Syntax Literate: Jurnal Ilmiah
Indonesia p�ISSN: 2541-0849 e-ISSN: 2548-1398
Vol. 7, No. 6, Juni 2022
ANALISIS
FAKTOR-FAKTOR YANG MEMPENGARUHI PENGGUNAAN SISTEM MANAJEMEN PENGETAHUAN OLEH
PEGAWAI SEKTOR PUBLIK: MENGGUNAKAN MODEL UTAUT
Ahmad Zaky, Retno Kusumastuti
Fakultas Ilmu Administrasi Universitas Indonesia, Indonesia
Email: [email protected], [email protected]
Abstrak
Penelitan ini bertujuan untuk mengetahui faktor-faktor apa saja yang mempengauhi
penerimaan dan penggunaan sistem manajemen pengetahuan pada Badan Pendidikan dan Pelatihan
Keuangan (BPPK). Model Unified Theory of Acceptance and Use of Technology (UTAUT) digunakan untuk menganalisis faktor-faktor yang mempengaruhi pegawai BPPK dalam menggunakan sistem manajemen pengetahuan. Penelitian ini menggunakan metode kuantitatif, dengan populasi penelitan adalah pegawai BPPK yang telah mengikuti e-learning manajemen
pengetahuan. Pengumpulan
data menggunakan metode
survey dengan instrumen penelitiannya adalah kuesioner. Kuesioner yang dikembalikan dan lengkap diisi oleh responden adalah sebanyak 156. Hasil penelitian menunjukan bahwa faktor effort expectancy, social
influence dan facilitating condition secara
statistik mempengaruhi behavior intention dan use behavior karena memiliki
nilai signifikansi <
0,05 dan t-statistik > 1,96, sedangkan
faktor performance expectancy tidak terbukti mempengaruhi penggunaan sistem manajemen pengetahuan. Sehingga faktor-faktor yang mempengaruhi pegawai BPPK dalam menggunakan sistem manajemen pengetahuan adalah kemudahan dalam menggunakan dan mempelajari sistem manajemen pengetahuan, pengaruh dan rekomendasi dari orang-orang disekitar pegawai dan adanya dukungan teknis dalam penggunaan sistem manajemen pengetahuan.
Kata kunci: Pengaruh Sistem; Manajemen; Pegawai; Medel Utaut.
Abstract
This study aims to determine factors that influence the acceptance and
use of the knowledge management system at the Financial Education and Training
Agency (BPPK). The Unified Theory of Acceptance and Use of Technology (UTAUT)
model is used to analyze the factors that influence BPPK employees in using the
knowledge management system. This study uses a quantitative method, with the
research population was BPPK employees who have participated in knowledge
management e-learning. Data collected by a survey method with questionnaire as
a research instrument.� The number of
data that has been succesfully collected are 156. The
results showed that the effort expectancy, social influence and facilitating
condition factors statistically influenced behavior intention and use behavior
because they had a significance value of < 0.05 and t-statistics > 1.96,
while the performance expectancy factor is not proven to affect the use of knowledge
management systems. So that the factors that influence BPPK employees in using
the knowledge management system are the ease of using and studying the
knowledge management system, the influence and recommendations of the people
around the employees and the existence of technical support in the use of the
knowledge management system.
Keywords: Influence Management
System; Employee; Medel Utaut.
Pendahuluan
Kehidupan suatu
organisasi sangat dinamis mengikuti perkembangan yang terjadi pada lingkungan internal maupun eksternal organisasi. Perkembangan tersebut membuat organisasi harus selalu beradaptasi dengan cepat agar bisa bertahan. Pada era pandemi covid-19 seperti sekarang ini, faktor
lingkungan ekternal sangat mempengaruhi eksistensi organisasi salah satunya adalah adaptasi terhadap perubahan pola kerja dan penggunaan teknologi. Pola kerja yang berubah dari pola onsite menjadi pola online dan pola kerja anywhere, menyebabkan kurangnya interaksi antarpegawai dalam menyelesaikan suatu pekerjaan dan menyulitkan proses transfer pengetahuan
antarpegawai. Kesulitan ini terlebih lagi
dialami oleh pegawai baru, baik pegawai
yang baru mutasi kerja dari tempat
lain ataupun pegawai freshgraduate.
Salah satu solusi dalam mengatasi
hambatan dalam transfer pengetahuan antarpegawai adalah dengan penggunaan
teknologi yaitu sistem manajemen pengetahuan. Fungsi dari sistem manajemen
pengetahuan ini adalah sebagai sarana pegawai melakukan proses manajemen pengetahuan seperti knowledge
acquisition, knowledge sharing maupun knowledge
application. Dengan adanya
sistem manajemen pengetahuan maka prosedur-prosedur kerja berupa SOP, dokumen-dokumen kerja atau pengetahuan
lain yang bersifat explicit bisa didigitalisasikan kedalam repository. Selain
itu pengetahuan-pengetahun
yang bersifat tacit yang ada
dikepala pegawai dan juga best
practice dan pengalaman dari
pegawai senior/pimpinan dapat ditangkap, dikonversi dan disimpan ke dalam repository sistem manajemen pengetahuan.
