Flipbook Skripsi_Hanif Aulia Fikri_11160930000039

128 USAT2 0.912 0.751 0.662 0.751 0.746 0.912 Keterangan: VAR: Variabel CR: Composite Reliability CL: Cross Loading AVE: Average Variance Extracted IND: Indikator OL: Outer Loading 4.2.3.2 Hasil Analisis Struktur Model (Inner Model) Analisis model structural ini dilakukan pada tahap pengujian path coefficients (������), coefficient of determination (������2), T-test menggunakan metode bootstrapping, effect size (������2), predictive relevance (������2), dan relative impact (������2). Namun karena model penelitian yang digunakan berbentuk second order maka dapat dilakukan dengan uji path coefficients dengan bootstrapping, uji signifikansi konstruk first order / t-Test dengan outer loading, (Ghozali & Latan, 2015a), dan juga ditambahkan dengan uji coefficient of determination (������2) seperti pada penelitian (Handayani et al., 2012; Mustakini & Abdillah, 2015). a) Uji Path Coefficients (������) Pengujian ini dilakukan dengan melihat nilai ambang batas di atas 0.1, dimana jalur (path) dinyatakan memiliki pengaruh dalam model ini jika hasil uji path coefficient berada di atas 0,1 (Joe F Hair et al., 2017; Wong, 2013). Tabel 4. 8 Hasil Uji Signifikansi Path Coefficient (������) Variabel Path Coefficient EF → EGSQ 0.359 TRS → EGSQ 0.169 RLB → EGSQ 0.295

129 CS → EGSQ 0.215 EGSQ → USAT 0.879 Pada table 4.8 dapat dilihat bahwa lima jalur yang ada pada model penelitian ini diterima dan signifikan karena nilai path coefficient nya diatas 0.1 yaitu EF terhadap EGSQ, TRS terhadap EGSQ, RLB terhadap EGSQ, CS terhadap EGSQ, dan EGSQ terhadap USAT. Pada pengujian second order, hasil diperoleh dari pengujian data dengan metode bootstrapping pada SmartPLS seperti pada tabel 4.8 Tabel 4. 9 Hasil Uji Path Coefficient (������) dengan SmartPLS Jalur Original Sample Standard Deviation T Statistics P Sample (O) Mean (M) (STDEV) (|O/STDEV|) Values CS -> EGSQ 0.215 0.215 0.004 6.120 0.000 EF -> EGSQ 0.359 0.359 0.004 9.864 0.000 EGSQ -> USAT 0.879 0.879 0.016 5.595 0.000 RLB -> EGSQ 0.295 0.295 0.004 7.012 0.000 TRS -> EGSQ 0.169 0.168 0.004 3.983 0.000 Hasil uji path coefficients (������) dengan SmartPLS dapat dilihat dari tabel 4.9, yang menunjukkan bahwa semua first order konstruk ternyata berpengaruh signifikan terhadap second order konstruk E-Government Service Quality (EGSQ) dimana nilai T-statistics di atas 1,96 hal ini menunjukkan bahwa semua konstruk first order merupakan konstruk dimensi pembentuk konstruk E- Government Service Quality (EGSQ) (Ghozali & Latan, 2015a). b) Uji Coefficient of Determination (R2)

130 Pengujian ini dilakukan dengan melihat variabel eksogen (Variabel yang dapat mempengaruhi variabel lain) yang berpengaruh terhadap variabel endogen (Variabel yang mendapatkan pengaruh dari variabel lain). Dalam menentukan nilai koefisien determinasi / R-square (R2), nilainya berkisar dari 0 sampai 1 dan dibagi menjadi tiga kriteria penilaian, yang pertama untuk nilai R-square (R2) (1 – 0,75) termasuk bersifat substansial / kuat, yang kedua untuk nilai R-square (R2) (0,74 – 0,5) termasuk bersifat moderat / sedang, yang ketiga untuk nilai R-square (R2) (0,49 – 0,25) termasuk bersifat lemah.(Joe F Hair et al., 2017). Adapun nilai koefisien determinasi yang dihasilkan oleh penelitian ini adalah sebagai berikut: Tabel 4. 10 hasil uji coefficient of determination (R2) Variabel R Square Keterangan EGSQ 1.000 Kuat USAT 0.770 Kuat Pada tabel 4.10 dapat dilihat hasil uji coefficient of determination (R2) dari E-Government Service Quality (EGSQ) memiliki nilai 1,000 dan User Satisfaction (USAT) memiliki nilai 0,773 yang berarti Variabel CS, EF, RLB, dan TRS menjelaskan secara kuat (100%) dalam varian dari E-Government Service Quality (EGSQ) dan User Satisfaction (USAT) c) Uji T – Test Pengujian tahap ketiga adalah pengujian T – test dengan bootstrapping yang dilakukan untuk mengetahui pengaruh variabel independen terhadap variabel dependen (Two – Tailed) dengan tingkat pengujian signifikan sebesar 5%, dan hipotesis dapat diterima jika memiliki nilai T – test >1.96. Tabel 4. 11 Hasil Kalkulasi Bootstrapping T-test

131 Jalur Original Sample Standard T Statistics P Sample (O) Mean Deviation (|O/STDEV|) Values EF -> EGSQ (M) (STDEV) TRS -> EGSQ 0.359 0.359 98.9 0.000 RLB -> EGSQ 0.169 0.004 39.9 0.000 CS -> EGSQ 0.295 0.168 73.3 0.000 EGSQ -> USAT 0.215 0.004 63.4 0.000 0.879 0.295 56 0.000 0.004 0.215 0.003 0.880 0.016 Melalui Tabel 4.11 dapat dilihat hasil uji T-test, dimana seluruh hasilnya sudah berada di atas 1,96 sehingga menyatakan bahwa semua indikator konstruk dalam model adalah valid (Ghozali & Latan, 2015a). 4.2.5 Hasil Uji Paired Samples T-Test Setelah dilakukan uji reliabilitas dan validitas kemudian dilakukan analisis Paired Samples T-Test untuk mengetahui ada atau tidaknya perbedaan rata-rata antara dua kelompok sampel yang sama. Jika nilai probabilitas atau Sig. (2-tailed) < 0, 05 maka dapat dinyatakan bahwa terdapat perbedaan yang signifikan antara kedua sampel yang berpasangan tersebut. Sebaliknya jika nilai probabilitas atau Sig. (2-tailed) > 0, 05 maka tidak terdapat perbedaan yang signifikan diantara keduanya. Pengujian dilakukan dengan melihat nilai Sig. (2-tailed). Tabel 4. 12 Hasil Uji Validitas Paired Samples T-Test Paired Samples Test Paired Differences Mean Std. Std. 95% Confidence Sig. Deviation Error Interval of the t df (2- Mean Difference tailed) Lower Upper Persepsi 1.29957 0.26601 0.05547 1.18454 1.41459 23.430 22 0.000 - Harapan

