Hot Fit Pada Sistem E-Learning Politeknik Negeri Bali Dengan Self Efficacy Sebagai Variabel Mediator

Jurnal Matematika Vol. 9, No.2, Desember 2019, pp. 66-77

Article DOI: 10.24843/JMAT.2019.v09.i02.p112

ISSN: 1693-1394

HOT Fit Pada Sistem E-Learning Politeknik Negeri Bali Dengan Self Efficacy Sebagai Varibel Mediator

Ni Wayan Dewinta Ayuni Politeknik Negeri Bali e-mail: [email protected]

Kadek Cahya Dewi

Politeknik Negeri Bali e-mail: [email protected]

I Ketut Suwintana

Politeknik Negeri Bali e-mail: [email protected]

Abstract: Human Organization Technology Fit (HOT FIT) is a model used for evauating a system. This HOT FIT model uses three main components in system evaluation, namely the human component, organization, and technology. These components are analyzed for their influence on Net Benefit or the usefulness of the system. The technology component is divided into three latent variables namely system quality, information quality, and service quality, while the organizational component is divided into two latent variables, namely the role of organization and environment. The human component is represented by self efficacy variable. This variable is defined as a mediator variable. Mediator variables are variables that theoretically affect the relationship between independent variables with the dependent variable into an indirect relationship and cannot be observed and measured. The elearning system of Politeknik Negeri Bali has been implemented since 2012. As a base for e-learning development, an evaluation of the PNB e-learning system is worth doing. The HOT FIT model is considered to be the most appropriate model. The analytical tool used is Structural Equation Modeling using SmartPLS 3.0. The results showed that the SEM model has Q square value of 84.03%. Hypothesis testing shows that the Self Efficacy variable successfully mediates the effect of the Organization variable on the Net Benefit variable..

Keywords: E-learning System, Human Organization Technology Fit, Mediating Variable, Structural Equation Model

• 1.    Pendahuluan

Sistem informasi adalah kombinasi dari manusia, fasilitas atau alat teknologi, media, prosedur dan pengendalian yang bermaksud menata jaringan komunikasi yang

penting, proses atas transaksi-transaksi tertentu dan rutin, membantu manajemen dan pemakai intern dan ekstern dan menyediakan dasar pengambilan keputusan yang tepat (Nash, 1995). Sedangkan menurut Lucas (1988) sistem informasi adalah suatu kegiatan dari prosedur yang diorganisasikan, jika dieksekusi akan menyediakan informasi untuk mendukung pengambilan keputusan dan pengendalian di dalam organisasi. Salah satu sistem informasi yang berjalan pada dunia pendidikan dewasa ini adalah sistem elearning.

Sistem e-learning adalah sistem pembelajaran dengan menggunakan teknologi informasi. Istilah E-learning muncul pertama kali sejak tahun 1999, di mana istilah tersebut awalnya digunakan pada sistem CBT (Computer Based Training). Namun saat ini elearning didefinisikan sebagai pembelajaran melalui internet (Torres, dkk, 2011). Menurut Horton (2006), e-learning adalah penggunaan teknologi informasi dan komputer untuk membentuk pengalaman pembelajaran. Selain itu, Deepali dkk (2016) menyatakan bahwa e-learning mengacu pada penggunaan teknologi informasi dan komunikasi untuk mengakses pembelajaran online. Abbad dkk (2009) mendefinisikan e-learning sebagai berbagai pembelajaran yang mampu diakses dengan elektronik.

Sebagai salah satu institusi di pendidikan tinggi, Politeknik Negeri Bali telah menerapkan e-learning sebagai media pembelajaran sejak tahun 2012. E-learning di Politeknik Negeri Bali terus mengalami perubahan dan pengembangan. Adapun yang menjadi dasar dalam pengembangan e-learning adalah hasil evaluasi sistem e-learning.