Teknologi informasi
menjadi menjadi enabler dalam proses manajemen pengetahuan seperti aquiring, creating, collating, updating, diseminating, dan capitalizing (Pandey, 2016). Teknologi infomasi yang dijadikan alat bantu dalam
mengumpulkan, menyimpan, kodifikasi dan menyebarkan pengetahuan dalam rangka menjalankan mekanisme pengelolaan pengetahuan skaligus mekanisme sosial/struktural disebut sebagai sistem manajemen pengetahuan (Becerra-Fernandez
& Sabherwal, 2015). Penggunaan
dan pemanfaatan sistem manajemen pengetahuan semakin hari semakin
vital karena perubahan pola kerja dan perubahan organisasi. Pemanfaatan sistem manajemen pengetahuan tidak hanya dibutuhkan
oleh organisasi swasta, tetapi juga oleh oranisasi publik. Pada organisasi publik, sistem manajemen pengetahuan memungkinkan organisasi untuk memelihara kemampuan dalam mengidentifikasi informasi relevan� yang dibutuhkan dalam memenuhi misi organisasi,
memperkuat olaborasi antarunit, dan menyimpan pengetahuan berharga untuk masa depan (McNabb,
2007).
Badan Pendidikan dan Pelatihan Keuangan (BPPK) merupakan unit organisasi eselon I di lingkngan Kementerian
Keuangan (Kemenkeu) yang memiliki tugas dalam pengembangan sumber daya manusia
dan pengelolaan pengetahuan.
Tugas pengelolaan pengetahuan yang dijalankan BPPK tidak hanya melingkupi
pengetahuan strategis di
level kementerian tetapi
juga melakukan pengelolaan pengetahuan di internal organisasinya.
Implementasi manajemen pengetahuan yang dilakukan BPPK mengacu pada Peraturan Menteri Keuangan (PMK) No. 226/PMK.011/2019 tentang
Manajemen Pengetahuan dan
pada prosesnya dilakukan melalui sistem manajemen pengetahuan yang diberi nama Kemenkeu
Learning Center (KLC). KLC tidak hanya bertindak sebagai wadah pengelolaan
pengetahuan tetapi juga wadah pembelajaran bagi pegawai Kemenkeu.
Dalam menjalankan
fungsinya sebagai wadah pengelolaan pengetahuan, KLC dibekali dua fitur yaitu
pusat pengetahuan dan KMS. Pengetahuan yang ada pada KLC ada yang bersifat publik maupun terbatas.
Pengetahuan yang bersifat publik bisa diakses
oleh siapa saja termasuk oleh masyarakat umum. Sedangkan yang bersiat terbatas hanya bisa diakses
dalam lingkup Kementerian atau hanya unit eselon I. KLC merupakan alat bantu dalam
proses manajemen pengetahuan
sehingga tingkat keterisian dan pemanfaatan pengetahuan tergantung dari orang/atau pegawai yang memakainya. Untuk menaikkan tingkat pemanfaatan KLC, BPPK melakukan berbagai sosialisasi dan pelatihan tentang bagaimana berbagi pengetahuan di KLC salah satunya adalah e-learning Manajemen
Pengetahuan: Dokumentasi Pengetahuan. E-learning tersebut
merupakan diselenggarakan
pada tahun 2020 dan 2021 dan wajib
diikuti oeh pegawai BPPK.
Hasil dari sosialisasi dan pelatihan terkait manajemen pengetahun yang dilakukan BPPK adalah terisinya dokumen pengetahuan pada fitur KMS di KLC yaitu sebanyak 177 pengetahuan dari 112 pegawai pada Desember 2021 (KLC, 2021). Namun jumlah tersebut hanya sekitar 9% dari jumlah pegawai
yang mengikuti e-learning Manajemen
Pengetahuan: Dokumentasi Pengetahuan yaitu sebanyak 1161 pegawai. Hal tersebut mengindikasikan rendahnya tingkat pemanfaatan atau penggunaan KLC oleh pegawai BPPK.
Berdasarkan permasalahan tersebut maka pertanyaan
penelitian yang diajukan adalah �Faktor-faktor apa saja yang mempengaruhi
pegawai BPPK dalam menggunakan sistem manajemen pegetahuan pada KLC?�
Penggunaan teknologi
sangat dipengaruhi oleh persepsi
pengguna, jika pengguna merasa bahwa teknologi tersebut dapat dipercaya dan bermanfaat baginya maka ia
akan memiliki persepsi positif terhadap penggunaannya (Hung,
Tsai, & Chuang, 2014). Bagi
pengembang sistem, informasi tentang persepsi pengguna juga berguna untuk mendapatkan
feedback terkait sistem
informasi yang dikembangkan.
Teori dan model tentang penggunaan dan penerimaan pengguna teknologi sudah banyak dikembangkan
yaitu seperti Unified
Theory of Acceptance and Use of Technology (UTAUT), Technology
Acceptance Model (TAM), dan Diffusion of Innovations Theory (DOI) (Taherdoost,
2018).
Salah satu model pengkuran penerimaan dan penggunaan teknologi yang populer adalah Unified
Theory of Acceptance and Use of Technology (UTAUT) yang dikembangkan
oleh (Venkatesh,
Morris, Davis, & Davis, 2003). Ventakatesh melakukan
review, mensintesis, dan menyatukan
teori/model penerimaan teknologi yang ada kedalam UTAUT. Depalan model penerimaan teknologi yang disatukan adalah Theory
of reasoned action, Technology Acceptance Model (TAM), Model Dan Theory
of
Planned Behavior, Model PC Utilization, Innovation Diffusion Theory,
dan Social Cognitive Theory.
