalur yang
tidak signifikan terhadap manfaat sistem dan secara statistika t-test juga
belum memenuhi syarat nilai ketentuan.
d. Ditolak US terhadap NB ditolak dikarenakan beberapa masalah karena belum
adanya kepuasan keseluruhan pengguna terhadap sistem misalnya sistem
penjadwalan kerja yang masih menggunakan excel report belum terintegrasi
pada SIMRS dan pengajuan pemindahan shift kerja yang masih manual serta
pengumuman pemindahan jadwal kerja secara manual masih menggunakan
whatsapp atau sms. Responden mengalami ketidakpuasan terhadap sistem dan
masih kurangnya manfaat sistem terhadap penggunaan SIMRS. Maka dari itu,
sesuai dengan hasil analisis data yang menggunakan PLS-SEM menyatakan
bahwa hipotesis ini memiliki jalur yang tidak signifikan terhadap manfaat
sistem dan secara statistika t-test juga belum memenuhi syarat nilai ketentuan.
Penjelasan tersebut, peneliti memberikan beberapa rekomendasi yang dapat
dijadikan acuan/masukan bagi RSIA Grand Family untuk mengembangkan SIMRS
agar menjadi lebih baik lagi, beberapa rekomendasi tersebut adalah sebagai berikut:
a.1 Developer harus mempertimbangkan Sistem Networking (Jaringan LAN,
Wireless dan lainnya) dengan menambah kapasitas memory server serta
perangkat hardware yang menunjang kegiatan SIMRS.
2. Secara teknikal, pengembang sebaiknya membuat sistem clustering terhadap
server dengan menerapkan teknik replikasi GlusterFS. GlusterFS adalah
107
clustered file system yang bersifat open source yang dapat beroperasi dengan
kapasitas petabyte menggabungkan disk, memori dan pengolahan data dari
beberapa modul server dan menangani ribuan client agar distribusi file pada
jaringan serta akses login seluruh komputer client sehingga berjalan dengan
baik.
b. Melakukan pengembangan model System Development Life Cycle dengan
memfokuskan software requirements analysis dan design karena dalam
tahapan ini tim pengembang sistem melakukan investigasi kebutuhan-
kebutuhan sistem guna menentukan komputerisasi terhadap sistem. Menurut
Prihati et al. (2011), kemudahan interkasi pengguna dapat diperoleh dengan
memperhatikan berbagai aspek human-computer interaction yaitu useful
(fungsional, dapat mengerjakan sesuatu), usable (dapat mengerjakan sesuatu
dengan benar dan mudah), used (tersedia dan diterima). Selain itu, terdapat
beberapa penambahan rekomendasi kepada pengembang sistem dalam hal
spesifikasi perancangan sistem sesuai kebutuhan, dan perlu memperhatikan
sisi pengguna bagaimana membuat sistem otomatisasi agar dapat mengurangi
human error dalam pemasukan data. Menurut Dewi (2015), mencegah human
error juga dapat terbantu oleh perancangan mekanisme verifikasi yang
bertingkat sebelum data dapat terintegrasi dalam sistem informasi.
c. Menambahkan subsistem informasi personalia pada SIMRS secara detail,
terperinci dan terintegrasi.
d. Menambahkan menu informasi penjadwalan kerja dan shifting kerja pada
setiap akun pegawai berbasis web atau mobile.
108
108
BAB 5
KESIMPULAN DAN SARAN
5.1 Kesimpulan
Berdasarkan pada hasil penelitian yang telah dilakukan, maka penulis
menarik kesimpulan sebagai berikut:
a. Dari hasil pengolahan data, dihapuskannya 5 dari 43 indikator yaitu IQ5,
SU5, SU6, NB6, NB7 dalam model penelitian ini karena di bawah standar
nilai outer loading.
b. Dari hasil pengolahan data demografi diketahui data demografi menunjukkan
bahwa sekitar 98.94% responden menilai tingkat keberhasilan SIMRS baik,
Namun, 1.06% responden menilai sistem kurang baik. Hal ini disebabkan
adanya kesenjangan antara harapan pengguna dengan keadaan sistem.
b. Empat belas hipotesis yang diterima yaitu SQ → SD, SQ → US, IQ → SD,
IQ → SU, IQ → US, SEQ →SD, SEQ → SU, SEQ → US, SEQ → STR, US
→ SU, STR → EVR, SU → NB, STR → NB, dan EVR → NB, sehingga
faktor-faktor yang mempengaruhi tingkat keberhasilan sistem adalah sebagai
berikut:
1. SQ berpengaruh secara signifikan terhadap SD
2. SQ berpengaruh secara signifikan terhadap US
3. IQ berpengaruh secara signifikan terhadap SD
4. IQ berpengaruh secara signifikan terhadap SU
5. IQ berpengaruh secara signifikan terhadap US
109
6. SEQ berpengaruh secara signifikan terhadap SD
7. SEQ berpengaruh secara signifikan terhadap SU
8. SEQ berpengaruh secara signifikan terhadap US
9. SEQ berpengaruh secara signifikan terhadap STR
10. US berpengaruh secara signifikan terhadap SU
11. STR berpengaruh secara signifikan terhadap EVR
12. SU berpengaruh secara signifikan terhadap NB
13. STR berpengaruh secara signifikan terhadap NB
14. EVR berpengaruh secara signifikan terhadap NB
Empat dari 18 hipotesis ditolak yaitu:
1. Kualitas Sistem (System Quality) terhadap Penggunaan Sistem (System
Use) tidak signifikan, artinya bahwa keakuratan data dan tampilan
sistem tidak mempengaruhi tinggi rendahnya penggunaan sistem.