132 Tabel 4.12 menunjukkan hasil pengujian Paired Samples T-Test yang menunjukkan ada atau tidaknya hubungan korelasi antara kedua data. Kolom Mean menunjukkan nilai rata-rata dari selisih/gap antara kedua sampel. Kolom 95% Confidence interval of The Difference menunjukkan nilai gap terendah dan tertinggi dari kedua sampel. Lalu kolom Sig (2-tailed) yang menunjukkan apakah terdapat perbedaan rata-rata dua sampel (dua kelompok) yang berpasangan atau berhubungan. Hasil pada kolom Sig (2-tailed) menunjukkan nilai 0,000 yang berarti menunjukkan bahwa terdapat perbedaan yang signifikan antara kedua sampel. Hal ini dikarenakan nilai probabilitas atau Sig (2- tailed) < 0.05. 4.2.6 Hasil Analisis Kesesuaian Analisis kesesuaian merupakan analisis untuk mengetahui kualitas kinerja layanan E-Government Pemprov Sumbar. Pengukuran pada analisis kesesuaian dilakukan dengan menghitung perbandingan antara kenyataan atas layanan website yang diterima atau persepsi dengan harapan atas layanan website yang diinginkan pengguna. Hasil yang diperoleh nantinya akan menunjukkan berapa tingkat kesesuaian kualitas layanan website E-Government Sumatera Barat. Berikut ini adalah tabel hasil tingkat kesesuaian kualitas layanan website E-Government Pemprov Sumbar. Tabel 4.13 Hasil Analisis tingkat Kesesuaian Mean Performance Mean Importance Tingkat Kesesuaian Indikator Peratribut Perdimensi Peratribut Perdimensi Peratribut Perdimensi (%) (%) EF1 3.31 4.56 EF2 3.37 4.64 72.5 EF3 3.14 4.58 EF4 3.22 3.24 4.53 4.58 72.7 EF5 2.92 4.56 EF6 3.16 4.63 68.6 EF7 3.58 4.59 TRS1 3.23 3.2 4.56 4.6 71.2 70.76 64.1 68.1 78.1 71.0 69.2

133 TRS2 3.39 4.56 74.4 TRS3 3.25 4.60 70.6 TRS4 2.80 4.58 61.0 RBL1 3.60 4.54 79.3 RBL2 3.51 4.51 77.7 RBL3 3.43 4.58 75.0 75.1 3.4 4.6 RBL4 2.93 4.50 65.1 RBL5 3.55 4.54 78.2 RBL6 3.54 4.68 75.6 CS1 2.88 4.48 64.2 CS2 2.82 4.53 62.3 65.85 2.96 4.50 CS3 3.19 4.60 69.3 CS4 2.96 4.38 67.6 USAT1 3.16 4.37 72.2 77.48 3.33 4.30 USAT2 3.50 4.23 82.7 Rata-Rata Tingkat Kesesuaian 71.70 Tabel 4.13 memperlihatkan bahwa rata-rata tingkat kesesuaian yang ada pada masing-masing indikator dari 5 variabel bernilai rata-rata sebesar 71.70%. Hasil tersebut menunjukkan bahwa tingkat kesesuaian kinerja website E- Government Sumatera barat belum memenuhi harapan pengguna. Hal ini didukung oleh pendapat Indriwinangsih dan Sudaryanto dalam (Viandari, 2021) yang mengatakan jika persentase < 80% maka dikatakan bahwa kesesuaian kinerja dari masing-masing atribut belum memenuhi harapan dari responden dan sangat dibutuhkan perbaikan, jika persentase 80-100% maka kesesuaian tersebut dapat memenuhi harapan dari konsumen tetapi masih perlu diperbaiki lagi, dan jika persentase > 100% dapat dikatakan kinerja indikator tersebut telah melebihi dengan harapan konsumen atau sangat memuaskan. 4.2.7 Hasil Analisis Kesenjangan (Gap Analysis) Analisis kesenjangan merupakan analisis untuk mengetahui tingkat kesenjangan atau perbedaan antara harapan masyarakat dengan kinerja yang dirasakan atau persepsi pengguna terhadap kualitas website E-Government Sumatera barat. Analisis kesenjangan pada penelitian ini dilakukan untuk tiga hal,

134 yaitu analisis per item layanan, analisis per dimensi layanan, dan analisis rata-rata keseluruhan, sehingga dapat diketahui kesenjangan yang terjadi antar tiap layanan/item atribut, dimensi, dan secara keseluruhan dari 5 dimensi yang ada. Hasil dari perhitungan Gap P (Performance) – I (Importance) untuk masing-masing item, per dimensi maupun rata-rata keseluruhan dapat dilihat dalam Tabel 4.14 berikut: Tabel 4. 12 Hasil Analisis Gap Mean Performance Mean Importance Tingkat Kesenjangan (Gap) Indikator Peratribut Perdimensi Peratribut Perdimensi Peratribut Perdimensi (%) (%) EF1 EF2 3.31 4.56 -1.25 EF3 3.37 4.64 EF4 3.14 4.58 -1.27 EF5 3.22 3.24 4.53 4.58 EF6 2.92 4.56 -1.44 EF7 3.16 4.63 TRS1 3.58 4.59 -1.30 -1.34 TRS2 3.23 4.56 TRS3 3.39 4.56 -1.63 TRS4 RBL1 3.2 4.6 -1.48 RBL2 3.25 4.60 RBL3 2.80 4.58 -1.00 RBL4 3.60 4.54 RBL5 3.51 4.51 -1.32 RBL6 3.43 4.58 CS1 -1.17 -1.41 CS2 3.4 4.6 -1.35 CS3 2.93 4.50 CS4 3.55 4.54 -1.79 USAT1 3.54 4.68 USAT2 2.88 4.48 -0.94 2.82 4.53 -1.00 2.96 4.50 3.19 4.60 -1.14 -1.13 2.96 4.38 -1.57 3.16 4.37 -0.99 3.33 4.30 3.50 4.23 -1.14 -1.60 -1.71 -1.54 -1.41 -1.42 -1.21 -0.97 -0.73 Rata-Rata Tingkat Kesesuaian -1.28

135 Tabel 4.14 menunjukkan rata-rata tingkat kesenjangan dari masing- masing indicator yang ada. Hasil analisis ini memperlihatkan bahwa semua nilai kesenjangan pada masing-masing indikator bernilai negatif yang menunjukkan pelayanan yang diberikan belum sesuai dengan harapan pengguna. Jika dilihat berdasarkan variabelnya maka kesenjangan terbesar berada pada variabel Costumer Service dengan rata-rata sebesar -1.54, kemudian disusul oleh variabel Trust dengan rata-rata sebesar -1.41, lalu variabel Efficiency dengan rata-rata sebesar -1.34, variabel Reliability dengan rata-rata sebesar -1.13, dan variabel User Satisfaction yang memiliki rata-rata sebesar -0.97. Jika dilihat berdasarkan tingkat indikator/atribut maka kesenjangan terbesar terjadi pada indikator TRS4 dengan nilai -1.79 yang berarti indikator ini memiliki kualitas yang belum sesuai dengan harapan pelanggan terhadap layanan yang diberikan, sedangkan kesenjangan terkecil berada pada indikator USAT2 dengan nilai -0.73 yang berarti indikator ini adalah indikator yang paling mendekati harapan masyarakat terhadap layanan yang diberikan. Hasil perbandingan rata-rata performance dan importance pada tahap ini menunjukkan nilai gap negatif yang berarti kualitas layanan E-Government Pemprov Sumbar belum baik / belum memuaskan karena hasil kesenjangan < -1 adalah baik dan hasil > -1 tidak baik (Parasuraman et al., 1991) 4.2.8 Hasil Analisis Importance Performance Analysis (IPA) Analisis pada tahap ini dilakukan dengan IPA menggunakan analisis kuadran yang hasilnya dipetakan ke dalam kartesius dengan sumbu (x) yang menjelaskan tentang persepsi dan sumbu (y) yang menjelaskan tentang harapan. Berikut adalah hasil analisis kuadran yang diperoleh.

