HRIS sangat penting bagi organisasi. Menurut (Kavanagh & Johnson, 2017), ada tiga cara utama HRIS dalam menambah nilai dari HR dan organisasi, yaitu dengan cara mengotomasi proses di organisasi. Dengan otomasi proses dapat menjadikan aktivitas HR menjadi lebih efisien. Cara kedua adalah dengan memberikan informasi yang akurat dan terkini sehingga Manajer HR dapat membuat kebijakan yang lebih baik. Cara ketiga adalah dengan memberikan lebih banyak informasi, merubah praktek HR dan mengurangi waktu yang dibutuhkan untuk melakukan kegiatan HR, sehingga HR dapat lebih fokus dalam mewujudkan misi organisasi (Fatinah, 2022).

Berdasarkan manfaat HRIS bagi organisasi, banyak organisasi dan Perusahaan yang mengimplementasikan HRIS (Rismawan, 2017). Begitu pula dengan Kementerian Ketenagakerjaan. Dikutip dari laman kemnaker.go.id, pada tanggal 29 Juni 2022 di Jakarta, Menteri Ketenagakerjaan, Ida Fauziyah meluncurkan aplikasi digital kepegawaian, yaitu sistem aplikasi e-performance, e-mutasi, Layanan Kepegawaian Mandiri (LKM), dan Sistem Informasi Manajemen Talenta (Si-Mantel). Peluncuran ini dimaksudkan untuk mendukung transformasi organisasi dan sumber daya manusia aparatur Kementerian Ketenagakerjaan. Transformasi ini dimaksudkan untuk mewujudkan good governance yang tangguh, tanggap terhadap perubahan, responsif untuk mencapai kinerja maksimal serta penyelenggaraan pelayanan publik yang prima.

Menindaklanjuti peluncuran aplikasi digital kepegawaian, Sekretaris Jenderal Kementerian Ketenagakerjaan menerbitkan Nota Dinas bernomor 1/425/KP.08.03/VII/2022. Nota Dinas tersebut menyatakan bahwa sebagai antarmuka dalam penilaian kinerja pegawai pada aplikasi e-performance dan pemetaan pegawai pada aplikasi SI-MANTEL adalah aplikasi e-presensi yang sudah digunakan di Kementerian Ketenagakerjaan. Dalam Nota Dinas itu juga disebutkan bahwa aplikasi e-presensi berisi laporan kegiatan/aktivitas harian pegawai dengan kewajiban melampirkan bukti/dokumen yang dihasilkan pegawai pada setiap harinya. Laporan kegiatan/aktivitas harian pegawai berbasis pada Indikator Kinerja Individu dengan aspek kuantitas/kualitas/waktu/biaya dan target yang ditetapkan.

Sebagai aplikasi yang akan digunakan sebagai antarmuka pada aplikasi lainnya, perlu dilakukan evaluasi terhadap aplikasi e-presensi. (Diana, 2014) menyatakan bahwa evaluasi pada sistem dilakukan untuk melihat sejauh mana sistem dapat befungsi dengan baik serta dapat memenuhi kebutuhan pengguna. Proses evaluasi ini dapat dilakukan dengan melihat tingkat kesuksesan dari aplikasi e-presensi. Keberhasilan penggunaan HRIS / HRIS success didefinisikan sebagai pencapaian tujuan organisasi dan pengguna setelah menggunakan HRIS (Al-Shibly, 2011). Hal ini mencakup semua manfaat dan dampak yang ditimbulkan dari penggunaan HRIS (Sari, 2019). Begitu pula dengan aplikasi e-presensi, tingkat keberhasilan aplikasi ini dapat dilihat dari semua manfaat serta dampak penggunaannya (Sholehah, 2015).

Hasil penelitian yang dilakukan (Al-Shibly, 2011) menyatakan bahwa HRIS user’s satisfaction / kepuasan pengguna HRIS memberikan kontribusi signifikan terhadap keberhasilan HRIS / HRIS success. Semakin tinggi kepuasan pengguna HRIS maka semakin tinggi pula tingkat keberhasilan penggunaan HRIS (Choirinisa & Ikhwan, 2022).

Berdasarkan data dan penjelasan tersebut maka peneliti merasa perlu untuk melakukan penelitian berjudul “Keberhasilan Aplikasi E-Presensi Melalui Kepuasan Pengguna Beserta Faktor Yang Mempengaruhinya.”