UTAUT merupakan
model penerimaan dan penggunaan
teknologi yang terintegrasi.
Model-model sebelumnya memang
mampu memprediksi penggunaan teknologi, namun hanya UTAUT yang mempertimbangkan banyak moderator
sehingga mampu memberikan gambaran yang lebih komprehensif. Hasil penelitian (Venkatesh
et al., 2003) menunjukkan
bahwa kedelapan model yang diteliti akan memberikan
performa yang leih baik ketika digunakan
secara terintegrasi dari pada sendiri-sendiri. UTAUT sudah digunakan dalam penelitian empiris tentang penggunaan teknologi dengan berbagai macam latar belakang
seperti eropa, asia, amerika utara,
amerika selatan, serta asia tenggara
(Attuquayefio
& Addo, 2014).
Metode Penelitian
Penelitian ini
merupakan penelitian kuantitatif, karena permasalahan penelitian dianalisis dan dijawab berdasarkan teori yang sudah ada. Dengan
menggunakan pendekatan kuantitatif diharapkan hasil penelitian menjadi lebih valid. Ditinjau dari tujuannya,
maka penelitian ini termasuk explanatory
research karena berusaha
menjelaskan terjadinya suatu kejadian dengan menggunakan suatu hipotesis yang menjelaskan bagaimana pengaruh vaiabel independen terhadap variabel dependen dengan menguji hipotesis yang dibangun (Cooper,
Schindler, & Sun, 2006).
Pengumpulan data pada penelitian ini menggunakan teknik kuantitatif yaitu dimana data diperoleh melalui survei menggunakan instrumen kuesioner. Pertanyaan dalam kuesioner disusun berdasarkan indikator-indikator dai variabel yang diukur dan mengacu pada kuesioner yang disusun oleh (Venkatesh
et al., 2003). Pengambilan
sampel menggunakan teknik purposif
sampling karena sampel diambil hanya dari
pegawai BPPK yang telah mengikuti e-learning Manajemen Pengetahuan: Dokumentasi Pengetahuan sebagai populasi penelitian. Jumlah sampel minimal mengikuti ketentuan dari (Anderson
& Black, 2010) yaitu
berkisar antara 100 s.d. 200 responden.
Hasil pengumpulan data akan dianalisis menggunakan statistik deskriptif dan inferensial. Statistik deskriptif akan menggambarkan demografi responden. Statistik inferensial akan menglah data yang bertujuan untuk menjawab hipotesis penelitian. Analisis statistik inferensial akan menggunakan metode Structural Equation Modeling Partial Least
Squares (SEM-PLS) menggunakan program SmartPLS versi 3.2.9.
Tahapan analisis
statistik inferensial menggunakan menggunanakan SEM-PLS
adalah sebagai berikut:
1. Membuat Spesifikasi
Model Struktural
Pada tahap
ini digambarkan diagram
yang menunjukkan hubungan antara variabel laten / konstruk eksogen/independen dengan variabel endogen (dependen). Variabel disusun berdasarkan urutan dari kiri ke
kanan dengan diberikan tanda panah dari variabel
eksogen menuju variabel eksogen.
2. Membuat Spesifikasi
Model Pengukuran
Setiap konstruk
pada model struktural yang telah
dibuat disisipkan indikator/item yang mengukurnya. Arah panah dari
indikator menuju konstruk pada model pengukuran formatif sedangkan pada model pengukuran reflektif arah panah dari
kontruk menuju indikator.
3. Evaluasi Model Pengukuran
4. Evaluasi model pengukuran
akan menguji validitas dan reliabilitas instrumen penelitian. Dalam SmartPLS dapat dilakukan pengujian reliabilitas indikator, reliabilitas konsistensi internal, validitas konvergen, dan validitas diskriminan.
5. Evaluasi Model Struktural
6. Setelah model pengukuran
dinyatakan valid dan reliabel
maka langkah selanjutnya adah melakukan evaluasi terhadap model struktural. Evaluasi model struktural dilakukan dengan menilai signifikansi dan relevansi hubungan struktural. Nilai signifikansi akan menentukan apakah hipotesis diterima atau ditolak.
7. Interpretasi Hasil dan Kesimpulan
8. Hasil dari
pengujian atas hipotesis akan dibahas dengan membandingkan dengan penelitian terdahulu dan ditarik kesimpulan dalam konteks objek
penelitian.
Hasil dan Pembahasan
Demografi
Responden
Kuesioner
disebarkan melalui e-mail kepada pegawai BPPK yang telah mengikuti e-learning Manajemen Pengetahuan: Dokumentasi Pengetahuan. Pengumpulan data dilakukan selama 18 hari dari tanggal 14 s.d. 31 Maret 2022. Hasilnya adalah sebanyak 156 responden menjawab kuesioner secara lengkap dan bisa dilanjutkan ke tahap pengolahan
data. Jika dilihat dari demografi responden, maka mayoritas responden berjenis kelamin laki-laki, selain itu responden
mayoritas berusia 30-40 tahun dengan masa kerja mayoritas 11-15 tahun. Mayoritas responden menggunakan sistem manajemen pengetahuan secara sukarela.