Terdapat banyak model yang dapat digunakan untuk melakukan evaluasi sistem elearning, namun di antara model-model evaluasi sistem, model Human Organization Technology Fit (HOT FIT) dianggap model yang paling tepat dalam mengevaluasi sistem e-learning di Politeknik Negeri Bali. Hal ini disebabkan karena model HOT FIT dapat mengevaluasi kesesuaian antara komponen teknologi, manusia, dan juga organisasi, di mana komponen organisasi tidak dapat diakomodir oleh model-model lainnya (Krisbiantoro, dkk, 2015). Ketiga komponen ini kemudian diuji pengaruhnya terhadap kebermanfaatan sistem e-learning.

Komponen Teknologi pada model HOT FIT dijelaskan oleh tiga variabel latent yaitu kualitas sistem (system quality), kualitas informasi (information quality), dan kualitas layanan (service quality). Di sisi lain, komponen organisasi dijelaskan oleh dua variabel laten yaitu peranan organisasi dan lingkungan. Sedangkan komponen Manusia (Human) dijelaskan oleh satu variabel latent yaitu self efficacy. Self efficacy adalah kepercayaan seseorang terhadap kemampuan dirinya untuk menghasilkan tingkat kinerja tertentu (Bandura, 1998). Self efficacy ini dapat menentukan bagaimana seseorang merasakan, berpikir, bahkan memotivasi diri mereka sendiri.

Pada penelitian ini self efficacy menjadi variabel mediator yang menghubungkan antara komponen Teknologi dan komponen Organisasi terhadap variabel kebermanfaatan sistem. Variabel mediator adalah variabel yang mengintervensi atau mentransmisikan

pengaruh variabel independent terhadap suatu variabel dependent (Ndofor, dkk, 2011). MacKinnon (2008) juga menyatakan bahwa variabel mediator dapat mentransmisikan pengaruh variabel independent ke variabel dependent secara sebagian maupun menyeluruh. Adapun alat analisis yang digunakan pada penelitian ini adalah Structural Equation Modelling, yaitu suatu model yang mampu merefleksikan variabel-variabel laten (variabel yang tidak dapat diukur secara langsung) dalam bentuk beberapa indikator serta mampu menganalisis hubungan timbal balik antara variabel laten (Eritamala, 2016).

• 2.    Metode Penelitian

Jenis data yang digunakan adalah data kuantitatif berskala ordinal. Data yang diperoleh merupakan data primer yang dikumpulkan dengan menggunakan alat kuesioner yang telah diuji validitas dan reliabilitasnya.

Tabel 1. Variabel Penelitian

Komponen	Variabel	Indikator
Technology	Kualitas Sistem (System Quality) (SQ)	User friendly; tampilan tidak membingungkan; keamanan terjamin; Mudah diakses; jarang mengalami error; response time yangcepat
	Kualitas Informasi (Information Quality) (IQ)	Kesesuaian informasi dengan data yang dinput, informasi tepat anakurat; informasi lengkap dan detail; sesuai kenyataan; mudah dibaca; sesuai runtun waktu
	Kualitas Layanan (Service Quality) (SerQ)	Adanya panduan penggunaan sistem; layanan yang cepat dan responsif; dapat diakses dari mana saja
Human	Self Efficacy (SE)	Sistem digunakan karena mempermudah pekerjaan; Sistem membantu pengambilan keputusan; Pengguna tergantung dengan sistem dalam melaksanakan pekerjaan; Pengguna memiliki kehlian dalam menggunakan sistem; Pengguna pernah mengikuti pelatihan penggunaan sistem
Organization	Peran Organisasi (Organization) (O)	pihak lembaga melakukan Perbaharuan software dan hardware; implementasi yang direncanakan dengan baik; lembaga mendukung implementasi sistem; lembaga menyediakan infrastruktuk untuk implementasi sistem
	Lingkungan Organisasi (Environment) (E)	komunikasi yang baik dari pihak lembaga; persaingan yang sehat dalam penggunaan sistem; dukungan dari berbagai unit kerja
Kebermanfaatan Sistem (Net Benefit) (NB)		Sistem mebantu pekerjaan; meningkatkan efisiensi pekerjaan; membantu pengambilan keputusan; membantu pencapaian tujuan dengan efektif; Meningkatkan komunikasi antar pengguna