136 Gambar 4. 12 Diagram Kartesius IPA Berdasarkan Gambar 4.10 dapat disimpulkan bahwa: a. Kuadran A terdapat 6 faktor yang perlu ditingkatkan kualitasnya (prioritas utama perbaikan), yang terdiri atas: 1. Indikator EF3, struktur tampilan halaman pada website Pemprov Sumbar terorganisasi dengan baik 2. Indikator EF5, informasi terperinci 3. Indikator EF6, informasi terbaru 4. Indikator TRS1, keamanan username dan password 5. Indikator TRS4, penggunaan data pribadi untuk tujuan yang jelas 6. Indikator CS3, pengelola memiliki pengetahuan yang cukup untuk menjawab pertanyaan pengguna b. Kuadran B terdapat 9 faktor yang sudah dinilai cukup kualitasnya (prioritas kedua perbaikan), yang terdiri atas: 1. Indikator EF1, struktur/alur proses mudah untuk diikuti 2. Indikator EF2, mesin pencari efektif

137 3. Indikator EF7, petunjuk pengisian cukup membantu 4. Indikator TRS2, otentifikasi data pribadi 5. Indikator TRS3, keamanan data pribadi 6. Indikator RLB1, waktu unduhan formulir singkat 7. Indikator RLB3, keberhasilan layanan waktu pertama kali di akses 8. Indikator RLB5, keberhasilan akses layanan dalam waktu singkat 9. Indikator RLB6, kecocokan sistem perangkat c. Kuadran C terdapat 6 faktor dengan prioritas perbaikan rendah, yang terdiri atas : 1. Indikator EF4, memenuhi harapan pengguna 2. Indikator RLB4, pelayanan tepat waktu 3. Indikator CS1, pengelola tanggap terhadap masalah pengguna 4. Indikator CS2, pengelola memberikan respon yang cepat terhadap pertanyaan pengguna 5. Indikator CS4, pengelola memiliki kemampuan untuk menyampaikan layanan dengan kepercayaan dan keyakinan 6. Indikator USAT1, kepuasan pengguna terhadap performa layanan d. Kuadran D terdapat 2 faktor yang dianggap tidak terlalu diutamakan dalam perbaikan, yang terdiri atas: 1. Indikator RLB2, mudah diakses kapanpun dibutuhkan 2. Indikator USAT2, keinginan untuk terus menggunakan layanan 4.3 Interpretasi Data Hasil Penelitian 4.3.1 Interpretasi Hasil dan Pembahasan Pilot Study Berdasarkan hasil uji instrumen dengan melakukan uji validitas dan reliabilitas, peneliti melakukan interpretasi dan pembahasan hasil uji instrumen sebagai berikut: 1. Uji Validitas

138 Hasil akhir dari analisis uji validitas instrumen menunjukkan bahwa semua indikator yang digunakan valid. Hal ini dibuktikan dengan nilai AVE dengan menggunakan SmartPLS dari setiap indikator > 0.5, yaitu EF sebesar 0.876, TRS sebesar 0.769, RLB sebesar 0.827, CS sebesar 0.904, dan USAT sebesar 0.880. Kemudian nilai AVE dengan menggunakan SPSS pada kuesioner persepsi dan harapan dari setiap indikator bernilai > 0.361 (rtabel 5% (30)). 2. Uji Reliabilitas Hasil akhir dari analisis reliabilitas instrumen menunjukkan bahwa instrumen yang dianggap reliabel adalah yang memiliki nilai Cronbach’s Alpha > 0.7. Sedangkan pada penelitian ini Cronbach’s Alpha yang didapatkan pada semua variabel dengan menggunakan SmartPLS adalah > 0.7, yaitu EF sebesar 0.976, TRS sebesar 0.898, RLB sebesar 0.958, CS sebesar 0.965, dan USAT sebesar 0.865. Kemudian nilai Cronbach’s Alpha dengan menggunakan SPSS > 0.7, yaitu pada kuesioner persepsi bernilai 0.988 dan pada kuesioner harapan bernilai 0.940. Berdasarkan hasil analisis yang telah dilakukan dengan bantuan tools SmartPLS dan IBM Statistic SPSS, diketahui bahwa terdapat 23 indikator-indikator variabel E-GovQual yang digunakan sebagai acuan dalam penilaian kualitas layanan website E-Government Provinsi Sumatera Barat dinyatakan valid dan reliabel. Peneliti menganggap hasil validitas dan reliabilitas dalam penelitian ini dikatakan valid dan reliabel karena peneliti menggunakan instrumen yang sudah ada dan banyak digunakan dan bukan instrumen yang disusun sendiri. Hasil pilot study dapat dilihat pada Lampiran 2. 4.3.2 Interpretasi Data Hasil Analisis Demografis Berdasarkan hasil analisis hasil informasi demografis profil responden peneliti melakukan interpretasi dan mendiskusikan hasil analisis sebagai berikut,

139 pada gambar 4.3 menampilkan bahwa dari 230 responden, sebagian besar didominasi oleh perempuan dengan jumlah 142 orang atau 62% dan laki-laki dengan jumlah 79 orang atau 38%. Gambar 4.4 menampilkan bahwa dari 230 responden, pekerjaan didominasi oleh pelajar yaitu sejumlah 125 orang atau 54%, PNS sejumlah 62 orang atau 27%, pekerjaan swasta 28 orang atau 12%, wirausaha sejumlah 11 orang atau 5%, dan 4 orang atau 2% memilih lainnya. Hal ini disebabkan karena penyebaran kuesioner dilakukan melalui media sosial (WhatsApp, Instagram, twitter) yang mayoritas adalah teman-teman peneliti yang merupakan pelajar (SMA/Mahasiswa). Gambar 4.5 menampilkan bahwa dari 230 responden, usia responden didominasi oleh 17-25 tahun sebanyak 130 orang atau 56%, 26-35 tahun sebanyak 55 orang atau 24%, dan 36-45 tahun sebanyak 45 orang atau 20%. Hal ini sesuai dengan gambar 4.3 yang menunjukkan bahwa pekerjaan didominasi oleh pelajar dengan range usia 17-25 tahun. Gambar 4.6 menampilkan bahwa dari 230 responden, pendidikan terakhir responden didominasi oleh pendidikan SMA/Sederajat dengan jumlah 122 responden atau 53%, S1/2/3 dengan jumlah 86 responden atau 37%, dan pendidikan D1/2/3 dengan jumlah 22 responden atau 10%. Hal ini dikarenakan responden didominasi oleh teman-teman peneliti yang masih menempuh pendidikan S1, sehingga pendidikan terakhir yang ditempuh adalah tingkat SMA atau sederajat. Gambar 4.7 menampilkan bahwa dari 230 responden, frekuensi kunjungan dari responden didominasi dari sebulan sekali dengan jumlah 105 responden atau 50%, kurang dari sebulan sekali dengan jumlah 101 responden atau 44%, dan seminggu sekali dengan jumlah 15 responden atau 6%. Peneliti berasumsi hal ini terjadi karena pengguna hanya mencari informasi yang mereka inginkan dan

140 informasi yang sedang hangat sehingga membuat mereka jarang membuka website E-Government Pemprov Sumbar. Gambar 4.8 menampilkan bahwa dari 230 responden, durasi akses yang dilakukan oleh responden didominasi dengan waktu 5-15 menit dengan jumlah 118 responden atau 51%, durasi 10-15 menit dengan jumlah 63 responden atau 27%, durasi kurang dari 5 menit dengan jumlah 38 responden atau 17%, dan durasi 15-20 menit dengan jumlah 11 responden atau 5%. Hal ini sesuai dengan mayoritas akses pengguna sebanyak sebulan sekali, karena pengguna cenderung membuka website untuk mencari informasi yang mereka inginkan saja. Interpretasi Data Hasil Analisis Model Penelitian Berdasarkan data hasil penyebaran kuesioner yang telah dikumpulkan, peneliti melakukan pengolahan data menggunakan metode Structured Equation Model-Partial Least Square (SEM-PLS) dengan bantuan tools SmartPLS. Pada penelitian ini dilakukan analisis dengan dua tahap untuk model penelitian, yaitu: analisis outer model / measurement model dan inner model / structural model. a. Interpretasi dan Hasil Analisis Model Pengukuran (Outer Model) Evaluasi outer model dalam penelitian ini dilakukan melalui dua tahap, yaitu: evaluasi pada konstruk first order ialah konstruk yang dibentuk oleh indikator-indikatornya dan evaluasi pada konstruk second order yaitu: konstruk yang dibentuk oleh konstruk first order yang menjadi dimensinya seperti pada Gambar 4.9 yang menunjukkan hasil analisis setelah melalui analisis outer model. Pada pengujian model pengukuran dilakukan uji individual item reliability untuk menilai besarnya hubungan antar item pengukuran (indikator) dengan variabel dengan acuan nilai loading factor di atas 0,7 sebagai indikator yang ideal yang artinya indikator tersebut valid sebagai indikator untuk mengukur konstruk atau variabelnya (J. F. Hair et al., 2017; Joe F. Hair et al., 2011). Hasil dari pengujian individual item reliability antar item pengukuran indikator