Tabel
1
Demografi
Responden
|
Klasifikasi |
Jumlah |
Presentase |
|
|
Jenis
Kelamin |
Laki-laki |
107 |
69% |
|
Perempuan |
49 |
31% |
|
|
Usia |
<30
tahun |
17 |
11% |
|
30-40
tahun |
99 |
63% |
|
|
41-50
tahun |
15 |
10% |
|
|
>50
tahun |
25 |
16% |
|
|
Pengalaman
Kerja |
0-5 tahun |
13 |
8% |
|
6-10 tahun |
35 |
22% |
|
|
11-15 tahun |
80 |
51% |
|
|
lebih dari 15 tahun |
28 |
18% |
|
|
Alasan
Penggunaan KMS |
Sukarela |
86 |
55% |
|
Tidak
Sukarela |
70 |
45% |
|
Sumber :
Hasil olahan peneliti
Pembuatan
Spesifikasi Model Struktural
Berdasarkan kerangka teoritis penelitian maka dibuatlah model struktural awal menggunakan program SmartPLS. Model awal struktural dapat dilihat pada gambar 3. Terdapat 4 variabel independen/eksogen yaitu Performance Expectancy (PE), Effort Expectancy
(EE), Social Influence (SI), Facilitating Condition (FC)� dan
2 variabel dependen/endogen
yaitu Behavioral Intention (BI) dan Use
Behavior (UB). Variabel eksogen
diletakkan disisi kiri dan mempunyai anak panah yang mengarah pada variabel endogen.
Gambar
1.
Model Struktural Awal
Pembuatan
Spesifikasi Model Pengukuran
Model pengukuran
menunjukkan hubungan antara variabel/kontruk dengan indikator/item. Model pengukuran
pada penelitian ini menggunakan model pengukuran reflektif yaitu dimana anak panah
berasal dari konstruk menuju variabel.
Gambar
2.
Model Pengukuran
Uji Reliabilitas Indikator
Tahap
pertama dalam menguji model pengukuran reflektif adalah dengan menguji seberapa besar setiap varian indikator
bisa dijelaskan oleh kontruknya, yang diindikasikan
oleh reliabilitas indikator.
Reliabilitas indikator didapatkan jika nilai indicator loading / loading factor lebih besar dari
0,7 (Latan & Ghozali, 2012).
Indikator yang memiliki nilai indicator loading dibawah
0,7 sebaiknya dihapus.
Pada progam SmartPLS, nilai indicator loading dapat
dilihat pada matrik outer
loading sebagaimana . Hasil estimasi algoritma PLS, bahwa semua indikator memiliki nilai indicator
loading diatas 0,7 sehingga
lolos uji reliabilitas indikator.
Tabel
2.
Matrik Outer Loading
|
|
BI |
EE |
FC |
PE |
SI |
UB |
|
BI1 |
0,942 |
|
|
|
|
|
|
BI2 |
0,958 |
|
|
|
|
|
|
BI3 |
0,955 |
|
|
|
|
|
|
EE1 |
|
0,823 |
|
|
|
|
|
EE2 |
|
0,879 |
|
|
|
|
|
EE3 |
|
0,897 |
|
|
|
|
|
EE4 |
|
0,886 |
|
|
|
|
|
FC1 |
|
|
0,776 |
|
|
|
|
FC2 |
|
|
0,826 |
|
|
|
|
FC3 |
|
|
0,707 |
|
|
|
|
FC4 |
|
|
0,767 |
|
|
|
|
PE1 |
|
|
|
0,934 |
|
|
|
PE2 |
|
|
|
0,961 |
|
|
|
PE3 |
|
|
|
0,951 |
|
|
|
PE4 |
|
|
|
0,804 |
|
|
|
SI1 |
|
|
|
|
0,773 |
|
|
SI2 |
|
|
|
|
0,858 |
|
|
SI3 |
|
|
|
|
0,856 |
|
|
SI4 |
|
|
|
|
0,710 |
|
|
UB1 |
|
|
|
|
|
0,881 |
|
UB2 |
|
|
|
|
|
0,880 |
|
UB3 |
|
|
|
|
|
0,884 |
|
UB4 |
|
|
|
|
|
0,900 |
Sumber:
Hasil olahan peneliti
Uji Reliabilitas
Konsistensi Internal
Tahap
kedua dalam menguji model pengukuran reflektif adalah dengan menguji reliabilitas konsistensi
internal. Reliabilitas konsistensi
internal adalah sejauh mana
indikator-indikator yang mengukur
konstruk yang sama berhubungan atu sama lain. Salah satu ukuran dalam menguji
reliabilitas konsistensi
internal adalah menggunakan
nilai Composite Reliability dan nilai yang disarankan adalah lebih besar
sama dengan 0,7 (Hair, Sarstedt, Ringle, & Mena, 2012).
Tabel 4 menunjukkan bahwa model pengukuran lulus uji reliabilitas konsistensi internal
karena seluruh nilai�� Composite
Reliability lebih besar
sama dengan dari 0,7.
Tabel
3.