Penelitian terkait kesuksesan Sistem Informasi sudah pernah dilakukan sebelumnya. (Hari, 2016) melakukan penelitian berjudul “Analisa Kesuksesan E-Government Menggunakan Success Model’s Delone and Mclean (Studi Kasus: Pemerintah Kota Pekalongan)”. Hasil penelitian menunjukkan bahwa implementasi e-Government pada pemerintah kota Pekalongan belum terlaksana dengan baik. Hal ini bisa dilihat dari adanya beberapa faktor yang tidak mempengaruhi faktor lain seperti seharusnya, misalnya kualitas layanan tidak mempengaruhi penggunaan sistem dan penggunaan sistem tidak mempunyai pengaruh positif signifikan terhadap net benefit.

Penelitian sejenis lainnya adalah penelitian yang dilakukan oleh (Fanida & Paulina, 2021). Mereka melakukan penelitian berjudul “Pengaruh Information Quality, System Quality, dan Usefulness Terhadap Kinerja Sumber Daya Manusia melalui Human Resource Information System (HRIS) Succes Pada Masa Pandemi Covid19 (Studi Pada PT Bank Ganesha Tbk). Hasil penelitian menunjukkan bahwa kualitas informasi berpengaruh negatif signifikan terhadap keberhasilan HRIS, sistem kualitas tidak berpengaruh terhadap keberhasilan HRIS, kegunaan berpengaruh positif signifikan terhadap keberhasilan HRIS, keberhasilan HRIS tidak berpengaruh terhadap kinerja, kualitas informasi berpengaruh negatif signifikan terhadap kinerja melalui keberhasilan HRIS, kualitas sistem menghasilkan berpengaruh positif signifikan langsung terhadap kinerja, serta kegunaan berpengaruh positif signifikan terhadap kinerja melalui HRIS Success.

Terkait evaluasi kinerja HRIS, penelitian yang dilakukan oleh (Pertiwi & Yulianingsih, 2020) dapat menjadi rujukan. Mereka melakukan penelitian berjudul “Peneraapan Model HOT Fit pada Evaluasi Kinerja Human Resources Information System (HRIS) di KPKNL Palembang”. Hasil penelitian menunjukkan bahwa lingkungan organisasi memberikan pengaruh terbesar pada keberhasilan penerapan HRIS di KPKNL Palembang.

Berbeda dengan penelitian sebelumnya, penelitian ini dilakukan untuk melihat faktor apa saja yang mempengaruhi keberhasilan aplikasi e-presensi di unit kerja Kementerian Ketenagakerjaan, yaitu Politeknik Ketenagakerjaan dan PPSDM Kementerian Ketenagakerjaan. Model yang dipakai adalah model yang juga dipakai (Al-Shibly, 2011) pada penelitiannya. Berdasarkan model Shilby, Perceived HRIS System Quality, Perceived HRIS Information Quality, Perceived HRIS Ease of Use, dan Perceived HRIS Usefulness berpengaruh terhadap HRIS user satisfaction yang pada akhirnya mempengaruhi HRIS Success.

Adapun hipotesis yang diajukan pada penelitian ini adalah sebagai berikut:

H1: Kualitas Sistem berpengaruh positif dan signifikan terhadap Kepuasan Pengguna

H2: Kualitas Informasi berpengaruh positif dan signifikan terhadap Kepuasan Pengguna

H3: Kemudahan Penggunaan berpengaruh positif dan signifikan terhadap Kepuasan Pengguna

H4: Kebermanfaatan berpengaruh positif dan signifikan terhadap Kepuasan Pengguna

H5: Kepuasan Pengguna berpengaruh positif dan signifikan terhadap Keberhasilan Aplikasi

Metode Penelitian

Penelitian dilakukan di dua tempat, yaitu Politeknik Ketenagakerjaan serta Pusat Pengembangan Sumber Daya Manusia Ketenagakerjaan (PPSDM Ketenagakerjaan). Pelaksanaan penelitian mulai dari Bulan Juli sampai dengan Bulan Desember 2022.

Data yang digunakan dalam penelitian ini adalah data primer dan data sekunder. Data primer diperoleh melalui survei dengan menyebarkan kuesioner kepada ASN di lingkungan Politeknik dan PPSDM Ketenagakerjaan. Data sekunder diperoleh dari literatur dan referensi pendukung lainnya dalam bentuk buku, internet, dan laporan penelitian terkait.

Populasi dalam penelitian ini adalah seluruh ASN di lingkungan Politeknik dan PPSDM Ketenagakerjaan yang berjumlah 77 orang. Karena jumlah populasi kurang dari 100 orang maka keseluruhan populasi tersebut akan dijadikan sebagai sampel penelitian. Jadi sampel penelitian ini berjumlah 77 orang.