Jumlah sampel yang digunakan pada penelitian ini sebanyak 81 orang yang ditentukan dengan menggunakan rumus Slovin. Teknik pengambilan sampel pada penelitian ini adalah two stage stratified random sampling (teknik berstrata dua tahap), dengan stage/tahap satu berdasarkan status sebagai mahasiswa atau dosen, dan stage/tahap dua berdasarkan jurusan responden

SEM adalah teknik statistika umum yang biasanya digunakan pada penelitian yang berkaitan dengan perilaku manusia. SEM merupakan perpaduan antara analisis faktor dan regresi atau analisis jalur. SEM diawali dnegan membentuk suatu diagram jalur (path) yang merepresentasikan hubungan antara variabel dalam model tersebut (Hox dan Bechger, 1998). Pada penelitian ini, software yang digunakan untuk melakukan analisis SEM adalah SmartPLS 3.0, di mana langkah-langkah analisis nya sebagai berikut:

• 1.    Menggambar diagram jalur. Kerangka diagram jalur pada penelitian ini adalah

  sebagai berikut:

  
  
  

  Gambar 1. Diagram Jalur Penelitian

  
  

• 2.    Melakukan evaluasi model pengukuran (measurement model) yaitu mengukur indicator reliability, construct reliability, convergent validity.

• a.    Indicator validty dievaluasi dengan menggunakan kriteria loading factor. Nilai loading factor menunjukkan berapa varian indikator yang dapat dijelaskan oleh variabel laten (Sholiha dan Salamah, 2015). Menurut Vinzi dkk (2010) setiap indikator harus lebih besar dari 0.4. Jika ada indikator yang memiliki nilai loading factor kurang dari 0.4 maka indikator tersebut harus dieliminasi dari model.

• b.    Consruct validity dievaluasi dengan menggunakan kriteria composite reliability

  yang dihitung dengan persamaan

  
  
  

(1)

Composite Reliability dari setiap variabel laten harus lebih besar dari 0.6

c.

Convergent Validity diukur dengan kriteria Average Variance Extracted (AVE)

yang dihitung dengan persamaan

(2)

Nilai AVE harus lebih besar dari 0.5 untuk menunjukkan ukuran convergent validity yang baik (Chin, 2010) (Hair dkk, 2012).

• 3.    Melakukan evaluasi model structural dengan menggunakan kriteria R square, Q Square, dan Goodness of Fit (GoF). R square menujukkan seberapa besar varian variabel laten endogen yang dapat dijelaskan oleh variabel eksogen. Nilai R square dapat dihitung dengan persamaan berikut:

  
  
  

(3)

Nilai f square 0.02 menyatakan pengaruh yang lemah, nilai 0.15 menyatakan pengaruh moderat, dan nilai 0.35 menyatakan pengaruh yang kuat.

Nilai Q square atau Stone Geisser Q square merupakan ukuran yang menunjukkan kapabilitas prediksi model apabila berada di atas 0. Nilai Q square dihitung dengan

persamaan berikut:

(4)

C² = 1 - (l-fl²}

Indeks Goodness of Fit (GoF) merupakan ukuran yang digunakan untuk mengevaluasi model struktural dan pengukuran secara keseluruhan. Persamaan yang digunakan untuk menghitung nilai GoF adalah:

(5)

GoF = ^communahty x R^

Communalitis adalah kuadrat nilai loading factor. Nilai GoF 0.1 menyatakan nilai GoF small, nilai 0.25 menyatakan nilai GoF moderat, dan nilai 0.36 menyatakan nilai GoF large.

• 4.    Melakukan statistika inferensia (uji hipotesis) dengan menggunakan uji T, dimana hipotesis umum sebagai berikut:

H0i : γi = 0 (variabel laten eksogen ke-i tidak memiliki pengaruh signifikan terhadap variabel laten endogen)

Hai : γi ≠ 0 (variabel laten eksogen ke-i memiliki pengaruh signifikan terhadap variabel laten endogen)

Pengujian hipotesis dilakukan dengan statistik uji t sebagai berikut:

SE^

(6)

Kriteria penolakan H0 atau penerimaan Ha adalah jika nilai statistik t lebih besar dari nilai t-tabel (2 arah) sebesar1.65 (pada alpha 10%), dan nilai t tabel sebesar 1.96 (pada alpha 5%). Jika H0 ditolak dan Ha diterima maka dapat dinyatakan

koefisien jalur signifikan, atau variabel laten eksogen memiliki pengaruh yang signifikan terhadap variabel laten endogen (Hair, 2012.