141 Efficiency (EF), Trust (TRS), Reliability (RLB), Citizen Support (CS), dan User Satisfaction (USAT) memiliki nilai di atas 0,7. Artinya, hasil uji tersebut ideal atau valid sebagai indikator dalam model penelitian ini. Setelah dilakukan pengujian individual item reliability, dilanjutkan dengan pengujian internal consistency reliability yang menggunakan acuan nilai Composite Reliability (CR) dengan ambang batas 0,7 (Joe F. Hair et al., 2011; Masthori et al., 2016; Sofyan & Kurniawan, 2011; Wong, 2013). Hasil dari pengujian internal consistency reliability semua indikator memiliki nilai CR di atas 0.7 dan sehingga dapat dinyatakan model penelitian yang digunakan valid atau reliabel. Berikut penjabaran hasil nilai CR pada Tabel 4.3 yaitu: variabel Efficiency (EF) memiliki nilai CR sebesar 0.976, Trust (TRS) memiliki nilai CR sebesar 0.924, Reliability (RLB) memiliki nilai CR sebesar 0.986, Citizen Support (CS) memiliki nilai CR sebesar 0.973, dan User Satisfaction (USAT) memiliki nilai CR sebesar 0.918. Setelah dilakukan pengujian internal consistency reliability, dilanjutkan dengan pengujian average variance extracted (AVE) untuk mengetahui besaran keragaman variabel yang dilakukan dengan menggunakan acuan dengan nilai AVE minimal 0,5 yang menunjukkan ukuran convergent validity (Joe F. Hair et al., 2011; Masthori et al., 2016; Sofyan & Kurniawan, 2011; Wong, 2013). Hasil dari pengujian average variance extracted (AVE) semua indikator memiliki nilai AVE di atas 0,5 dan sehingga dapat dinyatakan model penelitian yang digunakan valid atau reliabel. Berikut penjabaran hasil nilai pengujian AVE pada Tabel 4.4 yaitu: variabel Efficiency (EF) memiliki nilai AVE sebesar 0,852, Trust (TRS) memiliki nilai AVE sebesar 0,752, Reliability (RLB) memiliki nilai AVE sebesar 0,817, Citizen Support (CS) memiliki nilai AVE sebesar 0,973, dan User Satisfaction (USAT) memiliki nilai AVE sebesar 0,849.

142 Setelah dilakukan pengujian average variance extracted (AVE), dilanjutkan dengan pengujian discriminant validity yang dilakukan melalui cross loading, kemudian membandingkannya dengan nilai akar AVE. Pada penelitian ini pengujian discriminant validity dilakukan dengan 2 tahap yaitu: melihat nilai cross loading antar indikator, serta cross loading FornellLacker’s (Joe F. Hair et al., 2011; Masthori et al., 2016; Sofyan & Kurniawan, 2011; Wong, 2013). Hasil dari pengujian discriminant validity melalui cross loading dengan bantuan tools SmartPLS memperlihatkan bahwa nilai loading pada konstruk yang dituju ternyata lebih besar dibandingkan dengan nilai loading dengan konstruk yang lain. Hal tersebut dapat dilihat dari angka-angka yang diterangi dengan warna hijau pada Tabel 4.5. Pemeriksaan nilai cross loading Fornell-Lacker’s juga dilakukan peneliti dengan bantuan tools SmartPLS dengan melihat nilai akar AVE harus lebih tinggi dari korelasi antar konstruk dengan konstruk lainnya. Hal tersebut dapat dilihat pada Tabel 4.6 yang menunjukkan bahwa nilai akar AVE lebih tinggi dari pada korelasi antara konstruk dengan konstruk lainnya. Sehingga hasil pemeriksaan dua tahap cross loading disimpulkan bahwa tidak ada masalah dalam uji discriminant validity. Secara singkat, dapat disimpulkan bahwa hasil analisis pengukuran model (outer model) menunjukkan model yang peneliti ajukan sudah memenuhi karakteristik yang baik secara statistik sehingga memenuhi syarat untuk dilanjutkan ke tahap pengujian struktur model (inner model). b. Interpretasi dan Hasil Analisis Struktur Model Hasil analisis struktural model yang terdapat pada second order yang terdiri atas uji path coefficients (������) yang ada pada Tabel 4.8 dan Tabel 4.9, coefficient of determination (������2) yang ada pada Tabel 4.10, t-Test dengan menggunakan metode bootstrapping pada Tabel 4.11, maka didapatkan hasil bahwa:

143 1) Terdapat lima hipotesa yang signifikan dan diterima, dimana hasil pemaparannya ada pada tabel 4.15 sebagai berikut: Tabel 4. 13 Pemaparan Hasil analisis Hipotesis T- Path coefficients Keterangan No Jalur test (������) Hasil Path coefficients Pengujian (������) H1 EF -> EGSQ 98.9 0.359 0.004 98.9 H2 TRS -> EGSQ 39.9 0.169 H3 RLB -> EGSQ 73.3 0.295 0.004 39.9 H4 CS -> EGSQ 63.4 0.215 H5 EGSQ -> USAT 56 0.880 0.004 73.3 0.003 63.4 0.016 56 H1 Efficiency (EF) memiliki terhadap e-Government Service Quality (EGSQ) Hasil dari pengujian path coefficients (������) menunjukkan bahwa variabel Efficiency (EF) memiliki pengaruh signifikan terhadap kualitas layanan E- Government. Kemudian pada pengujian t-Test, juga didapatkan hasil yang valid pada indikator pembentuk variabel EF mulai dari EF1, EF2, EF3, EF4, EF5, EF6, dan EF7. Indikator tersebut memiliki hubungan antara variabel EF dan E-Government Service Quality karena memiliki nilai T-statistik di atas 1,96. Hal ini konsisten dengan penelitian yang dilakukan sebelumnya oleh (Charaselt, 2018; Haryani, 2016; Papadomichelaki & Mentzas, 2009) yang menyatakan bahwa variabel efficiency memiliki pengaruh terhadap E- Government Service Quality (EGSQ), sehingga hipotetis H1 pada penelitian ini diterima. H2 Trust (TRS) memiliki pengaruh terhadap e-Government Service Quality (EGSQ) Hasil dari pengujian path coefficients (������) menunjukkan bahwa variabel Trust (TRS) memiliki pengaruh signifikan terhadap kualitas layanan E- Government. Kemudian pada pengujian t-Test, juga didapatkan hasil yang