Nilai Composite Reliability
|
Composite Reliability |
|
|
BI |
0,967 |
|
EE |
0,927 |
|
FC |
0,853 |
|
PE |
0,953 |
|
SI |
0,877 |
|
UB |
0,936 |
Sumber:
Hasil olahan peneliti
Uji Validitas Konvergen
Tahap
ketiga dalam evaluasi model pengukuran reflektif adlaah uji validitas konvergen. Pengujian ni untuk
menunjukkan ahwa sebuah indikator/item berkorelasi positif dengan indikator/item alternatif untuk konstruk yang sama. Dalam mengevaluasi validitas konvergen dapat digunakan Average Variance Extracted (AVE).
AVE merupakan rata-rata loading yang dikuadratkan dari indikator-indikator konstruk, nilai AVE yang diharapkan agar terdapat validitas konvergen adalah > 0,5 (Sarstedt, Ringle, & Hair, 2017).
Hasil estimasi AVE dengan
program SmartPLS menunjukan
bahwa model pengukuran
lulus uji validitas konvergen.
Tabel
4.
Nilai Average Variance Extracted (AVE)
|
|
Average Variance Extracted (AVE) |
|
BI |
0,906 |
|
EE |
0,760 |
|
FC |
0,593 |
|
PE |
0,837 |
|
SI |
0,643 |
|
UB |
0,785 |
Sumber:
Hasil olahan peneliti
Uji Validitas Diskriminan
Validitas
diskriniman menunjukkan tingkatan seberapa besar sebuah variabel
laten benar-benar berbeda dengan variabel laten lain sebagaimana ditunjukkan penelitian empiris. Cross-Loading
merupakan pendekatan yang dilakukan dalam menilai vailidtas diskriminan. Loading sebuah
indikator pada kontruk yang
diukur seharusnya lebih besar dari
pada loading terhadap konstruk
lain (Cross-Loading). Cara terbaik dalam menilai cross-loading
adalah dengan menguggunakan matrik. Tabel 6 menunjukkan bahwa setiap konstruk
dalam model memiliki cross-loading
yang baik, sehingga model pengukuran lolos uj validitas diskriminan.
Tabel
5.
Matrik Cross Loadings
|
|
BI |
EE |
FC |
PE |
SI |
UB |
|
BI1 |
0,942 |
0,474 |
0,520 |
0,464 |
0,553 |
0,556 |
|
BI2 |
0,958 |
0,391 |
0,468 |
0,455 |
0,531 |
0,534 |
|
BI3 |
0,955 |
0,436 |
0,460 |
0,470 |
0,513 |
0,548 |
|
EE1 |
0,423 |
0,823 |
0,504 |
0,577 |
0,536 |
0,607 |
|
EE2 |
0,332 |
0,879 |
0,566 |
0,497 |
0,489 |
0,542 |
|
EE3 |
0,435 |
0,897 |
0,588 |
0,411 |
0,460 |
0,516 |
|
EE4 |
0,382 |
0,886 |
0,566 |
0,348 |
0,456 |
0,465 |
|
FC1 |
0,534 |
0,435 |
0,776 |
0,318 |
0,460 |
0,428 |
|
FC2 |
0,320 |
0,563 |
0,826 |
0,446 |
0,504 |
0,519 |
|
FC3 |
0,402 |
0,461 |
0,707 |
0,211 |
0,358 |
0,293 |
|
FC4 |
0,342 |
0,499 |
0,767 |
0,255 |
0,448 |
0,445 |
|
PE1 |
0,475 |
0,518 |
0,415 |
0,934 |
0,649 |
0,710 |
|
PE2 |
0,472 |
0,506 |
0,389 |
0,961 |
0,624 |
0,724 |
|
PE3 |
0,461 |
0,503 |
0,407 |
0,951 |
0,665 |
0,725 |
|
PE4 |
0,360 |
0,386 |
0,293 |
0,804 |
0,563 |
0,627 |
|
SI1 |
0,369 |
0,296 |
0,357 |
0,613 |
0,773 |
0,515 |
|
SI2 |
0,527 |
0,391 |
0,466 |
0,563 |
0,858 |
0,611 |
|
SI3 |
0,451 |
0,441 |
0,485 |
0,597 |
0,856 |
0,594 |
|
SI4 |
0,424 |
0,662 |
0,551 |
0,431 |
0,710 |
0,507 |
|
UB1 |
0,565 |
0,649 |
0,560 |
0,666 |
0,633 |
0,881 |
|
UB2 |
0,539 |
0,531 |
0,482 |
0,678 |
0,576 |
0,880 |
|
UB3 |
0,422 |
0,476 |
0,443 |
0,687 |
0,606 |
0,884 |
|
UB4 |
0,487 |
0,493 |
0,494 |
0,672 |
0,659 |
0,900 |
Sumber:
Hasil olahan peneliti
Evaluasi Model Struktural
Setelah melewati melewati uji validitas dan reliabilitas, tahapan berikutnya adalah melakukan evaluasi terhadap model struktural. Evaluasi tersebut untuk melihat hubungan
antara� variabel eksogen dengan variabel endogen. Pengujian yang dilakukan yaitu dengan menilai signifikansi dan relevansi hubungan model struktural serta menilai tingkat
koefisien determinasi R2.