• 3.    Hasil dan Pembahasan

Model pada penelitian ini bertujuan untuk mengetahui hubungan kesesuaian antara komponen human (Self efficacy), komponen Technology (System Quality, Information Quality, dan Service Quality), komponen Organization (Organization dan Environment) serta pengaruhnya terhadap Net Benefit (kebermanfaatan program) dengan variabel self efficacy sebagai mediator. Analisis yang digunakan adalah Structural Equation Modelling (SEM). Algoritma metode analisis yang digunakan adalah metode jalur atau structural weighting dan mengunakan metode bootstrap sebagai metode resampling data.

• a.    Evaluasi Model Pengukuran (Measurement model)

• 1.    Indicator validity

Indicator validity dievaluasi dengan menggunakan kriteria loading factor. Nilai loading factor menunjukkan berapa varian indikator yang dapat dijelaskan oleh variabel laten [13]. Untuk memenuhi kriteria ini, nilai loading factor setiap indikator harus lebih dari 0.4. Gambar 2. Menunjukkan nilai loading factor dari setiap indikator yang digunakan. Hasil pada gambar tersebut (besaran pada tanda panah menuju setiap kotak kuning) bernilai lebih dari 0.4 sehingga setiap indikator dinyatakan valid.

• 2.    Construct validity dan Convergent validity

Untuk mengevaluasi construct validity digunakan kriteria Composite Reliability dan Cronbach’s Alpha, sedangkan untuk mengukur convergent validity digunakan kriteria AVE (Average Variance Extracted). Tabel 2 menampilkan nilai Composite Reliability, Cronbach’s Alpha, dan AVE masing-masing construct. Hasil pada Tabel 2. Menunjukkan bahwa setiap construct memiliki composite reliability dan cronbach’s alpha yang lebih besar dari 0.6 dan AVE yang lebih besar dari 0.5 sehingga setiap construct memenuhi construct validity dan convergent validity.

Gambar 2. Loading Factor Setiap Indikator

Tabel 2. Nilai Composite Reliability, Cronbach’s Alpha, dan AVE

Construct	Composite Reliability	Cronbach's Alpha	AVE
Environment (E)	0,901	0,835	0,752
Information Quality (IQ)	0,889	0,850	0,574
Net Benefit (NB)	0,919	0,889	0,694
Organization (O)	0,866	0,796	0,620
Self Efficacy (SE)	0,889	0,845	0,618
Service Quality (SerQ)	0,801	0,627	0,574
System Quality (SQ)	0,866	0,813	0,527

Sumber: Data Diolah, 2019

• b.    Evaluasi Model Struktural (structural model)

Kriteria R Square, Q Square,dan GoF digunakan untuk melakukan evaluasi terhadap model struktural. Tabel 3. menyajikan nilai R-square, Q square dan GoF dari model yang terbentuk.

Tabel 3. Nilai R Square, Q Square, dan GoF

Variabel Endogen	R Square	Q Square	GoF
Net Benefit	0,752	0,840	0,583
Self Efficacy	0,356

Sumber: Data Diolah, 2019

Nilai R Square untuk variabel Net Benefit diperoleh sebesar 0,752 atau 75,2%. Hal ini mengindikasikan bahwa varian variabel Net Benefit telah dapat dijelaskan sebesar 75,2% oleh variabel Sistem Quality (SQ), Information Quality (IQ), Service Quality (SerQ), Organization (O), Environment (E), dan Self Efficacy (SE). Sedangkan variabel endogen Self Efficacy memiliki nilai R Square sebesar 0,356 atay 35,6%. Artinya, varian variabel Self Efficacy hanya dapat dijelaskan oleh variabel Sistem Quality (SQ), Information Quality (IQ), Service Quality (SerQ), Organization (O), dan Environment (E) sebesar 35,6%. Model ini memperoleh nilai Q square sebesar 0,840 atau 84,0%. Hal ini menunjukkan bahwa model yang terbentuk secara keseluruhan telah dapat dijelaskan 84,0% oleh variabel-variabel yang digunakan. Sedangkan nilai GoF sebesar 0,583 menunjukkan nilai GoF yang kuat.