2. Penggunaan Sistem (System Use) terhadap Pengembangan Sistem
(System Development) tidak signifikan artinya bahwa pelatihan
pengguna SIMRS, motivasi penggunaan sistem dan penerimaan sistem
tidak mempengaruhi berhasil atau tidaknya pengembangan SIMRS.
3. Pengembangan Sistem (System Development) terhadap Manfaat Sistem
(Net Benefits) artinya pengembangan SIMRS tidak berpengaruh
terhadap manfaat sistem.
110
4. Kepuasan Pengguna (User Satisfaction) terhadap Manfaat Sistem (Net
Benefits) tidak signifikan artinya kepuasan pengguna keseluruhan
terhadap sistem tidak berpengaruh terhadap manfaat sistem.
Ditolaknya hipotesis tersebut menunjukkan perbedaan dengan hasil
penelitian sejenis sebelumnya. Peneliti berpendapat bahwa perbedaan ini
adalah hal yang wajar, mengingat adanya perbedaan objek, sampel dan
instrumen penelitian, serta keterbatasan atau kendala saat pelaksanaan
penelitian menjadi faktor yang mempengaruhi hasil penelitian.
5.2 Keterbatasan Penelitian
Penelitian yang dilakukan saat ini masih memiliki banyak kekurangan dan
keterbatasan yaitu:
1. Terdapat kesalahpahaman isi makna kuesioner sehingga responden
tidak konsisten dalam menjawab kuesioner. Hal ini dapat diantisipasi
peneliti dengan cara mendampingi dan mengawasi responden dalam
memilih jawaban agar responden dapat lebih memahami makna isi
pernyataan kuesioner yang ada.
2. Peneliti hanya mengambil sampel sebanyak 94 orang dikarenakan
keterbatasan izin penyebaran penelitian. Sedangkan jumlah sampel
minimal menurut Hair et al. (2010) berkisar 100-200. Hal ini dapat
mempengaruhi keakuratan hasil penelitian.
111
5.3 Saran
Berdasarkan hasil penelitian yang telah dilakukan, peneliti akan memaparkan
beberapa saran terkait untuk RSIA Grand Family serta pihak-pihak yang berniat
melakukan penelitian selanjutnya (khususnya dengan topik sejenis), yaitu:
a. Berdasarkan hasil penelitian, khususnya pada pengujian kuesioner, peneliti
memberikan saran bagi mahasiswa dan peneliti selanjutnya (khususnya yang
tertarik pada kajian sejenis) agar dapat menggunakan metode lain yaitu TAM,
EUCS, UTAUT dan lainnya.
b. Untuk penelitian selanjutnya yang tertarik terhadap topik penelitian sejenis
yaitu HOT Fit agar lebih memperhatikan dan mengeksplorasi tata bahasa
indikator dari berbagai literatur dari para ahli untuk menghindari adanya
kesalahan penafsiran dan sesuai dengan kebutuhan pengguna sistem secara
komprehensif dan menyeluruh. Perlunya evaluasi lebih dalam untuk
mengetahui penyebab-penyebab tidak signifikannya relasi antar variabel dan
diharapkan penambahan jumlah sampel yang lebih besar dan menambahkan
jumlah responden penelitian agar mendapatkan penelitian yang optimal.
c. Melakukan kembali peninjauan hubungan SQ (System Quality) terhadap SU
(System Use), SU (System Use) terhadap SD (System Development), SD
(System Development) terhadap NB (Net Benefits), US (User Satisfaction)
terhadap NB (Net Benefits), karena dalam penelitian ini hubungan-hubungan
tersebut terbukti tidak berpengaruh pada penelitian ini.
112
DAFTAR PUSTAKA
Abdullah, M. (2014). Manajemen dan evaluasi kinerja karyawan. Yogyakarta:
Aswaja Pressindo.
Adipraja, K. C., Darwiyanto, E., & Firdaus, Y. (2015). Pengaruh Usability
Terhadap Loyalitas Konsumen Menggunakan Teknik Critical Incident (Studi
Kasus www. aquajaya. com). EProceedings of Engineering, 2(2).
Ananda, D., Fitroh, & Ratnawati, S. (2014). Evaluasi Penerimaan Pengguna
Sistem Otomasi TULIS pada Pusat Perpustakaan UIN Syarif Hidayatullah
Jakarta dengan Menggunakan Metode UTAUT. Konferensi Sistem Informasi
Indonesia (Kensefina), 1–9.
Appley, A., Lawrence, L., & Oey, L. (2010). Pengantar Manajemen. Salemba
Empat. Jakarta.
Ariaji, T., Utami, E., & Sunyoto, A. (2007). Evaluasi Sistem Informasi yang
Dikembangkan Dengan Metodologi Extreme Programming. Jurnal Ilmiah
DASI, 15(04), 53–62.
Arikunto, S. (2010). Dasar-dasar Evaluasi Pendekatan. Jakarta: Bumi
Aksara..(2010). Prosedur Penelitian Suatu Pendekatan Praktek. Jakarta:
Rineka Cipta.
Athoillah, A. (2010). Dasar-dasar manajemen. Pustaka Setia, Bandung.
Bagus. (20016). Teknik Sampling. Elearning Pendidikan Klinik Stase Ilmu
Kesehatan Masyarakat (IKM, 2(5), 10–15.
https://doi.org/10.13140/RG.2.2.30724.12160
Bayu, A., & Muhimmah, I. (2013). Evaluasi Faktor-Faktor Kesuksesan
Implementasi Sistem Informasi manajemen Rumah Sakit di PKU
Muhammadiyah Sruweng dengan Menggunakan Metode Hot-Fit. Snimed,
(November), 78–86.