144 valid pada indikator pembentuk variabel TRS mulai dari TRS1, TRS2, TRS3, dan TRS4. Indikator tersebut memiliki hubungan antara variabel TRS dan E- Government Service Quality karena memiliki nilai T-statistik di atas 1,96. Hal ini konsisten dengan penelitian yang dilakukan sebelumnya oleh (Charaselt, 2018; Haryani, 2016; Papadomichelaki & Mentzas, 2009) yang menyatakan bahwa variabel trust memiliki pengaruh terhadap E-Government Service Quality (EGSQ), sehingga hipotetis H2 pada penelitian ini diterima. H3 Reliability (RLB) memiliki pengaruh terhadap e-Government Service Quality (EGSQ) Hasil dari pengujian path coefficients (������) menunjukkan bahwa variabel Reliability (RLB) memiliki pengaruh signifikan terhadap kualitas layanan E- Government. Kemudian pada pengujian t-Test, juga didapatkan hasil yang valid pada indikator pembentuk variabel RLB mulai dari RLB1, RLB2, RLB3, RLB4, RLB5 dan RLB6. Indikator tersebut memiliki hubungan antara variabel RLB dan E-Government Service Quality karena memiliki nilai T-statistik di atas 1,96. Hal ini konsisten dengan penelitian yang dilakukan sebelumnya oleh (Charaselt, 2018; Haryani, 2016; Papadomichelaki & Mentzas, 2009) yang menyatakan bahwa variabel reliability memiliki pengaruh terhadap E- Government Service Quality (EGSQ), sehingga hipotetis H3 pada penelitian ini diterima. H4 Citizen Support (CS) memiliki pengaruh terhadap e-Government Service Quality (EGSQ) Hasil dari pengujian path coefficients (������) menunjukkan bahwa variabel Citizen Support (CS) memiliki pengaruh signifikan terhadap kualitas layanan E-Government. Kemudian pada pengujian t-Test, juga didapatkan hasil yang valid pada indikator pembentuk variabel CS mulai dari CS1, CS2, CS3, dan CS4. Indikator tersebut memiliki hubungan antara variabel CS dan E- Government Service Quality karena memiliki nilai T statistik di atas 1,96. Hal

145 ini konsisten dengan penelitian yang dilakukan sebelumnya oleh (Charaselt, 2018; Haryani, 2016; Papadomichelaki & Mentzas, 2009) yang menyatakan bahwa variabel citizen support memiliki pengaruh terhadap E-Government Service Quality (EGSQ), sehingga hipotetis H4 pada penelitian ini diterima. H5 E-Government Service Quality (EGSQ) memiliki pengaruh terhadap User Satisfaction (USAT) Hasil dari pengujian path coefficients (������) menunjukkan bahwa variabel E- Government Service Quality (EGSQ) memiliki pengaruh signifikan terhadap User Satisfaction (USAT), yang berarti variabel EGSQ dalam konstruk second order merupakan konstruk USAT. Kemudian pada pengujian T-test, juga didapatkan hasil yang valid pada indikator pembentuk variabel USAT mulai dari USAT1 dan USAT2. Indikator tersebut memiliki hubungan antara variabel E-Government Service Quality (EGSQ) dan User Satisfaction (USAT) karena memiliki nilai T-statistik di atas 1,96. Hal ini konsisten dengan penelitian yang dilakukan sebelumnya oleh (Delone & Mclean, 2003; Haryani, 2016; Hidayah et al., 2020; Viandari, 2021) yang menyatakan bahwa variabel E-Government Service Quality (EGSQ) memiliki pengaruh terhadap variabel User Satisfaction (USAT), sehingga hipotetis H5 pada penelitian ini diterima. 4.3.3 Interpretasi Hasil Uji Paired Samples T-Test Hasil akhir dari analisis uji Paired Sample T-test menunjukkan bahwa terdapat perbedaan yang signifikan antara kedua sampel (persepsi dan harapan) karena memiliki nilai Sig. (2-tailed) sebesar 0.000, karena jika nilai Sig. (2- tailed) < 0.05 menunjukkan adanya kesenjangan yang signifikan antar variabel awal dengan akhir dan Sig. (2-tailed) > 0.05 menunjukkan tidak adanya kesenjangan yang signifikan antar variabel awal dengan akhir. Perbedaan yang signifikan antara kedua sampel ini diperkuat juga oleh analisis kesenjangan yang ada pada tabel 4.14. Adanya kesenjangan antara

146 variabel persepsi dan harapan menunjukkan bahwa hasil kinerja website E- Government Pemprov Sumbar belum sesuai dengan harapan pengguna. 4.3.4 Interpretasi Hasil Analisis Kesesuaian Hasil analisis kesesuaian yang ada pada Tabel 4.13 dari penelitian ini menunjukkan bahwa nilai variabel Efficiency (EF) mendapatkan rata-rata tingkat kesesuaian sebesar 70.76%, nilai variabel Trust (TRS) mendapatkan rata-rata tingkat kesesuaian sebesar 69.2%, nilai variabel Reliability (RLB) mendapatkan rerata tingkat kesesuaian sebesar 75.1% , nilai dimensi Citizen Support (CS) mendapatkan rata-rata tingkat kesesuaian sebesar 65.8%, dan nilai variabel User Satisfaction (USAT) mendapatkan rata-rata tingkat kesesuaian sebesar 77.48%, sehingga nilai rata-rata tingkat kesesuaian terhadap 5 variabel sebesar 71.7%. Diperolehnya nilai rata-rata sebesar 71.7% menunjukkan bahwa tingkat kesesuaian website E-Government Pemprov Sumbar belum memenuhi harapan pengguna karena persentase < 80% maka kesesuaian kinerja dari masing- masing atribut belum memenuhi harapan pengguna (Supranto, 2006). 4.3.5 Interpretasi Hasil Analisis Kesenjangan (Gap Analysis) Hasil analisis kesenjangan yang ada pada Tabel 4.14 dari penelitian ini menunjukkan bahwa nilai variabel Efficiency (EF) mendapatkan rata-rata tingkat kesenjangan sebesar -1.34%, nilai variabel Trust (TRS) mendapatkan rata-rata tingkat kesenjangan sebesar -1.41%, nilai variabel Reliability (RLB) mendapatkan rerata tingkat kesenjangan sebesar -1.13% , nilai dimensi Citizen Support (CS) mendapatkan rata-rata tingkat kesenjangan sebesar -1.54%, dan nilai variabel User Satisfaction (USAT) mendapatkan rata-rata tingkat kesenjangan sebesar -0.97%, sehingga nilai rata-rata tingkat kesenjangan terhadap 5 variabel sebesar -1.28% hal ini menunjukkan bahwa variabel CS memiliki kinerja yang paling rendah.

147 Diperolehnya nilai rata-rata sebesar -1.28% menunjukkan bahwa tingkat kesenjangan website E-Government Pemprov Sumbar belum memuaskan pengguna karena hasil kesenjangan < -1 adalah memuaskan/baik dan > -1 belum baik/belum memuaskan (Parasuraman et al., 1991). 4.3.6 Interpretasi Hasil Analisis Importance Performance Analysis (IPA) Berdasarkan Gambar 4.15 diperoleh hasil Importance Performance Analysis (IPA) atau analisis kuadran adalah sebagai berikut: a. Kuadran A (Prioritas Utama) Terdapat 6 indikator yang termasuk dalam kuadran A atau yang menjadi prioritas utama dalam perbaikan yaitu, 3 indikator dari variabel EF (EF3: strutktur tampilan halaman pada website Pemprov Sumbar terorganisasi dengan baik, EF5: informasi terperinci, EF6: informasi terbaru), 2 indikator dari variabel TRS (TRS1: keamanan username dan password dan TRS4: penggunaan data pribadi untuk tujuan yang jelas), dan 1 indikator dari variabel CS (CS3: pengelola memiliki pengetahuan yang cukup untuk menjawab pertanyaan pengguna). Indikator yang ada pada kuadran A merupakan indikator-indikator yang menjadi prioritas utama perbaikan atau peningkatan kualitas layanan karena pada kuadran A ini harapan pengguna sangat tinggi namun kinerja yang diberikan website E-Government Pemprov Sumbar masih rendah, untuk itu pada kuadran inilah perbaikan sangat perlu dilakukan. b. Kuadran B Terdapat 9 indikator yang termasuk dalam kuadran B atau yang menjadi prioritas kedua dalam perbaikan yaitu, 3 indikator dari variabel EF (EF1 : struktur/alur proses mudah untuk diikuti, EF2: mesin pencari efektif, EF7 : petunjuk pengisian cukup membantu), 2 indikator dari variabel TRS (TRS2 : otentifikasi data pribadi dan TRS3