• c.    Uji Hipotesis

Hipotesis umum yang diuji seperti tercantum pada sub bab data dan metode. Kriteria penolakan H0 adalah jika nilai t-statistik lebih besar daripada 1,65 (dua arah untuk alpha 10%) atau p-value lebih kecil dari alpha 10%. Hasil pengujian hipotesis dibagi menjadi pengaruh langsung dan tidak langsung. Tabel 4 menampilkan hasil pengujian hipotesis pengaruh langsung.

Tabel 4. Pengujian Pengaruh Langsung (Direct Effect)

Direct Effect			Original Sample	T Statistik	P Value	Pengaruh
E	-->	NB	0,192	2,522	0,012	Signifikan
E	-->	SE	0,105	0,935	0,350	Tidak Signifikan
IQ	-->	NB	0,094	0,843	0,400	Tidak Signifikan
IQ	-->	SE	0,255	1,629	0,104	Tidak Signifikan
O	-->	NB	0,086	0,982	0,326	Tidak Signifikan
O	-->	SE	0,258	2,611	0,009	Signifikan
SE	-->	NB	0,675	7,613	0,000	Signifikan
SerQ	-->	NB	-0,047	0,573	0,567	Tidak Signifikan
SerQ	-->	SE	0,115	0,929	0,353	Tidak Signifikan
SQ	-->	NB	0,020	0,192	0,848	Tidak Signifikan
SQ	-->	SE	0,075	0,528	0,597	Tidak Signifikan

Sumber: Data Diolah, 2019

Pengujian pengaruh langsung menunjukkan bahwa terdapat pengaruh yang signifikan dari variabel Environment (E) terhadap Net Benefit (NB). Hal ini menunjukkan bahwa environment atau lingkungan organisasi berperan penting dalam kebermanfaatan sistem e-learning di Politeknik Negeri Bali. Adanya komunikasi yang baik dari pihak lembaga, adanya persaingan yang sehat dalam penggunaan e-learning, dan adanya dukungan dari berbagai pihak dalam penggunaan e-learning membuat e-learning semakin dirasakan manfaatnya oleh civitas akademika Politeknik Negeri Bali. Selain itu, variabel Self Efficacy (SE) juga memiliki pengaruh yang signifikan terhadap Net Benefit (NB). Artinya kepercayaan diri seseorang dalam menggunakan e-learning akan mendorongnya untuk semakin intens menggunakan e-learning. Semakin intens e-learning digunakan maka akan semakin dirasakan kebermanfaatan sistem e-learning tersebut. Di lain sisi, yang memiliki pengaruh signifikan terhadap Self Efficacy (SE) adalah variabel Organization (O). Hal ini menunjukkan bahwa dukungan dari organisasi seperti perbaharuan software, implementasi sistem yang baik serta menyediakan infrastruktur demi kelangsungan sistem e-learning, berpengaruh terhadap kepercayaan diri seseorang bahwa ia mampu menggunakan e-learning dengan baik.

Selain pengaruh langsung, muncul juga pengaruh tidak langsung dalam model penelitian ini karena adanya variabel mediator. Hasil pengujian pengaruh tak langsung ditampilkan pada Tabel 5. Tabel tersebut menunjukkan bahwa terdapat pengaruh tidak langsung yang signifikan dari variabel Organization (O) terhadap variabel Net Benefit (NB), sedangkan pengaruh tidak langsung dari variabel lainnya tidak signifikan..