Dewa, R. (2016). Analisis Kepuasaan Penggunaan Terhadap Portal Studi
Informatika Menggunakan EUCS. Palembang: Universitas Bina Darma
Palembang.
Dewi, E. K., Method, F., & Checking, M. (2015). Verifikasi Sistem Menggunakan
Metode Model Checking Berbagai sistem yang dikembangkan akan diuji
untuk menjamin kebenaran dari sistem . Sistem yang bebas dari kesalahan
adalah sistem yang dengan tepat mengikuti spesifikasinya . Pengujian
spesifikasi dapat, 175–180.
Diana, D., & Kurniawan, K. (2014). Evaluasi Penerimaan Kinerja Human
Resource Information System Universitas Bina Darma. Jurnal Ilmiah Matrik,
16(1), 71–80.
Erlirianto, L. M., Ali, A. H. N., & Herdiyanti, A. (2015). The Implementation of
the Human, Organization, and Technology-Fit (HOT-Fit) Framework to
Evaluate the Electronic Medical Record (EMR) System in a Hospital.
Procedia Computer Science, 72(April), 580–587.
https://doi.org/10.1016/j.procs.2015.12.166
Fajar, A. N., & Shofi, I. M. (2016). Addressing consistency checking of goal
113
model for software product line government tourism system. Journal of
Environmental Management and Tourism, 7(1).
https://doi.org/10.14505/jemt.v7.1(13).15
Fatania, L. (2011). PENGARUH PENTINGNYA SISTEM, KUALITAS
SISTEM, DAN KUALITAS INFORMASI TERHADAP KEGUNAAN
DAN KEPUASAN PENGGUNA DALAM PENGEMBANGAN SISTEM
INFORMASI AKUNTANSI (Studi Kasus di Universitas Sebelas Maret
Surakarta sebagai Badan Layanan Umum).
Fitriani, R. D. W. I. (2016). Analisis Minat Perilaku Penggunaan Layanan Mobile
Banking Menggunakan Integrasi Task Technology Fit (TTF) dan Unified
Theory Of Acceptance and Use Of Technology (UTAUT). Universitas
Airlangga.
Furneaux, B. (2006). Theories Used in IS Research: Task Technology Fit.
Gelinas, U. J., Dull, R. B., & Wheeler, P. (2011). Accounting information systems.
Cengage learning.
Ghozali, I. (2008). Structural equation modeling: Metode alternatif dengan
partial least square (pls). Badan Penerbit Universitas Diponegoro.
Ghozali, I. (2011). Analisis Multivariate Program IBM SPSS 19. Semarang:
Badan Penerbit Universitas Diponogoro.
Ghozali, I. (2014). Ekonometrika: Teori, Konsep dan Aplikasi dengan IBM SPSS
22. Semarang: Badan Penerbit Undip.
Hadi, S. (2011). Metode riset evaluasi. Yogyakarta: Lakbang Grafika.
Hair, J. F., Sarstedt, M., Ringle, C. M., & Mena, J. A. (2012). An assessment of
the use of partial least squares structural equation modeling in marketing
research. Journal of the Academy of Marketing Science, 40(3), 414–433.
Hair Jr, J. F., Black, W. C., Babin, B. J., Anderson, R. E., & Tatham, R. L. (2010).
SEM: An introduction. Multivariate Data Analysis: A Global Perspective,
629–686.
Hamid, D. (2011). Metode Penelitian Pendidikan. Bandung: Alfabeta.
Handiwidjojo, W. (2015). Sistem Informasi Manajemen Rumah Sakit. Jurnal
EKSIS, 02(Health Information System), 32–38. Retrieved from
https://www.google.com/url?sa=t&rct=j&q=&esrc=s&source=web&cd=1&v
ed=0ahUKEwjShIK0yJrMAhWIVZQKHcIdB8kQFggfMAA&url=http://opa
c.say.ac.id/43/1/Naskah
Publikasi.pdf&usg=AFQjCNFP3YLGwYl0r_WtriCyjNOyyGb6xg&sig2=L8
r7enCH5IMDv8hIFT_JHg
Harianto, D. (2013). Analisa pengaruh kualitas layanan, brand image, dan
atmosfer terhadap loyalitas konsumen dengan kepuasan konsumen sebagai
variabel intervening konsumen kedai deja-vu Surabaya. Jurnal Strategi
Pemasaran, 1(1).
Istianingsih, & Wijayanto, S. . (2008). Analisis Keberhasilan Penggunaan
Perangkat Lunak Akuntansi Ditinjau Dari Persepsi Pemakai (Studi
Implementasi Model Keberhasilan Sistem Informasi, 5(1), 50–76.
Kilsdonk, E., Peute, L. W. P., Knijnenburg, S. L., & Jaspers, M. W. M. (2011).
Factors known to influence acceptance of clinical decision support systems.
Studies in Health Technology and Informatics, 169, 150–154.
114
https://doi.org/10.3233/978-1-60750-806-9-150
Kodarisman, R., & Nugroho, E. (2013). Evaluasi Penerapan Sistem Informasi
Manajemen Kepegawaian ( SIMPEG ) di Pemerintah Kota Bogor. Jurnal
Nasional Teknik Elektro Dan Teknologi Informasi UGM, 2(2), 24–32.