148 : keamanan data pribadi), dan 4 indikator dari variabel RLB (RLB1 : waktu unduhan formulir singkat, RLB3 : keberhasilan layanan waktu pertama kali di akses, RLB5 : keberhasilan akses layanan dalam waktu singkat, dan RLB6 : kecocokan sistem perangkat). Indikator yang ada pada kuadran B merupakan indikator-indikator yang menjadi prioritas kedua perbaikan atau peningkatan kualitas layanan karena pada kuadran B ini harapan pengguna sangat tinggi dan kinerja yang diberikan website E-Government Pemprov Sumbar sudah dianggap memenuhi harapan pengguna namun masih perlu ditingkatkan. c. Kuadran C (Prioritas Rendah) Terdapat 6 indikator yang termasuk dalam kuadran C atau yang menjadi prioritas utama dalam perbaikan yaitu, 1 indikator dari variabel EF (EF4 : memenuhi harapan pengguna), 1 indikator dari variabel RLB (RLB4 : pelayanan tepat waktu), 3 indikator dari variabel CS (CS1 : pengelola memberikan respon yang cepat terhadap pertanyaan pengguna, CS2 : pengelola memberikan respon yang cepat terhadap pertanyaan pengguna, CS4 : pengelola memiliki kemampuan untuk menyampaikan layanan dengan kepercayaan dan keyakinan), dan 1 indikator dari variabel USAT (USAT1 : kepuasan pengguna terhadap performa layanan). Indikator yang ada pada kuadran C merupakan indikator-indikator yang dianggap kurang penting dan memiliki prioritas rendah namun karena hasil gap pada semua indikator kualitas layanan website E- Government Pemprov Sumbar memiliki nilai negatif maka perbaikan perlu dilakukan walaupun menjadi prioritas ketiga. d. Kuadran D Terdapat 2 indikator yang termasuk dalam kuadran D atau yang menjadi prioritas terakhir dalam perbaikan yaitu, indikator dari variabel RLB2 (RLB2: mudah diakses kapanpun dibutuhkan indikator

149 dari variabel USAT (USAT2: keinginan untuk terus menggunakan layanan). Indikator yang ada pada kuadran D merupakan indikator-indikator yang menjadi prioritas terakhir dalam perbaikan karena kinerja dari indikator tersebut sudah dianggap cukup baik akan tetapi kepentingannya dinilai rendah oleh pengguna. 4.4 Rekomendasi Rekomendasi yang dibuat adalah berdasarkan hasil dari analisis kualitas layanan Website E-Government Pemerintah Provinsi Sumatera Barat dapat digunakan sebagai acuan dalam meningkatkan kualitas layanan Website yang merujuk pada hasil dari masing-masing variabel pada penelitian ini. Rekomendasi berdasarkan variabel yang digunakan pada penelitian ini dapat dilihat pada Tabel 4.16 yaitu sebagai berikut: Tabel 4. 14 Rekomendasi a. Rekomendasi untuk kuadran A Variabel Indikator Saran Efficiency EF3, struktur halaman Pembaharuan website terorganisasi dengan baik secara keseluruhan juga dapat dilakukan dengan membuat website menjadi lebih simple dan minimalis, sehingga semua informasi yang tersedia dapat diterima penuh oleh pengguna dan tidak terganggu karena susunan tampilan informasi yang berantakan sehingga

150 efisiensi penggunaan pun meningkat. Trust EF5, informasi terperinci Dalam menampilkan berita, penambahan EF6, informasi terbaru kategori berita sangat bisa untuk ditambahkan, agar TRS1, keamanan setiap berita yang ada username dan password mudah untuk ditemukan pengguna. Informasi lain seperti file dokumen yang akan diunduh, perlu diberikan keterangan yang lebih jelas. Terkait dengan EF5, pembaharuan informasi yang tersedia dapat terbantu dengan adanya kategori, khususnya dalam informasi berita, dengan adanya kategori nanti pihak admin dapat menunjuk anggotanya dalam melakukan update berita sesuai kategori yang ada. Mengingat Sumatera Barat sangatlah luas, dan penyeberan informasi sangat cepat Rasa kepercayaan perlu ditingkatkan kepada masyarakat terutama tentang keamanan data yang diberikan setiap kali

151 Citizen Support TRS4, penggunaan data masyarakat login ke dalam pribadi untuk tujuan yang setiap layanan yang ada di jelas website ini. Salah satu cara yang dapat dilakukan ialah CS3, pengelola memiliki dengan melakukan pengetahuan yang cukup penyebaran informasi untuk menjawab tentang terjaga nya pertanyaan pengguna keamanan data dan penggunaan data pribadi pengguna melalui media cetak maupun online dengan menggunakan figur pejabat terkait, sehingga timbul rasa kepercayaan. Dari sisi interaksi layanan perlu ditingkatkan tanggapan yang cepat dan akurat terhadap masukan (pertanyaan, kritik dan saran) yang diberikan oleh masyarakat, bisa dengan membuat satu akun WhatsApp khusus agar masyarakat lebih mudah memberikan masukannya, dibandingkan hanya mencantumkan nomor telepon. b. Rekomendasi secara umum untuk tiap variabel Variabel Analisis Rekomendasi Efficiency (EF) Pihak pengelola bisa melakukan perbaikan dengan meningkatkan kecepatan dan ketepatan dalam Diterima menyediakan informasi terbaru serta mengganti tampilan bagian pemberitaan yang ada sehingga

152 Trust (TRS) memberikan kesan fresh kepada pengguna. Pembaharuan website secara keseluruhan juga Reliability (RLB) dapat dilakukan dengan membuat website menjadi Citizen Support (CS) lebih simple dan minimalis, sehingga semua informasi yang tersedia dapat diterima penuh oleh pengguna dan tidak terganggu karena susunan tampilan informasi yang berantakan sehingga efisiensi penggunaan pun meningkat. Rasa kepercayaan perlu ditingkatkan kepada masyarakat terutama tentang keamanan data yang diberikan setiap kali masyarakat login ke dalam setiap layanan yang ada di website ini. Salah satu Diterima cara yang dapat dilakukan ialah dengan melakukan penyebaran informasi terkait keamanan data pengguna melalui media cetak maupun online dengan menggunakan figur pejabat terkait, sehingga timbul rasa kepercayaan. Meskipun masih dirasa kurang oleh masyarakat, variabel Reliability adalah variabel dengan rata- rata tertinggi terkait kepuasan dibandingkan variabel lain, untuk itu perbaikan yang perlu Diterima dilakukan adalah memperbaharui desain website yang ada menjadi lebih minimalis dan meningkatkan kualitas server sehingga waktu akses akan berkurang dan masyarakat menjadi puas. Dari sisi interaksi layanan perlu ditingkatkan Diterima tanggapan yang cepat dan akurat terhadap masukan (pertanyaan, kritik dan saran) yang