Tabel 5. Pengujian Pengaruh Tidak Langsung (Indirect Effect)

Indirect Effect	Original Sample	T Statistik	P Value	Pengaruh
E    --> NB	0,071	0,939	0,348	Tidak Signifikan
IQ    --> NB	0,172	1,526	0,128	Tidak Signifikan
O    -->  NB	0,174	2,517	0,012	Signifikan
SerQ  -->  NB	0,077	0,925	0,355	Tidak Signifikan
SQ   -->  NB	0,051	0,545	0,586	Tidak Signifikan

Sumber: Data Diolah, 2019

Untuk mengetahui efek mediasi variabel Self Efficacy (SE), perlu ditinjau lagi pengaruh langsung dan tidak langsung yang terjadi. Suatu variabel (M) dinyatakan memediasi pengaruh variabel independent (X) terhadap variabel dependent (Y) jika terpenuhi keadaan sebagai berikut:

• 1)    Pengaruh langsung X ke Y signifikan

• 2)    Pengaruh langsung X ke M signifikan

• 3)    Pengaruh langsung M ke Y signifikan

• 4)    Pengaruh tidak langsung X ke Y melalui variabel M tidak signifikan

Jika kondisi 1 sampai 4 terpenuhi maka variabel M dinyatakan memediasi full (full mediation).Namun jika hanya kondisi 1 sampai 3 yang terpenuhi maka variabel M dinyatakan memediasi sebagian (partial mediation) (Aguinis dkk (Anguinis, 2016).

Tabel 6 menyajikan perbandingan pengaruh langsung dan pengaruh tidak langsung serta memberikan keterangan mengenai efek mediasi variabel Self Efficacy

Tabel 6. Efek Mediasi Variabel Mediasi

No	Direct Effect			Pengaruh	Indirect Effect					Pengaruh	Kesimpulan
1	E	-->	SE	Tidak Signifikan	E	->	SE	->	NB	Tidak Signifikan	SE tidak memediasi
	SE	-->	NB	Signifikan
	E	-->	NB	Signifikan
2	IQ	-->	SE	Tidak Signifikan	IQ	->	SE	->	NB	Tidak Signifikan	SE tidak memediasi
	SE	-->	NB	Signifikan
	IQ	-->	NB	Tidak Signifikan
3	O	-->	SE	Signifikan	O	->	SE	->	NB	Signifikan	SE tidak memediasi
	SE	-->	NB	Signifikan
	O	-->	NB	Tidak Signifikan
4	SerQ	-->	SE	Tidak Signifikan	SerQ	->	SE	->	NB	Tidak Signifikan	SE tidak memediasi
	SE	-->	NB	Signifikan
	SerQ	-->	NB	Tidak Signifikan
5	SQ	-->	SE	Tidak Signifikan	SQ	->	SE	->	NB	Tidak Signifikan	SE tidak memediasi
	SE	-->	NB	Signifikan
	SQ	-->	NB	Tidak Signifikan

Sumber: Data Diolah, 2019

Hasil analisis dari Tabel 6 menunjukkan bahwa variabe Self Eficacy (SE) tidak memediasi variabel Environment (E), Information Quality (IQ), Organization (O), Service Quality (SerQ), dan System Quality (SQ) terhadap variabel Net Benefit (NB).

• 4.    Simpulan Dan Saran

Adapun simpulan yang diperoleh dari penlitian ini adalah sebagai berikut:

• 1.    Terdapat pengaruh langsung yang signifikan antara Environment terhadap Net Benefit. Hal ini menunjukkan bahwa lingkungan organisasi berpengaruh signifikan terhadap kebermanfatan sistem e-learning PNB

• 2.    Terdapat pengaruh langsung yang signifikan antara Organisasi terhadap Self Efficacy dan Self Efficacy terhadap Net Benefit. Artinya, peran organisasi berpengaruh signifkan terhadap kepercayan diri seseorang dalam menggunakan e-learning dan keprcayaan diri ini berpengaruh signifikan terhadap kebermanfaatan sistem e-learning PNB.

• 3.    Variabel Self Efficacy tidak berhasil memediasi pengaruh dari variabel Environment (E), Information Quality (IQ), Organization (O), Service Quality (SerQ), dan System Quality (SQ) terhadap variabel Net Benefit.