Kotadjin, P., Senduk, J. J., & Marsabessy, S. (2016). Penerapan Sistem Informasi
Manajemen Perpustakaan Di Perpustakaan Daerah Kabupaten Halmahera
Utara. Acta Diurna, 5(4). Retrieved from
https://www.neliti.com/id/publications/90170/penerapan-sistem-informasi-
manajemen-perpustakaan-di-perpustakaan-daerah-kabupat
Krisbiantoro, D., Suyanto, M., & Taufiqluthfi, E. (2015). Evaluasi Keberhasilan
Implementasi Sistem Informasi dengan Pendekatan HOT FIT Model ( Studi
Kasus : Perpustakaan STMIK AMIKOM Purwokerto ). Konferensi Nasional
Sistem & Informatika 2015, 9–10.
Kusbaryanto. (2010). Peningkatan Mutu Rumah Sakit dengan Akreditasi. Mutiara
Medika, 10(1), 86–89.
Larinse, D. S. (2015). Evaluasi Sistem Informasi Manajemen Rumah Sakit
(SIMRS) Menggunakan Metode HOT-Fit Pada Pengguna Akhir SIMRS di
RSUD-Talaud, 55–61. Retrieved from
repository.uksw.edu/bitstream/123456789/11528/2/T1_682011022_Full
text.pdf
Laudon, K. C. (2012). Jane P Laudon. Management Information Systems:
Managing the Digital Firm.
Muhyarsyah. (2007). SISTEM INFORMASI MANAJEMEN, 7, 67–90.
Muntianah, S. T., Astuti, E. S., & Azizah, D. F. (2012). Pengaruh Minat Perilaku
Terhadap Actual Use Teknologi Informasi dengan Pendekatan Technology
Acceptance Model (TAM)(Studi Kasus Pada Kegiatan Belajar Mahasiswa
Fakultas Ilmu Administrasi Universitas Brawijaya Malang). PROFIT
(JURNAL ADMINISTRASI BISNIS), 6(1).
Mustafa, Z., & Wijaya, T. (2012). Panduan teknik statistik SEM & PLS dengan
SPSS Amos. Yogyakarta: Cahaya Atma Pustaka.
Nasir, M., & Syaputra, H. (2014). Faktor-Faktor Pendukung Dalam Penerapan
Sistem Paket Aplikasi Sekolah Pada Pendidikan SMA Negeri Di Palembang.
Prosiding SNaPP: Sains, Teknologi, 4(1), 475–482.
Pamugar, H., Winarno, W. W., & Najib, W. (2014). Model Evaluasi Kesuksesan
dan Penerimaan Sistem Informasi E- Learning pada Lembaga Diklat
Pemerintah, 1(1), 13–28.
Pawirosumarto, S. (2016). Pengaruh Kualitas Sistem, Kualitas Informasi, Dan
Kualitas Layanan Terhadap Kepuasan Pengguna Sistem E-Learning. MIX:
Jurnal Ilmiah Manajemen, 6(3).
Prihati, Mustafid, & Suhartono. (2011). Penerapan Model Human Computer
Interaction ( HCI ) dalam Analisis Sistem Informasi. Jurnal Sistem Informasi
Bisnis, 01, 1–8. https://doi.org/10.21456/vol1iss1pp01-08
Purwanto, E. (2014). Evaluasi Penerapan Sistem Informasi Akademik Terintegrasi
Pada STMIK Duta Bangsa Surakarta. ISSN:2086-9436, 6, 11–18.
Radityo, D., & Zulaikha. (2007). Pengujian Model DeLone and McLean Dalam
Pengembangan Sistem Informasi Manajemen ( Kajian Sebuah Kasus ).
115
Simposium Nasional Akuntansi X, 1–25.
Risnita. (2012). Pengembangan Skala Model Likert. Edu-Bio, Volume 3, 86–99.
Rozanda, N. E., & Masriana, A. (2017). Perbandingan Metode Hot Fit dan Tam
dalam Mengevaluasi Penerapan Sistem Informasi Manajemen Kepegawaian
(SIMPEG) (Studi Kasus : Pengadilan Tata Usaha Negara Pekanbaru).
Seminar Nasional Teknologi Informasi, Komunikasi Dan Industri (SNTIKI)
9, ISSN (Prin, 18–19.
Saputra, A. R., Studi, P., Informasi, S., Komputer, F. I., Darma, U. B., Tengah, J.,
& Model, H. (2016). PENERAPAN METODE HOT-FIT DALAM
EVALUASI INTERNAL INFORMATION SYSTEM ( IIS ) PADA PT
INDACO CABANG PALEMBANG Internal Information System ( IIS ).
Satzinger, J. W., & Jackson, R. B. (n.d.). SYSTEMS ANALYSIS AND DESIGN IN
A CHANGING WORLD.
Sayekti, F., & Putarta, P. (2016). Penerapan Technology Acceptance Model
(TAM) Dalam Pengujian Model Penerimaan Sistem Informasi Keuangan
Daerah. Jurnal Manajemen Teori Dan Terapan| Journal of Theory and
Applied Management, 9(3).
Setyawan, D. (2016). Analisis Implementasi Pemanfaatan Sistem Informasi
Manajemen Rumah Sakit ( Simrs ) Pada Rsud Kardinah Tegal, 1(2), 54–61.
Sidh, R. (2013). Peranan Brainware Dalam Sistem Informasi Manajemen. Jurnal
Computech & Bisnis, 7(1), 19–29. Retrieved from http://jurnal.stmik-
mi.ac.id/index.php/jcb/article/view/98
Silviana, M., Wijaya, L., Juniar, S., & Marpaung, F. H. (2013). Pengembangan
Aplikasi Messenger “Find Me” Berbasis Lokasi Pada Smartphone.