153 diberikan oleh masyarakat, bisa dengan membuat satu akun WhatsApp khusus agar masyarakat lebih mudah memberikan masukannya, dibandingkan hanya mencantumkan nomor telepon. Secara umum masyarakat telah puas dengan layanan website E-Government Pemprov Sumbar, namun pihak pengelola dapat melakukan User Satisfaction (USAT) Diterima perbaikan-perbaikan seperti yang telah dijelaskan di poin-poin sebelumnya, agar nilai kepuasan masyarakat terus meningkat. BAB V PENUTUP 5.1 Kesimpulan Berdasarkan hasil penelitian yang telah dilakukan terhadap kualitas website E- Government Pemerintah Provinsi Sumatera Barat, dapat disimpulkan bahwa: 1. Masyarakat atau pengguna website E-Government Pemprov Sumbar merasa belum puas terhadap kualitas layanan E-Government yang telah diberikan, hal ini terlihat dari nilai rata-rata analisis kesesuaian terhadap 5 dimensi bernilai 71.7%, sehingga sangat perlu ditingkatkan kinerja dan kualitas website itu sendiri. Belum puasnya pengguna juga terlihat dari nilai kesenjangan/gap masih menunjukkan nilai negatif, dengan variabel Efficiency (EF) mendapatkan rata-rata tingkat kesenjangan sebesar -1.34%, nilai variabel Trust (TRS) mendapatkan rata-rata tingkat kesenjangan sebesar -1.41%, nilai variabel Reliability (RLB) mendapatkan rerata tingkat kesenjangan sebesar -1.13% , nilai dimensi Citizen Support (CS) mendapatkan rata-rata tingkat kesenjangan sebesar -1.54%, dan nilai variabel User Satisfaction (USAT) mendapatkan rata-rata tingkat kesenjangan sebesar -0.97%

154 2. Keempat variabel dimensi yang ada pada penelitian ini, berpengaruh signifikan terhadap E-Government Service Quality pada website Pemprov Sumbar. Penambahan variabel USAT juga menunjukkan bahwa E-Government Service Quality secara langsung mempengaruhi dan dipengaruhi oleh variabel ini, karena jika kepuasan pengguna tinggi maka akan meningkatkan keinginan untuk terus menggunakan layanan. Pengaruh signifikan dari setiap variabel dapat terlihat dari nilai T-test > 1,96 dan path coefficients (������) > 0,1, atau 5 hipotesis yang ada di dalam penelitian diterima. 3. Dalam menentukan atribut perbaikan menggunakan IPA, hal yang pertama dilakukan adalah melakukan uji kesesuaian terhadap setiap indikator yang ada, sehingga diperoleh hasil berupa angka 1-100% untuk tiap atribut yang menunjukkan apakah atribut-atribut tersebut telah sesuai atau belum dengan harapan pengguna. Langkah kedua yang dilakukan adalah melakukan uji kesenjangan (Gap), dengan hasil berupa nilai <-1 adalah baik, dan >-1 adalah kurang baik. Berdasarkan hasil analisis kesesuaian dan gap yang telah dilakukan, kemudian pengujian dilanjutkan dengan proses pembuatan diagram kartesius, yaitu pengelompokan setiap atribut ke dalam 4 buah kuadran yaitu kuadran A Kuadran (Concentrate These), Kuadran B (Keep Up the Good Work), Kuadran C (Low Priority) dan Kuadran D (Possible Overkill), sehingga atribut yang masuk dalam Kuadran A adalah atribut dengan prioritas utama dalam melakukan perbaikan. Dari hasil penelitian ini terdapat 6 indikator yang masuk dalam kuadran A sebagai atribut utama perbaikan, yaitu EF3: struktur tampilan halaman terorganisir, EF5: informasi terperinci, EF6: informasi terbaru, TRS1: keamanan username dan password dan TRS4: penggunaan data pribadi untuk tujuan yang jelas, dan CS3: pengelola memiliki pengetahuan yang cukup untuk menjawab pertanyaan pengguna. Keenam indikator ini memiliki nilai kesesuaian yang rendah, dan nilai kesenjangan (gap) yang besar antara persepsi yang dirasakan pengguna saat ini dengan harapan yang ideal. Oleh karena itu, meskipun semua indikator penelitian bernilai negatif, keenam indikator inilah yang perlu

155 mendapatkan perhatian utama sehubungan dengan perbaikan kualitas layanan E- Government Pemprov Sumbar. 5.2 Saran Berdasarkan hasil penelitian yang telah dilakukan, penulis memiliki beberapa saran yang sekiranya dapat dipertimbangkan untuk penelitian selanjutnya: 1. Dalam proses pengumpulan data, jumlah responden yang digunakan sebaiknya diperbanyak atau diperbesar, sehingga cakupan responden yang didapat menjadi lebih luas dan hasil yang diperoleh menjadi lebih akurat. 2. Bagi peneliti selanjutnya, dapat melakukan penambahan dan pengembangan variabel seperti variabel intent to use dan Net Benefit atau melakukan pengujian dengan variabel yang sama dengan membandingkan E-GovQual dengan metode pengukuran kualitas layanan lainnya seperti WebQual ataupun ServQual.

REFERENSI Abdillah, W., & Hartono, J. (2015). Partial Least Square (PLS): alternatif structural equation modeling (SEM) dalam penelitian bisnis. Penerbit Andi. Alanezi, M. A., Mahmood, A. K., & Basri, S. (2012). E-government service quality: A qualitative evaluation in the case of Saudi Arabia. Electronic Journal of Information Systems in Developing Countries, 54(1), 1–20. https://doi.org/10.1002/j.1681-4835.2012.tb00382.x Albar, Mooduto, H. A., Dahlan, A. A., Yuhefizar, Erwadi, & Napitupulu, D. (2017). E- government service quality based on e-GovQual approach case study in West Sumatera province. International Journal on Advanced Science, Engineering and Information Technology, 7(6), 2337–2342. https://doi.org/10.18517/ijaseit.7.6.4226 Amanda, P. S. (2017). Kualitas Pelayanan E-Government Melalui Smart Kampung Di Kabupaten Banyuwangi. Anggraeni, N. M. S., & Yasa, N. N. K. (2012). E-Service Quality Terhadap Kepuasan Dan Loyalitas Pelanggan Dalam Penggunaan Internet Banking. Jurnal Keuangan Dan Perbankan, 16(2), 293–306. http://jurkubank.wordpress.com Asegaff, M. (2018). Pengaruh Kualitas Pelayanan terhadap Kepuasan Pelanggan (Studi Kasus pada Tiket Garuda di Pt. Totogasono Sekawan Samarinda Tahun 2016). Jurnal Ekonomi Dan Manajemen, 12(1), 18–24. Awang, Z., Afthanorhan, A., & Mamat, M. (2015). The Likert scale analysis using parametric based Structural Equation Modeling ( SEM ). Bakry, S. H., Al-osaimi, K., & Alheraish, A. (2015). An integrated STOPE framework for e-readiness assessments. March. Barnes, S. J., & Vidgen, R. (2003). Measuring web site quality improvements: A case study of the forum on strategic management knowledge exchange. Industrial Management and Data Systems, 103(5–6), 297–309. https://doi.org/10.1108/02635570310477352 Batini, C., Viscusi, G., & Cherubini, D. (2009). GovQual: A quality driven methodology for E-Government project planning. Government Information Quarterly, 26, 106–117. https://doi.org/10.1016/j.giq.2008.03.002 Charaselt, V. D. F. D. (2018). Evaluasi kualitas layanan website pemerintahan untuk bisnis dengan pendekatan e-govqual (Studi kasus Pemerintah Daerah lampung). 4(1), 1–23.