Komposisi jumlah populasi dapat dijabarkan sebagai berikut

Tabel 1. Komposisi jumlah sampel

Nomor	Lokasi	Jumlah Populasi
1	Politeknik Ketenagakerjaan	25
2	PPSDM Ketenagakerjaan	52
	Total	77

Sumber: Data diproses, 2022

Sebelum kuesioner disebarkan kepada responden, perlu terlebih dahulu menguji validitas dan reliabilitas kuesioner tersebut. Pengujian validitas dilakukan untuk mengetahui sejauh mana kuesioner dapat mengukur apa yang ingin diukur. Kuesioner dianggap valid jika nilai validitas lebih besar atau sama dengan 0,3. Adapun perhitungan uji validitas menggunakan rumus korelasi product moment sebagai berikut (Sunarto, 2014):

Keterangan:

: koefisien korelasi antara ariable X dan Y

N : jumlah responden

X : skor item

Y : skor total

Pengujian reliabilitas dilakukan untuk mengetahui tingkat keandalan dan konsistensi kuesioner ketika diujikan berulang. Pengujian reliabilitas menggunakan perhitungan Cronbach’s Alpha di mana jika koefisiennya lebih besar atau sama dengan 0,6 maka kuesioner dinyatakan ariable. Berikut merupakan rumus perhitungan Cronbach’s Alpha:

Keterangan:

: koefisien reliabilitas

k : banyaknya butir pertanyaan

: ragam skor butir pertanyaan ke-j (j=1,2,3…p)

: ragam skor total

Setelah kuesioner disebarkan kepada responden, dilakukan analisis statistika deskriptif untuk memperoleh gambaran umum mengenai karakteristik responden yaitu ASN di lingkungan Politeknik dan PPSDM Ketenagakerjaan. Pengolahan statistika deskriptif menggunakan software Microsoft Excel 2013. Analisis Structural Equational Modelling-Partial Least Square (SEM-PLS) dilakukan untuk mengidentifikasi ariab – ariab yang mempengaruhi kesuksesan aplikasi e-presensi. Analisis SEM-PLS menggunakan software SmartPLS 4.

Pada penelitian ini, SEM-PLS digunakan untuk menganalisis pengaruh kepuasan pengguna (user satisfaction) yang diukur melalui dimensi kualitas ariab (system quality), kualitas informasi (information quality), kemudahan penggunaan (ease of use), dan kegunaan (usefulness) terhadap keberhasilan aplikasi e-presensi di Politeknik dan PPSDM Ketenagakerjaan. User satisfaction dan keberhasilan aplikasi merupakan variable yang tidak dapat diukur secara langsung (laten).

Model pada penelitian ini dibangun dari variabel laten eksogen dan endogen berdasarkan model penelitian yang digunakan Shibly di tahun 2011. Bentuk model pengukuran pada penelitian ini tersaji dalam Gambar 1.

Gambar 1. Kerangka Pemikiran Penelitian

Sumber: (Al-Shibly, 2011)

Secara lebih lengkap, variebel laten dan variable lain pada penelitian ini tersaji pada Tabel 2 berikut.

Tabel 2. Variabel Laten dan Variabel Manifes

Variabel Laten	Variabel Manifes (Atribut)	Kode
Kualitas Sistem (System Quality) (X1) (Al-Shibly, 2011)	- Keakuratan data tinggi	X1.1
	- Mengurangi penggunaan dokumen	X1.2
	- Serbaguna menangani kebutuhan yang muncul	X1.3
	- Informasi mudah diakses	X1.4
	- Mempercepat penyajian informasi terkait MSDM	X1.5
	- Menjamin keamanan data pengguna	X1.6
Kualitas Informasi (Information Quality) (X2) (Al-Shibly, 2011)	- Menyediakan informasi yang cukup	X2.1
	- Memenuhi kebutuhan pengguna	X2.2
	- Disajikan dalam bentuk laporan yang bermanfaat	X2.3
	- Informasi jelas, tepat, dan akurat	X2.4
	- Diperoleh dalam waktu yang cepat	X2.5
Kemudahan Penggunaan (Ease Of Use) (X3) (Al-Shibly, 2011)	- Mudah dipahami	X3.1
	- Mudah diakses di berbagai lokasi	X3.2
	- Dapat diakses kapan saja	X3.3
	- Mudah digunakan	X3.4
Kebermanfaatan (Usefulness) (X4) (Al-Shibly, 2011)	- Bermanfaat dalam menyelesaikan laporan tugas harian	X4.1
	- Pengguna menjadi lebih produktif	X4.2
	- Proses menjadi lebih efektif	X4.3
Kepuasan Pengguna (User Satisfaction) (X5) (Al-Shibly, 2011)	- Memiliki fitur layanan yang bermanfaat	X5.1
	- Kualitas sesuai dengan yang diharapkan	X5.2
	- Memiliki tampilan yang menarik	X5.3
	- Pengguna merasa puas	X5.4
Keberhasilan (Success) (Y1) (Al-Shibly, 2011)	- Meningkatkan kedisiplinan pegawai	Y1.1
	- Mengembangkan proses penilaian kinerja	Y1.2
	- Digunakan secara rutin	Y1.3