Dalam menilai signifikansi dapat menggunakan koefisien jalur (path coefficient) maupun
nilai t dan p empiris pada metode bootstraping SEM-PLS.
Nilai koefisien jalur memiliki standardized values antara
-1 sampai +1. Nilai 1 (positif
maupun negatif) menunjukkan adanya pengaruh kuat dan signifikan secara statistik, sedangkan nilai yang mendekati 0 umumnya tidak signifikan.
Tabel 7 menunjukkan bahwa semua variabel
eksogen dari BI yitu EE, PE dan SI memiliki pengaruh yang kuat dan signifikan terhadap BI, dengan SI yang memiliki dampak paling kuat. Variabel eksogen dari UB yaitu BI dan FC juga memiliki pengaruh yang kuat dan signifikan terhadap UB, dengan BI sebagai variabel yang memiliki dampak terbesar. Sehingga hubungan antarvariabel dalam penelitian ini dapat disimpulkan
sebagai berikut:
1. Hubungan hipotesis antara BI dan UB secara statistik adalah signifikan.
2. Hubungan hipotesis antara EE dan BI secara statistik adalah signifikan.
3. Hubungan hipotesis antara FC dan UB secara statistik adalah signifikan.
4. Hubungan hipotesis antara PE dan BI secara statistik adalah signifikan.
5. Hubungan hipotesis antara SI dan BI secara statistik adalah signifikan.
Tabel
6.
Nilai Koefisien Jalur
|
|
BI |
EE |
FC |
PE |
SI |
UB |
|
BI |
|
|
|
|
|
0,388 |
|
EE |
0,179 |
|
|
|
|
|
|
FC |
|
|
|
|
|
0,366 |
|
PE |
0,146 |
|
|
|
|
|
|
SI |
0,360 |
|
|
|
|
|
|
UB |
|
|
|
|
|
|
Sumber:
Hasil olahan peneliti
Selain dari koefisien
jalur, nilai signifikansi juga tergantung standard
error yang diperoleh dengan
metode bootstrap dalam
SEM-PLS. Dengan bootstraping
akan diperoleh nilai t dan p statistik yang akan menentukan signifikansi hubungan. Pada tingkat signifikansi 5%, maka nilai t statistik
diatas 1,96 dinyatakan signifikan seara statistik dan nilai p yang dibawah 0,05 juga dinyatakan signifikan secara statistic (Sarstedt et al.,
2017). Hasil perhitungan bootstraping SEM-PLS menunjukkan
bahwa hubungan hipotesis antara P dengan BI tidak signifikan secara statistik karena memilii t statistik kurang dari 1,96 dan nilai p lebih dari
0,05, sedangkan hubungan hipotesis antara BI dengan UB, EE dengan BI, FC dengan UB, dan SI degan BI dinyatakan signifikan secara statistik.
Tabel
7.
Nilai T dan P Statistik
|
|
Original
Sample (O) |
T Statistics
(|O/STDEV|) |
P Values |
Hipotesis |
Kesimpulan |
|
BI -> UB |
0,388 |
5,267 |
0,000 |
H5 |
Diterima |
|
EE -> BI |
0,179 |
1,972 |
0,049 |
H2 |
Diterima |
|
FC -> UB |
0,366 |
4,695 |
0,000 |
H4 |
Diterima |
|
PE -> BI |
0,146 |
1,119 |
0,264 |
H1 |
Ditolak |
|
SI -> BI |
0,360 |
2,632 |
0,009 |
H3 |
Diterima |
Sumber:
Hasil olahan peneliti
Berdasarkan pengujian signifikansi dan relevansi hubungan maka didapatkan
model umum penggunaan sistem manajemen pengetahun pada BPPK dan koefisien
jalurnya adalah seperti gambar 5.
Gambar 3.
Model Penggunaan Sistem Manajemen Pengetahuan pada BPPK
Sumber:
Hasil olahan peneliti
Koefisien
determinasi R2 menunjukkan
ukuran kekuatan prediksi model. Nilai R2 memiliki
nilai dari 0 sampai dengan 1 dimana nilai yang semakin tinggi menunjukan akurasi prediksi yang semakin tinggi. (Sarstedt et al., 2017) mengelompokan nilai R2
menjadi tiga yaitu R2 sebesar 0,75 memilii kekuatan prediksi substansial, nilai R2 sebesar 0,5 memiliki kekuatan prediksi moderat dan nilai R2 sebesar 0,25 memilki kekuatan prediksi lemah. Tabel 9 menunjukkan bahwa BI dan U memiliki kekuatan prediksi yang moderat. Nilai 0,354 pada BI bisa
diartikan bahwa 35,4% variansi perubahan variabel BI dapat dijelaskan oleh variabel eksogennya sementara sisanya dijelaskan oleh variabel lain diluar model penelitian. Nilai 0,429 pada UB bisa
diartikan bahwa 42,9% variansi perubahan pada UB dapat dijelaskan oleh variabel eksogennya., sedangkan sisanya dijelaskan variabel lain diluar model penelitian.
Tabel
8.
Nilai R2
|
|
R Square |
|
BI |
0,354 |
|
UB |
0,429 |
Sumber:
Hasil olahan peneliti
Hasil Pengujian Hipotesis
Setelah
dilakukan berbagai pengujian baik dalam evaluasi model pengukuran maupun evaluasi model struktural, diketahui faktor-faktor apa saja yang mempengaruhi
secarasignifikan terhadap penerimaan dan penggunaan sistem manajemen pengetahuan di BPPK. Hasil pengujian
hipotesis dapat dilihat ada tabel
Tabel
9.