Siregar, S. (2013). Statistik parametrik untuk penelitian kuantitatif. Jakarta: Bumi
Aksara, 102.
Sonny, M. (2016). Kajian Unified Theory of Acceptance and Use of Technology
Dalam Penggunaan Open Source Software Database Management System.
Jurnal Edukasi Dan Penelitian Informatika (JEPIN), 2(1).
Sugiyono. (2013). Metode Penelitian(Studi Kasus). Metode Deskriptif, (April
2015), 31–46.
Sugiyono. (2014). Metode Penelitian Sugiyono 2014, 77–109.
Sugiyono, M. (2012). Metode Penelitian Kuantitatif, Kualitatif, dan Kombinasi.
Bandung: Alfabeta.
Sugiyono, P. D. (2010). Metode penelitian pendidikan. Pendekatan Kuantitatif.
Susanti, V. A. (2006). Teknologi tugas yang fit dan kinerja individual 7, 6(2),
224–242.
Tammubua, Y., W, B. S., & Sofyan, A. F. (2015). Evaluasi Faktor Keberhasilan
Aplikasi Pemantauan Pelaksanaan Program dan Kegiatan ( studi kasus :
BPSDMPK-PMP Kemdikbud RI ), 6–8.
Thenu, V. J., Sediyono, E., & Purnami, C. T. (2016). Evaluasi Sistem Informasi
Manajemen Puskesmas Guna Mendukung Penerapan Sikda Generik
Menggunakan Metode Hot Fit Di Kabupaten Purworejo. Jurnal Manajemen
Kesehatan Indonesia, 4(2), 129–138.
UNDP. (2017). Laporan Pembangunan Manusia/Human Development Report
2016; Ringkasan Indonesia. Retrieved from
116
http://www.id.undp.org/content/dam/indonesia/2017/doc/INS-HDR2016
indonesia summary-final.pdf
Wahab, W. (2014). Studi Tingkat Disiplin Pengendara Sepeda Motor (Studi
Kasus Jalan Gajah Mada dan Kampus ITP Padang), 19–28.
Wahyudi, R., & Astuti, E. S. (2013). Pengaruh Kualitas Sistem, Informasi Dan
Pelayanan Siakad Terhadap Kepuasan Mahasiswa. Jurnal Administrasi
Bisnis, 1(1), 28–39.
Waluyo, R., & Krisbiantoro, D. (2017). Analisis Kesuksesan Sistem Informasi
Dapodikdas Kabupaten Purbalingga Menggunakan Model Delone dan
Mclean ( Success Information System Analysis in Dapodikdas Purbalingga
Using Delone and Mclean Model ), V(November), 73–80.
Widarno, B. (2008). EFEKTIVITAS PERENCANAAN DAN
PENGEMBANGAN SISTEM INFORMASI Bambang Widarno Fakultas
Ekonomi Universitas Slamet Riyadi Surakarta. Jurnal Akuntasi Dan Sistem
Teknologi Informasi, 6(1), 1–13.
Widyaiswara, S. (2016). Masyarakat Ekonomi Asean dan perekonomian
Indonesia. Diakses Melalui Http://Www. Bppk. Kemenkeu. Go.
Id/Publikasi/Artikel/150-Artikel-Keuangan-Umum/20545-Masyarakat-
Ekonomi-Aseanmea-Dan-Perekonomian-Indonesia Diakses Pada, 14.
Wirawan, E. T., & Model, S. (2011). Aplikasi dan Profesi. Jakarta: Raja
Grapindo Persada.
Young, R., & Jordan, E. (2008). Top management support: Mantra or necessity?
International Journal of Project Management, 26(7), 713–725.
https://doi.org/10.1016/j.ijproman.2008.06.001
Yuliana, K. (2016). Model Kesuksesan Sistem Informasi Delone dan McLean
untuk Evaluasi Sistem Informasi Pos pada PT. Pos Indonesia (Persero) Divisi
Regional VI Semarang. INFOKAM, 12(2).
Yusof, M. M., Castelnovo, W., & Ferrari, E. (2011). HOT-fit Evaluation
Framework: Validation Using Case Studies and Qualitative Systematic
Review in Health Information Systems Evaluation Adoption. Proceedings of
the 5th European Conference on Information Managemet and Evaluation,
359–365.
Yusof, M. M., Kuljis, J., Papazafeiropoulou, A., & Stergioulas, L. K. (2008). An
evaluation framework for Health Information Systems: human, organization
and technology-fit factors (HOT-fit). International Journal of Medical
Informatics, 77(6), 386–398. https://doi.org/10.1016/j.ijmedinf.2007.08.011
Yusof, M. M., Paul, R. J., & Stergioulas, L. K. (2006). Towards a Framework for
Health Information Systems Evaluation. Proceedings of the 39th Annual
Hawaii International Conference on System Sciences (HICSS’06), 00(C),
95a–95a. https://doi.org/10.1109/HICSS.2006.491
Yusof, M. M., & Yusuff, A. Y. A. (2013). Evaluating E-government system
effectiveness using an integrated socio-technical and fit approach.