Saran yang dapat diajukan adalah pentingnya menjaga lingkungan organisasi yang mendukung penggunaan e-learning, seperti adanya komunikasi yang baik dari pihak lembaga, adanya persaingan yang sehat dalam penggunaan e-learning, dan adanya dukungan dari berbagai pihak dalam penggunaan e-learning. Organisasi juga sebaiknya tetap menjalankan atau meningkatkan perannya dalam merancang, mengimplementasikan, penyediaan infrastrktur, dan melakukan pembaharuan terhadap software pendukung e-learning sehingga kebermanfaatan sistem e-learning dapt semakin meningkat.

Daftar Pustaka

• [1]    J. F. Nash, Pengertian Sistem Informasi, Jakarta: Informatika, 1995.

• [2]    H. Lucas, Analisis Desain dan Implementasi SIstem Informasi, Jakarta: Erlangga, 1988.

• [3]    M. R. Martinez-Torres, S. L. Toral and F. Barrer, "Identification of The Design Variables

of Elearning Tools," Interact Comput, vol. 23, no. 3, pp. 279-288, 2011.

• [4]    W. Horton, Elearning By Design, San Francisco: Pfeiffer, 2006.

• [5]    Deepali, Wadhai and Thakare, "Elearning System and Higher Education,"

InternationalJournal of Computer Science and Mobile Computing, vol. 5, no. 2, pp. 274280, 2016.

• [6]    M. M. Abbad, D. Morris and C. Nahlik, "Looking Under te Bonnet: Factors Affecting Student Adoption of ELearning Systemin Jordan," The International Review of Research in Open and Distance Learning, 2009.

• [7]    D. Krisbiantoro, M. Suyanto and L. Luthfi, "Evaluasi Keberhasilan Implementasi SIstem Informasi dengan Pendekatan Hot Fit Model (Studi Kasus: Perpustakaan STMIK AMIKOM Purwokerto)," in Konferensi Nasional SIstem dan Informatika, Bali, 2015.

• [8]    A. Bandura, Self Efficacy, San Diego: Academic Press, 1998.

• [9]    H. A. Ndofor, D. G. Sirmon and X. He, "Firm Resources, CompetitiveAtions and Perfrmance: Investigating a Mediated Model wit Evidence from In-Vitro Diagnostics Industry.," Strategic Management Journal, vol. 32, pp. 640-657, 2011.

• [10]    D. P. MacKinnon, IntroductionTo Statistical Mediation Analysis, Hillsdale, NJ: Erlbaum, 2008.

• [11]    S. Eritamala, "endekatan Hot-Fit Framework dalam Generalized Structural Cmponent Analysis pada Sistem Informasi Manajemen Barang Milik Daerah: Sebuah Penguian Efek Resiprokal," Jurnal Akuntansi dan Investasi, vol. 17, no. 2, pp. 141-157, 2016.

• [12]    J. Hox and T. M. Bechger, "A Introduction to Strctural Equation Modeling," Family Scince Review, vol. 11, pp. 354-373, 1998.

• [13]    E. U. Sholiha and M. Salamah, "Sructural Equation Modeling-Partial Least Square untuk Pemodelam Derajat Kesehatan Kabupaten/Kota di Jawa Timur (Studi Kasus Data Indeks Pembangunan Kesehatan Masyarakat Jawa Timur 2013)," Jurnal Sains dan Seni, vol. 4, no. 2, pp. 237-352, 2015.

• [14]    V. E. Vinzi, W. W. Chin, J. Henseler and H. Wang, Handbook of Partial Least Squares, Berlin: Springer, 2010.

• [15]    W. Chin, How to write up and report PLS anlysis, Berlin: Springer, 2010.

• [16]    J. F. Hair, M. Sarsted, C. M. RIngle and J. A. Mena, "An Assesment Of The Use of Partial Least Square STructural Equation Modelling in Marketing Research," Journal of The Academy of Maketin Science, vol. 40, no. 1, pp. 414-33, 2012.

• [17]    H. E. J. B. K. Anguinis, "Improving Our Understanding of Moderation and Mediation in Strategic Management Research," Organizational Research Methods, pp. 1-21, 2016.

77