Hasil Pengujian Hipotesis
|
Hipotesis |
Hasil Uji |
Alasan |
|
|
H1 |
Perfomance
Expectancy memiliki pengaruh
signifikan terhadap Behavioral Intention |
Ditolak |
T-Statisics
< 1,96 dan P-Values > 0,05 |
|
H2 |
Effort Expectancy memiliki pengaruh signifikan terhadap Behavioral
Intention |
Diterima |
T-Statisics
> 1,96 dan P-Values <� 0,05 |
|
H3 |
Social Influence memiliki pengaruh signifikan terhadap Behavioral
Intention |
Diterima |
T-Statisics
> 1,96 dan P-Values <� 0,05 |
|
H4 |
Facilitating
Condition memiliki pengaruh signifikan terhadap
Use Behavior |
Diterima |
T-Statisics
> 1,96 dan P-Values <� 0,05 |
|
H5 |
Behavioral
Intention memiliki pengaruh
signifikan terhadap Use Behavior |
Diterima |
T-Statisics
> 1,96 dan P-Values <� 0,05 |
Sumber:
Hasil olahan peneliti
Hubungan
Perfomance Expectancy terhadap
Behavioral Intention (H1)
Hipotesis
1 menguji hubungan antara Perfomance
Expectancy terhadap Behavioral Intention, hasilnya adalah T-Statistics
hubungan tersebut sebesar 1,119
dan P-values 0,264. Secara statistik
Perfomance Expectancy tidak memiliki pengaruuh yang signifikan terhadap Behavioral Intention sehingga
hipotesis 1 ditolak. Penelitian ini menunjukkan bahwa kegunaan� sistem manajemen pengetahuan (PE1) sebagai alat bantu
menyelesaikan pekerjaan
(PE2), meningkatkan produktivitas
(PE2), dan meningkatkan kemungkinan
kenaikan gaji (PE4) tidak mempengaruhi niat pegawai dalam
menggunakan sistem manajemen pengetahuan.� Hasil ini berbeda dengan temuan (Khanam, Mahfuz, & Ahmed, 2016)
dan (Mabitsela & Pretorius, 2016) yang
menyatakan bahwa Perfomance Expectancy mempengaruhi
niat pengguna sistem manajemen pengetahun.
Hubungan�
Effort Expectancy terhadap
Behavioral Intention
Hipotesis
2 menguji hubungan antara Effort Expectancy terhadap
Behavioral Intention, hasilnya adalah T-Statistics hubungan
tersebut sebesar 1,972 dan P-values
0,049. Secara statistik Effort
Expectancy memiliki pengaruh
signifikan terhadap
Behavioral Intention, sehingga hipotesis 2 diterima. Penelitian ini menunjukkan bahwa kemudahan pegawai dalam mempelajari dan menjalankan sistem manajemen pengetahuan mempengaruhi niat pegawai dalam menggunakan
sistem manajemen pengetahuan. Hasil ini mengkonfirmasi penelitian sebelumnya yang dilakukan oleh (Wang & Pai, 2011), (Mabitsela & Pretorius, 2016),
(Yoo & Huang, 2013) dan
(Khanam et al., 2016).
Hubungan�
Social Influence
terhadap Behavioral Intention
Hipotesis
3 menguji hubungan
Social Influence terhadap Behavioral Intention,
hasilnya adalah
T-Statistics hubungan tersebut
sebesar 2,632
dan P-values 0,009. Secara statistik
Social Influence memiliki pengaruh
signifikan terhadap Behavioral
Intention, sehingga hipotesis
3 diterima. Penelitan ini menunjukkan bahwa pengaruh orang-orang disekitar pegawai yang merekomendasikan penggunaan sistem manajemen pengetahuan mempengaruhi niat pegawai dalam
menggunakan sistem manajemen pengetahuan. Hasil ini mengkonfirmasi teman penelitian sebelumnya oleh (Mabitsela & Pretorius, 2016)� dan (Yoo & Huang, 2013).
Hubungan
Facilitating Condition terhadap Use
Behavior
Hipotesis
4 menguji hubungan Facilitating
Condition terhadap Use Behavior, hasilnya adalah T-Statistics
hubungan tersebut sebesar 4,695
dan P-values 0,000. Secara statistik
Facilitating Condition memiliki pengaruh signifikan terhadap Use Behavior, sehingga
hipotesis 4 diterima. Penelitan ini menunjukkan
bahwa adanya dukungan fasilitas dari kantor baik
berupa sumber daya maupun manual book terkait sistem manajemen pengetahuan mempengaruhi pegawai dalam menggunakan sistem manajemen pengetahuan. Hasil ini mengkonfirmasi temuan sebelumnya oleh (Wang & Pai, 2011) dan� (Mabitsela & Pretorius, 2016).