Information Technology Journal. https://doi.org/10.3923/itj.2013.894.906
Zai, S. N. P., & Dewi, A. F. (2014). Pengaruh Pentingnya Sistem, Kualitas
Sistem& Kualitas Informasi Terhadap Kegunaan& Kepuasan Pengguna
Dalam Pengembangan Sistem Informasi Akuntansi (Studi Kasus di RSUP
117
Dr.Soeradji Tirtonegoro Klaten). Yogyakarta, Unversitas Negeri
Yogyakartaf, (1992).
118
L1
LAMPIRAN
L2
Lampiran 1
Kuesioner
L3
No: …… (diisi oleh surveyor)
Evaluasi Sistem Informasi Manajemen Rumah Sakit
Studi Kasus : Rumah Sakit Ibu dan Anak (RSIA) Grand Family
Yth. Bapak/Ibu/Saudara/i Yang Terhormat
Dalam rangka peneliian tugas akhir skripsi peneliti, dimana penelitian ini bertujuan untuk
mengetahui persepsi pengguna sistem dari perspektif pegawai dengan studi kasus RSIA Grand
Family.
Melalui survey ini kami mohon bantuan Bapak/Ibu/Saudara/i sekalian untuk menjawab
angket ini. Dalam menjawab angket ini, perlu kami sampaikan halhal sebagai berikut:
a. Kuesioner ini akan digunakan untuk tujuan penelitian saja.
b. Kami menjamin, informasi yang Anda berikan dalam merespon angket ini akan
diperlakukan secara rahasia.
c. Silahkan menjawab semua pertanyaanpertanyaan yang ada sesuai dengan persepsi anda.
d. Jawablah pertanyaan - pertanyaan secara terbuka, akurat, dan semaksimal mungkin.
Kami mengucapkan terimakasih yang sebesarbesarnya atas partisipasi aktif
Bapak/Ibu/Saudara/i sekalian. Semoga bermanfaat bagi kemajuan bangsa dan Negara kita, Amin.
Terimakasih Sebelumnya. Wassalam.
Dien Aprilia Saliha
Berikanlah tanda [√] pada satu jawaban yang sesuai
A. Data Responden
Nama : Unit Kerja:
Telp/E-mail :
1. Jenis Kelamin:
O Laki-laki O Perempuan
2. Usia:
O <20 tahun O 20-30 tahun O 31-40 tahun
O >40 tahun
3. Divisi:
O Dokter O Perawat O Farmasi O Administrasi
O Lainnya, ………………….
4. Berapa kali anda sudah mengakses aplikasi di komputer?
O < 5 kali O 5-10 kali O 10-15 kali
O > 15 kali
5. Secara umum penilaian anda dalam keberhasilan penggunaan aplikasi di komputer?
O Kurang Baik O Cukup Baik O Baik O Sangat Baik
6. Secara umum penilaian anda terhadap peranan SIMRS pada RSIA Grand Family?
O Kurang Baik O Cukup Baik O Baik O Sangat Baik
B. Daftar Pertanyaan Kuesioner
Isilah kolom dibawah ini sesuai dengan pilihan Anda, dengan memberi tanda check list [√] pada
salah satu alternatif jawaban yang telah tersedia:
L4
No Keterangan Skor
1. Sangat Tidak Setuju (STS) 1
2. Tidak Setuju (TS) 2
3. Kurang Setuju (KS) 3
4. Setuju (S) 4
5. Sangat Setuju (SS) 5
Teknologi
Kualitas Sistem (SQ)
Bagaimana faktor Kualitas Sistem pada aplikasi SIMRS mempengaruhi keberhasilannya?
No INDIKATOR STS
1
TS
2
KS
3
S
4
SS
5
1 Sistem telah memiliki keakuratan data dan sesuai dengan
kebutuhan saya
2 Sistem memiliki tampilan yang sederhana dan ringan
3 Sistem dapat dipelajari dengah mudah oleh saya
4 Sistem dapat dengan mudah diakses oleh saya
5 Sistem telah menghubungkan sub bagian satu dengan bagian
lainnya
6 Sistem tidak memerlukan waktu yang lama dalam mengakses
informasi yang diinput
Kualitas Informasi (IQ)
Bagaimana faktor Kualitas Informasi pada aplikasi SIMRS mempengaruhi keberhasilannya?
No INDIKATOR STS
1
TS
2
KS
3
S
4
SS
5
7 Sistem menampilkan informasi yang relevan dengan data yang
diinput
8 Sistem memiliki informasi yang berguna bagi saya
9 Sistem menampilkan informasi yang singkat, padat dan jelas
10 Informasi yang diberikan sistem terpercaya
11 Informasi yang diberikan sistem sudah up to date
Kualitas Layanan (SEQ)
Bagaimana faktor Kualitas Layanan pada aplikasi SIMRS mempengaruhi keberhasilannya?
No INDIKATOR STS
1
TS
2
KS
3
S
4
SS
5
12 Layanan sistem sudah memiliki dukungan teknis sesuai
fungsinya
13 Sisten merespon dengan cepat
14 Sistem telah memiliki jaminan perlindungan dalam mengelola
sistem
L5
Manusia
Pengembangan Sistem (SD)
Bagaimana faktor Pengembangan Sistem pada aplikasi SIMRS mempengaruhi keberhasilannya?
No INDIKATOR STS
1
TS
2
KS
3
S
4
SS
5
15 Melakukan perencanaan terhadap pengembangan sistem
16 Proyek manajemen sangat mendukung pengembangan sistem
17 Menentukan waktu dalam proyek pengembangan sistem
18 Menerapkan strategi Teknologi Informasi dalam
pengembangan sistem
Penggunaan Sistem (SU)
Bagaimana faktor Penggunaan Sistem pada aplikasi SIMRS?