Pada SEM-PLS terdapat dua model yaitu outer model dan inner model. Outer model yaitu model pengukuran yang menghubungkan ariable ariable dengan ariable laten, sedangkan inner model yaitu model ariable yang menghubungkan antar ariable laten. Langkah-langkah analisis dalam SEM-PLS yaitu (Wati, 2018):

1. Merancang inner model; ari berupa teori, hasil penelitian empiris, analogi, ariable, rasional dan eksplorasi hubungan antar ariable.

2. Merancang outer model.

3. Konstruksi diagram jalur.

4. Konversi diagram jalur ke persamaan.

5. Pendugaan parameter.

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

b. Estimasi jalur (path estimate) yang menghubungkan antar ariable laten (koefisien jalur) dan antar ariable laten dengan ariable ariable (loading).

c. Berkaitan dengan means dan lokasi parameter untuk ariable dan ariable laten.

d. Metode estimasi PLS: OLS dengan teknik iterasi.

e. Interaction variable.

1. Goodness of Fit – Outer Model. Pada outer model ini, SEM-PLS menghitung convergent validity dengan refleksi ariable dinilai berdasarkan korelasi antar item score dengan construct score. Ukuran refleksif individual dikatakan tinggi jika berkorelasi lebih dari 0,7 . Namun demikian untuk penelitian tahap awal dari pengembangan skala pengukuran nilai loading 0,5 sampai 0,6 dianggap cukup. Sedangkan untuk composite reliability mengukur internal consistency dan nilainya minimal 0,6 (Ghozali, 2016).

a. Convergent dan discriminant validity

Convergent validity: nilai loading 0,5 sampai 0,6 dianggap cukup untuk jumlah ariable dari ariable laten berkisar antara 3 sampai 7.

Discriminant validity: direkomendasikan nilai Average Variance Extracted (AVE) lebih besar dari 0,5 .

adalah component loading ke ariable dan Var

b. Composite reliability

Nilai batas yang diterima untuk tingkat reliabilitas komposit ( c) adalah ≥ 0,7 walaupun bukan merupakan standar absolut.

adalah component loading ke ariable dan Var

2. Goodness of Fit – Inner Model. Inner model disebut juga inner relation, structural model, substantive theory yang menggambarkan hubungan antar ariable laten berdasarkan pada substantive theory. Model ariable dievaluasi dengan menggunakan R-Square untuk konstruk dependen. Dalam menilai model dengan SEM-PLS dapat dimulai dengan melihat R-Square untuk setiap ariable laten endogen, Interpretasinya sama dengan interpretasi pada regresi. Perubahan nilai R-Square dapat digunakan untuk menilai pengaruh ariable laten eksogen tertentu terhadap ariable laten endogen apakah memiliki pengaruh yang substansive. Hasil R-Square menunjukan indikasi baik sebesar 0,67. Model SEM-PLS juga dievaluasi dengan melihat Q-Square predictive relevance untuk model konstruk. Q-Square mengukur seberapa baik nilai observasi yang dihasilkan oleh model dan juga estimasi parameternya. Nilai Q-Square lebih besar dai nol menunjukan bahwa model mempunyai nilai predictive relevance (Ghozali, 2016). Adapun rumus Q-Square predictive relevance adalah :

– ( 1 – ) ( 1 – ) …... ( 1 – )

di mana , ….. adalah R-Square ariable endogen dalam model. Besaran memiliki nilai dengan rentang 0 < < 1, jika nilai semakin mendekati 1, maka model semakin baik.