Hubungan
Behavioral Intention terhadap Use Behavior
Hipotesis
5 menguji hubungan Behavioral
Intention terhadap Use Behavior, hasilnya adalah T-Statistics
hubungan tersebut sebesar 5,267dan
P-values 0,000. Secara statistik
Behavioral Intention memiliki pengaruh signifikan terhadap Use Behavior, sehingga
hipotesis 5 diterima. Penelitian ini menunjukkan bahwa niat dan keinginan pengguna mampu mempengaruhi penggunaan sesungguhnya sistem manajemen pengetahuan oleh pegawai.
Kesimpulan
Penelitian menunjukkan
bahwa faktor-faktor yang mempengaruhi penerimaan dan penggunaan sistem manajemen pengetahuan oleh pegawai BPPK adalah Effort
Expectancy, Social Influence, dan Facilitating Condition. Jika pimpinan BPPK menginginkan adanya engagement antara pegawai dengan sistem manajemen pengetahuan dan sekaligus meningkatkan penggunaannya, maka hal-hal yang perlu dilakukan adalah
1.
Membuat sistem
manajemen pengetahuan yang mudah digunakan (user friendly),
sehingga pegawai merasa nyaman dalam
menggunakannya dan tidak membutuhkan waktu lama dalam menguasai penggunaannya.
2.
Membuat manual book yang mudah dimengerti, sehingga memudahkan pegawai untuk mempelajari
penggunaan sistem manajemen pengetahuan.
3.
Selain melakukan sosialisasi secara laus, juga mendorong pimpinan unit atau atasan untuk melakukan
direct marketing penggunaan sistem manajemen pengetahuan kepada bawahannya.
4.
Membuat
helpdesk yang responsif untuk
membantu pegawai apabila menemui kesulitan dalam penggunaan sistem manajemen pengetahuan.
Penelitian
ini juga menemukan bahwa kekuatan prediksi variabel eksogen terhadap Behavioral
Intention dan Use Behavior (nilai determinasi R2) tergolong
moderat, sehingga ada variabel lain diluar model yang mampu menjelaskan Behavioral Intention dan Use
Behavior. Oleh karena itu
untuk peneltian selanjutnya sebaiknya memasukan variabel lain diluar variabel UTAUT yang mempunyai pengauh terhadap Behavioral Intention dan Use Behavior.
Anderson, Hair, & Black, B.
(2010). Multivariate data analysis 7th edition. Pearson Perntice Hall.
Attuquayefio, Samuel, & Addo, Hilla.
(2014). Review of studies with UTAUT as conceptual framework. European
Scientific Journal, 10(8).
Becerra-Fernandez, I., & Sabherwal, R.
(2015). Knowledge Management Systems. In Knowledge Management Systems and
Processes (p. 64). Routledge Taylor & Francis.
Cooper, Donald R., Schindler, Pamela S.,
& Sun, Jianmin. (2006). Business research methods (Vol. 9).
Mcgraw-hill New York.
Hair, Joe F., Sarstedt, Marko, Ringle,
Christian M., & Mena, Jeannette 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.
Hung, Shin Yuan, Tsai, Jacob Chia An, &
Chuang, Chun Chin. (2014). Investigating primary health care nurses� intention
to use information technology: An empirical study in Taiwan. Decision
Support Systems, 57, 331�342.
Khanam, Liza, Mahfuz, Mohammad Abdullah,
& Ahmed, Ezaz. (2016). Employee behavioral intention to adopt knowledge
management systems (KMS) in Bangladesh. European Conference on Knowledge
Management, 445. Academic Conferences International Limited.
Latan, Hengky, & Ghozali, Imam. (2012).
Partial Least Square: Konsep, Teknik, dan Aplikasi SmartPLS 2.0 M3. Semarang:
Badan Penerbit Universitas Diponegoro.
Mabitsela, Tebogo, & Pretorius,
Agnieta. (2016). Adoption of knowledge management systems: A case of an
enterprise data warehouse. International Conference on Intellectual Capital
and Knowledge Management and Organisational Learning, 182. Academic Conferences
International Limited.
McNabb, David E. (2007). Knowledge
management in the public sector: A blueprint for innovation in government.
ME Sharpe.
Pandey, Krishna Nath. (2016). Paradigms
of Knowledge Management: With Systems Modelling Case Studies-Volume 60.
Springer.
Sarstedt, Marko, Ringle, Christian M.,
& Hair, Joseph F. (2017). Partial least squares structural equation
modeling. Handbook of Market Research, 26(1), 1�40.
Taherdoost, Hamed. (2018). A review of
technology acceptance and adoption models and theories. Procedia
Manufacturing, 22, 960�967.
Venkatesh, Viswanath, Morris, Michael G.,
Davis, Gordon B., & Davis, Fred D. (2003). User acceptance of information
technology: Toward a unified view. MIS Quarterly, 425�478.
Wang, Chih Yao, & Pai, Jung Chi.
(2011). An Empirical Study of the Acceptance and Use of Knowledge Management
Systems in Taiwanese Insurance Industry.
Yoo, Sun Joo, & Huang, Wen Hao David.
(2013). Employees� acceptance of knowledge management systems and its impact on
creating learning organizations. Knowledge Management & E-Learning: An
International Journal, 5(4), 434�454.
�������
|
Copyright holder: Ahmad Zaky, Retno Kusumastuti (2022) |
|
First publication right: Syntax Literate: Jurnal Ilmiah
Indonesia |
|
This article is licensed
under: |