No INDIKATOR STS
1
TS
2
KS
3
S
4
SS
5
19 Perilaku yang baik dapat mempengaruhi kelancaran sistem
20 Pelatihan dapat mendukung penggunaan sistem
21 Sistem digunakan sesuai dengan pekerjaan saya
22 Sistem telah digunakan secara rutin oleh saya
23 Sistem berjalan sesuai dengan keinginan dan motivasi yang
saya miliki
24 Saya dapat dengan mudah menerima sistem dengan baik
Kepuasan Pengguna (US)
Bagaimana faktor Kepuasan Pengguna pada aplikasi SIMRS mempengaruhi keberhasilannya?
No INDIKATOR STS
1
TS
2
KS
3
S
4
SS
5
25 Saya merasa puas dengan sistem secara keseluruhan
26 Saya merasakan manfaat dari sistem
27 Saya puas dengan fungsi yang ada dalam sistem
Organisasi
Struktur Organisasi (STR)
Bagaimana faktor Struktur Organisasi pada aplikasi SIMRS mempengaruhi keberhasilannya?
No INDIKATOR STS
1
TS
2
KS
3
S
4
SS
5
28 Sistem memiliki dukungan dari top manajemen dalam
penerapan sistem
29 Sistem didukung dengan kepemimpinan organisasi secara
maksimal
30 Sistem didukung oleh sumber daya manusia yang saling
berkerja sama dalam penerapannya
31 Penggunaan SIMRS menjadikan strategi organisasi di RSIA
Grand Family menjadi lebih baik
32 Susunan kepegawaian sudah baik dalam pengelolaan sistem
L6
33 Sistem dapat menyimpan dan mengelola pengetahuan
karyawan sehingga perusahaan tetap berjalan dengan baik
dalam situasi apapun
Lingkungan Organisasi (EVR)
Bagaimana faktor Lingkungan Organisasi pada aplikasi SIMRS mempengaruhi keberhasilannya?
No INDIKATOR STS
1
TS
2
KS
3
S
4
SS
5
34 Kebijakan pemerintah terdapat pada organisasi
35 Penerapan sistem menjadikan politik organisasi di RSIA
Grand Family menjadi lebih meningkat
36 Kondisi lingkungan internal organisasi berpengaruh pada
penerimaan sistem
Manfaat (NB)
Bagaimana faktor Kebermanfaatan pada aplikasi SIMRS mempengaruhi keberhasilannya?
No INDIKATOR STS
1
TS
2
KS
3
S
4
SS
5
37
Penerapan SIMRS dapat menbantu melakukan pekerjaan saya
sehari – hari.
38 Sistem dapat meningkatkan produktivitas pekerjaan saya
39 Sistem dapat mengurangi beban kerja saya
40 Sistem dapat membantu pencapaian tujuan dengan efektif
41 Sistem membantu membuat keputusan dalam tiap kondisi
42 Sistem membantu saya menurunkan tingkat kesalahan saya
dalam melakukan pekerjaan saya.
43 Sistem dapat mengurangi biaya pengeluaran menjadi lebih
efisien.
L7
Lampiran 2
Hasil Data Pre-Test
L8
Hasil Analisis Model Pengukuran (Outer Model) pra test 30 responden
L9
Dengan Melihat nilai outer loading pada tabel dibawah ini, semua indikator
mempuanya nilai outer loading diatas 0,5.
Indikator EVR IQ NB SD SEQ SQ STR SU US
EVR1 0.817
EVR2 0.959
EVR3 0.949
IQ1 0.722
IQ2 0.826
IQ3 0.892
IQ4 0.751
IQ5 0.533
NB1 0.733
NB2 0.749
NB3 0.905
NB4 0.905
NB5 0.882
NB6 0.809
NB7 0.793
SD1 0.876
SD2 0.712
SD3 0.866
SD4 0.796
SEQ1 0.798
SEQ2 0.860
SEQ3 0.873
SQ1 0.876
SQ2 0.770
SQ3 0.877
SQ4 0.911
SQ5 0.843
SQ6 0.845
STR1 0.842
STR2 0.833
STR3 0.812
STR4 0.799
L10
STR5 0.804
STR6 0.914
SU1 0.761
SU2 0.861
SU3 0.941
SU4 0.888
SU5 0.566
SU6 0.693
US1 0.931
US2 0.904
US3 0.929
Selain itu dapat dilihat melalui nilai CR semuanya berada diatas 0,7 dan
nilai AVE semuanya berada diatas 0,5, sebagaimana dapat dilihat pada Tabel
berikut:
Variabel Composite Reliability
Environment Organization 0.936
Information Quality 0.874
Net Benefits 0.938
System Development 0.936
Service Quality 0.887
System Quality 0.881
Structure Organization 0.942
System Use 0.910
User Satisfaction 0.944
Variabel Average Variance
Extracted (AVE)
Environment Organization 0.829
Information Quality 0.586
Net Benefits 0.685
System Development 0.711
Service Quality 0.664
L11
System Quality 0.713
Structure Organization 0.730
System Use 0.632
User Satisfaction 0.849
Diuji melalui analisis perbandingan cross loading dengan nilai kuadrat
AVE juga telah memenuhi syarat, sebagai berikut:
Variabel EVR IQ NB STR SD SEQ SQ SU US
EVR 0.911
IQ 0.017 0.766
NB 0.298 0.532 0.828
STR 0.308 0.397 0.470 0.843
SD 0.321 0.366 0.315 0.395 0.815
SEQ 0.250 0.339 0.539 0.147 0.689 0.844
SQ 0.259 0.460 0.466 0.180 0.433 0.558 0.855
SU 0.037 0.157 -0.158 0.170 -0.208 -0.374 -0.100 0.795
US 0.297 0.578 0.616 0.451 0.461 0.506 0.559 0.099 0.921
Penlitian ini memiliki 43 indikator yang seluruhnya memiliki nilai outer
loading diatas 0,5, dengan 3 indikator nilai berada diantara 0,5 - 0,7 yaitu IQ5,
SU5 dan SU6. Namun indikator tersebut tetap dipertahankan karena loading factor
> 0,5 telah dianggap signifikan secara praktikal (Adipraja et al., 2015; Ghozali,
2014)). Selain itu berdasarkan nilai, CR, AVE dan cross loading juga telah
memenuhi syarat sehingga indikator pertanyaan ini dianggap sudah memenuhi
syarat untuk digunakan sebagai instrument penelitian.