3. Pengujian hipotesis.

Hipotesis untuk β, γ, dan 𝜆 adalah sebagai berikut (Jaya dan Sumertajaya 2008) :

· Hipotesis ariable untuk outer model adalah :

H0 : = 0 ; e = 1,2,…,32 (tidak terdapat hubungan antara ariable ariable dengan ariable laten)

H1 : ≠ 0 ; e = 1,2,…,32 (terdapat hubungan antara ariable ariable dengan ariable laten)

· Hipotesis ariable untuk inner model (pengaruh ariable laten eksogen terhadap ariable laten endogen) adalah :

H0 : = 0 ; b = 1,2,3,4 (tidak terdapat hubungan antara ariable laten eksogen dengan ariable laten endogen)

H1 : ≠ 0 ; b = 1,2,3,4 (terdapat hubungan antara ariable laten eksogen dengan ariable laten endogen)

· Hipotesis ariable untuk inner model adalah : pengaruh ariable laten endogen terhadap ariable laten endogen adalah :

H0 : = 0 (tidak terdapat hubungan antara ariable laten endogen dengan ariable laten endogen)

H1 : ≠ 0 (terdapat hubungan antara ariable laten endogen dengan ariable laten endogen)

Ketika nilai |t-hitung| yang diperoleh lebih besar dari 1,96 maka disimpulkan signifikan. SEM-PLS tidak mengasumsikan data berdistribusi normal sehingga menggunakan teknik resampling dengan metode bootstrap.

Hasil dan Pembahasan

Setelah proses pengambilan data, dari 77 populasi yang direnacanakan menjadi sampel penelitian, hanya 47 responden yang memberian umpan balik, sehingga sampel penelitian ini berjumlah 47 orang. Adapun dari kuesioner yang sudah diisi dapat dipetakan karakteristik responden penelitian ini sebagai berikut:

Tabel 3. Karakteristik Responden

No		Karakteristik Responden	Persentase
1	Jenis Kelamin	Laki-laki;	45%
		Perempuan;	55%
2	Usia	20 - 30 tahun;	9%
		31 - 40 tahun;	45%
		41 - 50 tahun;	23%
		> 50 tahun;	23%
3	Pendidikan	SMA/Sederajat;	2%
		DIII/Sarjana Muda;	2%
		S1;	30%
		S2;	62%
		S3;	4%
4	Masa Kerja	1 - 5 tahun;	23%
		6 - 10 tahun;	4%
		11 - 15 tahun;	32%
		16 - 20 tahun;	17%
		21 - 25 tahun;	2%
		26 - 30 tahun;	6%
		> 30 tahun;	15%

Sumber: Data diproses, 2022

Responden penelitian ini didominasi oleh perempuan, yaitu sebesar 55%, sisanya 45% merupakan laki-laki. Dari sisi usia, responden didominasi usia 31 – 40 tahun sebesar 45%, usia lebih dari 41 tahun sebesar 23%, dan untuk usia 20 – 30 tahun hanya sebesar 9%. Dari segi pendidikan, responden kebanyakan berpendidikan S2, yaitu sebesar 62%, sisanya berpendidikan S1 sebesar 30%, S3 sebesar 4%, dan SMA serta DIII/Sarjana Muda sama-sama sebesar 2%. Untuk masa kerja responden cukup beragam, dari yang persentase terbesar ke terkecil adalah selama 11 – 15 tahun sebesar 32%, 1 – 5 tahun sebesar 23%, 16 – 20 tahun sebesar 17%, > 30 tahun sebesar 15%, 26 – 30 tahun sebesar 6%, 6 – 10 tahun sebesar 4%, dan yang presentase terkecil adalah untuk masa kerja 21 – 25 tahun sebesar 2%.

Pengujian reliabilitas dan validitas dalam penelitian ini dilakukan dengan pengujian outer model. Proses diawali dengan pembuatan model penelitian pada software SEM-PLS lalu dilihat nilai loading factor dari setiap variabel manifes yang digunakan pada penelitian ini. Loading factor menunjukkan kelayakan dari indikator penelitian. Pada penelitian ini ada variabel yang memiliki loading factor kurang dari 0.5. Variabel tersebut adalah X1.2 dan Y1.3. Proses selanjutnya dilakukan respesifikasi model penelitian, yaitu menghilangkan kedua variabel tersebut lalu mengecek kembali nilai liading factor. Didapatkan loading factor akhir semua diatas 0.5, sehingga dapat dikatakan model penelitian sudah layak untuk digunakan

Variabel manifes dikatakan reliabel ketika nilai Composite Reliability dan Cornbach’s Alpha di atas 0.6. Hasil pengecekan terhadap model penelitian menunjukkan bahwa nilai Composite Reliability dan Cornbach’s Alpha penelitian ini sudah lebih besar dari 0.6. Hal ini menunjukkan bahwa variabel manifes yang digunakan sudah reliabel atau konsisten dan dapat digunakan untuk mengukur konstruk latennya.

Variabel manifes valid ketika AVE (Average Variance Extracted) di atas 0.5. Pada penelitian ini dapat dilihat nilai AVE semua variabel manifes atas 0.5, sehingga variabel manifes penelitian dikatakan valid untuk mengukur variabel latennya.

Gambar 1. Model Penelitian setelah Respesifikasi

Tabel 4. Hasil Uji Validitas dan Reliabilitas

	Cronbach's alpha	Composite reliability (rho_a)	Composite reliability (rho_c)	Average variance extracted (AVE)
X1.	0.884	0.895	0.914	0.682
X2.	0.928	0.932	0.946	0.777
X3.	0.856	0.891	0.905	0.708
X4.	0.835	0.837	0.901	0.752
X5.	0.832	0.849	0.889	0.668
Y1.	0.873	0.877	0.94	0.888

Sumber: Data diproses, 2022

Pengolahan data berikutnya yang dilakukan adalah evaluasi model pengukuran (Inner Model). Pada proses ini dilakukan pengecekan nilai R Square (R²). Evaluasi model ini untuk menunjukkan kebaikan model struktural yang digunakan.

Tabel 5. Nilai R Square

	R-square
Keberhasilan (Y1)	0.628
Kepuasan Pengguna (X5)	0.776

Sumber: Data diproses, 2022

Hasil pengolahan data menunjukkan bahwa nilai R² variabel Kepuasan Pengguna sebesar 0.628 atau 62.8%. Hal ini menunjukkan bahwa variabel Kualitas Sistem, Kualitas Informasi, Kemudahan Penggunaan, dan Kebermanfaatan dapat menjelaskan variabel Kepuasan Pengguna sebesar 62.8%, sisanya sebesar 37.2% dijelaskan oleh variabel di luar model. Begitu pula dengan nilai R² variabel Keberhasilan sebesar 0.776 atau 77.6% menunjukkan bahwa variabel Kepuasan Pengguna hanya mampu menjelaskan variabel Keberhasilan sebesar 77.6%, sisanya sebesar 22.4% dijelaskan variabel lain di luar model. Berdasarkan penelitian yang dilakukan oleh Anggarini et al. (2021), terdapat pengklasifikasian nilai R², di mana R²yang berada dalam rentang 0.19 sampai dengan 0.33 masuk kategori lemah, R²yang berada dalam rentang 0.33 sampai dengan 0.67 masuk kategori moderat, sedangkan R²yang berada dalam rentang 0.67 sampai dengan 1 masuk kategori kuat. Jika dikaitkan dengan penelitian ini maka nilai R² variabel Kepuasan Pengguna masuk ke dalam kategori moderat dan nilai R² variabel Keberhasilan masuk dalam kategori kuat.

Nilai R²yang didapat dari SEM-SEM PLS dapat digunakan untuk menghitung nilai predictive relevance (Q²) dari model penelitian yang digunakan dalam penelitian ini.

Nilai predictive relevance (Q²) hasil perhitungan adalah 0.7588 atau 75.88%. Artinya model sudah mampu menjelaskan dan menggambarkan pengaruh kualitas sistem, kualitas informasi, kemudahan penggunaan, dan kebermanfaatan terhadap keberhasilan aplikasi e-presensi melalui kepuasan pengguna aplikasi tersebut.

Pengolahan data terakhir yang dilakukan adalah pengujian hipotesis model struktural. Pengujian hipotesis menggunakan SEM-PLS dilakukan dengan memperhatikan hasil analisis bootstrapping pada path coefficient yang menunjukkan seberapa besar pengaruh variabel laten eksogen terhadap variabel latel endogen atau antar variabel laten endogen.

Tabel 6. Hasil Pengujian Hipotesis

	Original sample (O)	T statistics (\|O/STDEV\|)	P values
Kualitas Sistem (X1) -> Kepuasan Pengguna (X5)	-0.298	1.621	0.053
Kualitas Informasi (X2) -> Kepuasan Pengguna (X5)	0.5	3.291	0.001
Kemudahan Penggunaan (X3) -> Kepuasan Pengguna (X5)	0.448	4.129	0
Kebermanfaatan (X4) -> Kepuasan Pengguna (X5)	0.371	2.698	0.004
Kepuasan Pengguna (X5) -> Keberhasilan (Y1)	0.792	9.849	0