L12
Lampiran 3
Hasil Wawancara
L13
LAMPIRAN WAWANCARA
Wawancara 1
Hari/Tanggal : Selasa, 2 Januari 2018
Narasumber : dr. Robi
Jabatan : Direktur Medis
Hasil Wawancara
Penulis : Mulai sejak kapankah SIMRS diterapkan di RSIA
Grand Family?
dr. Robi : Mulai dari awal berdirinya RSIA Grand Family yaitu
tahun 2014
Penulis : Bagaimana penerapan SIMRS yang ada saat ini di
RSIA Grand Family?
dr. Robi : Saat ini SIMRS diterapkan di segala bidang
pelayanan kesehatan rumah sakit baik divisi medis
maupun non medis guna meningkatkan mutu
pelayanan rumah sakit.
Penulis : Berapa jumlah pegawai RSIA Grand Family secara
keseluruhan?
dr.Robi : Ada 292 pegawai, namun yang menggunakan
SIMRS tidak semua pegawai, hanya sekitar 120 orang
pegawai.
Penulis : Apa sajakah pelayanan yang menggunakan SIMRS ?
L14
Dr. Robi : Semua layanan mulai dari pendaftaran sampai
dengan pembayaran menggunakan SIMRS dan
aktivitas RSIA Grand Family.
L15
LAMPIRAN WAWANCARA
Wawancara 2
Hari/Tanggal : Selasa, 9 Januari 2018
Narasumber : Mr.X
Jabatan : Ka Unit IT
Hasil Wawancara
Penulis : Menurut Anda apa fungsi SIMRS ?
Mr. X : SIMRS merupakan sistem informasi yang
ditujukan untuk mengatur segala data di rumah sakit
RSIA Grand Family
Penulis : Bagaimana penerapan SIMRS yang ada di RSIA
Grand Family?
Mr. X : Penerapannya masih dinilai cukup lumayan karena
ada kelebihan dan
kekurangan yang perlu ditambah
Penulis : Hal apa saja yang perlu ditambahkan di SIMRS
tersebut?
Mr. X : Hal yang perlu ditambahkan adalah server untuk
menambah penampungan data, infrastruktur seperti
upgrade RAM dan windows yang mesti dilengkapi,
SDM yang harusnya diberi pelatihan
Penulis : Bagaimana kondisi di lingkungan dan sumber daya
yang mendukung SIMRS di rumah sakit ini?
L16
Mr. X : Kondisi lingkungan khususnya di bidang IT perlu
adanya penambahan support IT dan perlu adanya
pelatihan internal secara komprehensif di rumah
sakit tersebut.
L17
LAMPIRAN WAWANCARA
Wawancara 3
Hari/Tanggal : Rabu, 10 Januari 2018
Narasumber : Mrs. Y
Jabatan : Perawat
Hasil Wawancara
Penulis : Mba Mrs. Y mulai kapan sudah menggunakan
aplikasi simrs
Mrs. Y : saya menggunakan simrs mulai dari tahun 2014
Penulis : Apa yang Anda ketahui tentang SIMRS RSIA
Grand Family?
Mrs. Y : SIMRS RSIA Grand Family merupakan aplikasi
yang digunakan pegawai rumah sakit untuk
membantu aktivitas manajemen pegawai dan
layanan kesehatan kepada pasien
Penulis : Apakah SIMRS ini masih memiliki kendala?
Mrs. Y : SIMRS ini masih ada masalah seperti jaringan
internet, aplikasi yang mengalami down
akibat penumpukan data
Penulis : Apa sajakah kendala yang Anda rasakan?
Mrs. Y : Terkadang saya tidak dapat mengakses aplikasi
walaupun saya sudah punya hak izin akses,
akun saya tidak dapat dibuka di semua komputer
hanya sebagian .
Penulis : Lalu apa yang dilakukan untuk mengatasinya?
L18
Mrs. Y : sementara saya menggunakan akun teman saya
untuk mengakses SIMRS untuk menginput
data atau melihat status pasien
Penulis : Adakah kendala lain yang Anda alami?
Mrs. Y : sistem belum teritegrasi secara baik seperti operan
shift kerja yang tidak digunakan dalam
sistem
Penulis : Lalu bagaimana operan shift kerja di RSIA Grand
Family?
Mrs. Y : Untuk saat ini masih menggunakan laporan
manual yang kadang dapat menimbulkan
salah komunikasi, harapan saya semua jenis
pelaporan bisa terintegrasi secara
menyeluruh dan setuju perlu adanya evaluasi
untuk menambahkan kekurangan yang ada.
L19
Lampiran 4
Surat-Surat Pendukung