Sumber: Data diproses, 2022

Yang perlu diperhatikan dalam pengujian hipotesis menggunakan SMART-PLS adalah nilai original sample, T-statistic, dan P-values. Original sample berguna sebagai koefisien regresi, menunjukkan ke arah mana pengaruh yang ditimbulkan. Nilai T-statistic dibandingkan dengan t-table, yaitu 1.96, menunjukkan signifikansi pengaruh variabel eksogen terhadap variabel endogen. Ketika T-statistic lebih besar dari t-table, maka dapat dikatakan terdapat pengaruh signifikan, sebaliknya jika T-statistic kurang dari t-table, maka pengaruh yang ditimbulkan tidak signifikan. Sedangkan nilai P-values menunjukkan apakah hipotesis diterima atau ditolak. Ketika P-values berada di bawah 0.05, maka dapat dikatakan hipotesis diterima, sebaliknya ketika P-values di atas 0.05, maka dapat dikatakan bahwa hipotesis ditolak.

Pengujian hipotesis pertama, Kualitas Sistem berpengaruh positif dan signifikan terhadap Kepuasan Pengguna. Pada tabel terlihat nilai P-values sebesar 0.053 lebih besar daripada 0.05, dapat dikatakan bahwa hipotesis ditolak atau Kualitas Sistem tidak berpengaruh signifikan terhadap Kepuasan Pengguna.

Pengujian hipotesis kedua, Kualitas Informasi berpengaruh positif dan signifikan terhadap Kepuasan Pengguna. Pada tabel terlihat P-values sebesar 0.001, lebih kecil dari 0.005, artinya terdapat pengaruh antara Kualitas Informasi dan Kepuasan Pengguna. T-statistic sebesar 3.291 lebih besar daripada t-table, terlihat bahwa pengaruh yang ditimbulkan signifikan. Original sample bernilai positif sebesar 0.5, terlihat bahwa pengaruh yang ditimbulkan ke arah positif. Keseluruhan hasil tersebut menyatakan bahwa hipotesis kedua dapat diterima, atau Kualitas Informasi berpengaruh positif dan signifikan terhadap Kepuasan Pengguna.

Pengujian hipotesis ketiga, Kemudahan Penggunaan berpengaruh positif dan signifikan terhadap Kepuasan Pengguna. Pada tabel terlihat P-values sebesar 0, lebih kecil dari 0.005, artinya terdapat pengaruh antara Kemudahan Penggunaan dan Kepuasan Pengguna. T-statistic sebesar 4.129 lebih besar daripada t-table, terlihat bahwa pengaruh yang ditimbulkan signifikan. Original sample bernilai positif sebesar 0.448, terlihat bahwa pengaruh yang ditimbulkan ke arah positif. Keseluruhan hasil tersebut menyatakan bahwa hipotesis ketiga dapat diterima, atau Kemudahan Penggunaan berpengaruh positif dan signifikan terhadap Kepuasan Pengguna.

Pengujian hipotesis keempat, Kebermanfaatan berpengaruh positif dan signifikan terhadap Kepuasan Pengguna. Pada tabel terlihat P-values sebesar 0.004, lebih kecil dari 0.005, artinya terdapat pengaruh antara Kebermanfaatan dan Kepuasan Pengguna. T-statistic sebesar 2.698 lebih besar daripada t-table, terlihat bahwa pengaruh yang ditimbulkan signifikan. Original sample bernilai positif sebesar 0.371, terlihat bahwa pengaruh yang ditimbulkan ke arah positif. Keseluruhan hasil tersebut menyatakan bahwa hipotesis keempat dapat diterima, atau Kebermanfaatan berpengaruh positif dan signifikan terhadap Kepuasan Pengguna.

Pengujian hipotesis kelima, Kepuasan Pengguna berpengaruh positif dan signifikan terhadap Keberhasilan. Pada tabel terlihat P-values sebesar 0, lebih kecil dari 0.005, artinya terdapat pengaruh antara Kepuasan Pengguna dan Keberhasilan. T-statistic sebesar 9.849 lebih besar daripada t-table, terlihat bahwa pengaruh yang ditimbulkan signifikan. Original sample bernilai positif sebesar 0.792, terlihat bahwa pengaruh yang ditimbulkan ke arah positif. Keseluruhan hasil tersebut menyatakan bahwa hipotesis kelima dapat diterima, atau Kepuasan Pengguna berpengaruh positif dan signifikan terhadap Keberhasilan.

Kesimpulan

Simpulan yang dapat diambil dari hasil penelitian ini adalah dari lima hipotesis penelitian, hanya satu hipotesis yang ditolak, yaitu Kualitas Sistem tidak berpengaruh positif dan signifikan terhadap Kepuasan Pengguna, sedangkan empat hipotesis lainnya dapat diterima. Kualitas Informasi, Kemudahan Penggunaan, Kebermanfaatan berpengaruh positif dan signifikan terhadap Kepuasan Pengguna. Kepuasan Pengguna juga berpengaruh positif dan signifikan terhadap Keberhasilan. Hal ini menunjukkan bahwa implementasi aplikasi e-presensi di PPSDM Kementerian Ketenagakerjaan dan Politeknik Ketenagakerjaan berhasil jika dilihat dari Kepuasan Pengguna aplikasi tersebut.

BIBLIOGRAFI

Al-Shibly, H. (2011). Human resources information systems success assessment: An integrative model. Australian Journal of Basic and Applied Sciences, 5(5), 157–169.

Biki, S. B., Mendo, A. Y., & Hilala, E. (2021). Kesuksesan Implementasi Sap Human Resource Information System (Hris) Di Industri Otomotif Sunter Jakarta Utara. NUSANTARA: Jurnal Ilmu Pengetahuan Sosial, 8(7), 2430–2436.

Choirinisa, A. A., & Ikhwan, K. (2022). Pengaruh Penggunaan Aplikasi Digital Terhadap Efektivitas Kerja Pegawai. Transekonomika: Akuntansi, Bisnis Dan Keuangan, 2(5), 483–492.

Diana, D. (2014). Evaluasi Penerimaan Kinerja Human Resource Information System Universitas Bina Darma. Jurnal Matriks, 16(2).

Fanida, H. P., & Paulina, P. (2021). Pengaruh Information Quality, System Quality, Dan Usefulness Terhadap Kinerja Sumber Daya Manusia Melalui Human Resource Information System (HRIS) Succes Pada Masa Pandemi Covid19 (Studi Pada PT. Bank Ganesha Tbk). Jurnal Ekonomi, Manajemen Dan Perbankan (Journal of Economics, Management and Banking), 7(3), 102–112.

Fatinah, H. N. (2022). Human Resource Information System: Fungsi, Peran, Manfaat, dan Penerapan Pada Wordpress. Applied Business and Administration Journal, 1(2).

Ghozali, I. (2016). Aplikasi Analisis multivariete dengan program IBM SPSS 23 (Edisi 8). Cetakan Ke VIII. Semarang: Badan Penerbit Universitas Diponegoro, 96.

Hari S, P. (2016). Analisa Kesuksesan E-Government Menggunakan Success Model’s Delone And Mclean (Studi Kasus: Pemerintah Kota Pekalongan). UAJY.

Kavanagh, M. J., & Johnson, R. D. (2017). Human resource information systems: Basics, applications, and future directions. Sage Publications.

Pertiwi, B., & Yulianingsih, E. (2020). Peneraapan Model HOT Fit pada Evaluasi Kinerja Human Resources Information System (HRIS) di KPKNL Palembang. Jurnal Pengembangan Sistem Informasi Dan Informatika, 1(2), 119–127.

Rismawan, R. (2017). Penggunaan HRIS dalam Meningkatkan Keunggulan Kompetitif Perusahaan.

Sari, A. P. (2019). Pengukuran keberhasilan penerapan sistem Institutional repository di UIN Syarif Hidayatullah Jakarta menggunakan human organization technology (hot) fit model. Fakultas Sains dan Teknologi Universitas Islam Negeri Syarif Hidayatullah ….

Sholehah, R. (2015). Implementasi Sistem Informasi Manajemen SDM: Studi pada PT PLN (Persero) Malang. Universitas Islam Negeri Maulana Malik Ibrahim.

Sulastri, H. (2017). Strategi it dalam human resource information system (hris) untuk mencapai strategi green it. Jurnal Rekayasa Sistem & Industri (JRSI), 4(02), 199–204.

Sunarto, R. dan. (2014). Pengantar Statistika untuk Penelitian Pendidikan, Sosial, Ekonomi, Komunikasi, dan Bisnis. Alfabeta Bandung.

Copyright holder:

Ni Luh Putu Nia Angraeni, Christina Amanda (2024)

First publication right:

Syntax Literate: Jurnal Ilmiah Indonesia

This article is licensed under:

Ni Luh Putu Nia Angraeni^1*, Christina Amanda²

Politeknik Ketenagakerjaan, Jakarta, Indonesia

Email: [email protected]^1*, [email protected]²

Abstrak

Ni Luh Putu Nia Angraeni1*, Christina Amanda2

Politeknik Ketenagakerjaan, Jakarta, Indonesia

Email: [email protected]1*, [email protected]2

Abstrak

Ni Luh Putu Nia Angraeni^1*, Christina Amanda²

Email: [email protected]^1*, [email protected]²