Creswell, J. W. (2014). Research Design: Qualitative, Quantitative and Mixed Methods Approaches (4th ed.). Sage Publication. Delone, W., & Mclean, E. (2003). The DeLone and McLean Model of Information Systems Success : A Ten-Year Update. October 2014. https://doi.org/10.1080/07421222.2003.11045748 Diyanto, A. C. (2019). Analisis Kualitas Pelayanan Terhadap Kepuasan Pelanggan Menggunakan Metode Importance Performance Analysis (Ipa) Pada …. 1–9. http://repository.unmuhjember.ac.id/6172/ Djaali. (2008). Skala Likert. Pustaka Utama. Durianto, D., Sugiarto, S., & Sitinjak, T. (2004). Strategi menaklukan pasar : melalui riset ekuitas dan perilaku merek. PT Gramedia Pustaka Utama. Efendi, M. M., & Purnomo, J. D. T. (2012). Analisis Faktor Konfirmatori untuk Mengetahui Kesadaran Berlalu Lintas Pengendara Sepeda Motor di Surabaya Timur. Fakultas Matematika Dan Ilmu Pengetahuan Alam, Institut Teknologi Sepuluh Nopember (ITS), 1(1), D106–D111. http://ejurnal.its.ac.id/index.php/sains_seni/article/download/965/270 Esteves, J., & Joseph, R. C. (2008). A Comprehensive Framework for the Assessment of eGovernment Projects. 25, 118–132. https://doi.org/10.1016/j.giq.2007.04.009 Fornell, C., & Bookstein, F. L. (1982). Two Structural Equation Models: LISREL and PLS Applied to Consumer Exit-Voice Theory. Journal of Marketing Research, 19(4), 440–452. https://doi.org/10.2307/3151718 Ghozali, I., & Latan, H. (2015a). Partial Least Squares: Konsep, Teknik dan Aplikasi SmartPLS 3.0 untuk Penelitian Empiris. Badan Penerbit Universitas Diponegoro. Ghozali, I., & Latan, H. (2015b). Partial Least Squares: Konsep, Teknik dan Aplikasi SmartPLS 3.0 untuk Penelitian Empiris. Badan Penerbit Universitas Diponegoro. Gronroos, C. (1984). A Service Quality Model and its Marketing Implications. European Journal of Marketing, 18(4), 36–44. https://doi.org/10.1108/EUM0000000004784 Guritno, S., & Rahardja, U. (2011). Theory and Application of IT Research: Metodologi Penelitian Teknologi Informasi. Penerbit Andi. Hair, J., Black, W., Babin, B., & Anderson, R. (2010). Multivariate Data Analysis: A Global Perspective. Hair, J., Black, W. C., Babin, B. J., Anderson, R. E., & Tatham, R. (2006). Multivariate

data analysis. NJ: Pearson Prentice Hall. Hair, J. F., Hult, G. T. M., Ringle, C. M., & Sarstedt, M. (2017). A Primer on Partial Least Squares Structural Equation Modeling (PLS-SEM). Thousand Oaks. In Sage (2nd ed.). SAGE Publications, Inc. Hair, Joe F., Ringle, C. M., & Sarstedt, M. (2011). PLS-SEM: Indeed a silver bullet. Journal of Marketing Theory and Practice, 19(2), 139–152. https://doi.org/10.2753/MTP1069-6679190202 Hair, Joe F, Matthews, L. M., Matthews, R. L., & Magdeburg, O. (2017). PLS-SEM or CB-SEM : updated guidelines on which method to use Marko Sarstedt. 1(2). Hair, Joseph F, Sarstedt, M., & Ringle, C. M. (2017). Partial Least Squares Structural Equation Modeling (Issue September). https://doi.org/10.1007/978-3-319-05542-8 Handayani, N. U., Santoso, H., & Ichwal Pratama, A. (2012). Faktor -Faktor yang memengaruhi Peningkatan Daya Saing Klaster Mebel di Kabupaten Jepara. Jurnal Teknik Industri, 13(1), 22. https://doi.org/10.22219/jtiumm.vol13.no1.22-30 Haryani, P. (2016). Evaluasi Kualitas Layanan E-Government Pemerintah Kota Yogyakarta Dengan Metode E-GOVQUAL Modifikasi. Simposium Nasional RAPI XV, 379–386. Hasanov, J., & Khalid, H. (2015). The Impact of Website Quality on Online Purchase Intention of Organic Food in Malaysia: A WebQual Model Approach. Procedia Computer Science, 72, 382–389. https://doi.org/10.1016/j.procs.2015.12.153 Hidayah, N. A., Utami, M. C., & Fajrisani, N. (2020). Measurement of Public Service Applications Quality Using the Electronic Government Quality (E-GovQual) Framework. 408(November 2018), 106–109. https://doi.org/10.2991/assehr.k.200220.019 Hidayat, A. (2014). Penjelasan Analisis Faktor – PCA dan CFA. https://www.statistikian.com/2014/03/analisis-faktor.html Hussein, A. S. (2015). Penelitian Bisnis dan Manajemen Menggunakan Partial Least Squares dengan SmartPLS 3.0. Universitas Brawijaya, 1, 1–19. https://doi.org/10.1023/A:1023202519395 Hutahean, J. (2014). Konsep Sistem Informasi. Cv Budi Utama. Indrawan, R. (2016). Metodologi Penelitian Kuantitatif, kualitatif dan campuran untuk manajemen pembangunan, dan pendidikan ( refika Aditama (ed.)). inpres. (2003). Inpres. http://hukum.unsrat.ac.id/pres/inpres_3_2003.htm

Irawan, D., Rahsel, Y., Udin, T., Manajeamn, P., Islam, P., & Rejo, G. (2017). Perancangan Electronic Commerce Berbasis B2C. 8(1), 58–62. Ishtiaq, M. (2019). Book Review Creswell, J. W. (2014). Research Design: Qualitative, Quantitative and Mixed Methods Approaches (4th ed.). Thousand Oaks, CA: Sage. English Language Teaching, 12(5), 40. https://doi.org/10.5539/elt.v12n5p40 Jamiansyah, H. (2018). ANALISIS KUALITAS LAYANAN E-GOVERNMENT DENGAN MENGGUNAKAN E-GOVQUAL (STUDI KASUS : DINAS KOMUNIKASI DAN INFORMATIKA KOTA PALEMBANG). 2, 227–249. Jaya, I. G. N. M., & Sumertajaya, I. M. (2008). PEMODELAN PERSAMAAN STRUKTURAL DENGAN PARTIAL LEAST SQUARE. 118–132. Jayasundara, C. C. (2008). User Perceptions and Expectations on E-Information Literacy Development Programmes : a gap analysis. May. Jogiyanto, J. (2011). Konsep dan Aplikasi Structural Equation Modeling Berbasis Varian dalam Penelitian Bisnis. UPP STIM YKPN. John W. Satzinger, Robert B. Jackson, S. D. B. (2012). Systems Analysis and Design in a Changing World (6th ed.). Kim, H., & Niehm, L. (2009). The Impact of Website Quality on Information Quality, Value, and Loyalty Intentions in Apparel Retailing. Journal of Interactive Marketing - J INTERACT MARK, 23, 221–233. https://doi.org/10.1016/j.intmar.2009.04.009 Kock, ned. (2014). Ned Kock - Collaborative for International Technology Studies. Advanced Mediating Effects Tests, Multi-Group Analyses, and Measurement Model Assessments in PLS-Based SEM. International Journal of e-Collaboration, 10(3), 1-13., 94. Levenburg, N. M., & Magal, S. R. (2004). Applying Importance-Performance Analysis to Evaluate E-Business Strategies among Small Firms. E-Service Journal, 3(3), 29–48. https://doi.org/10.1353/esj.2005.0012 Magister, P., Informasi, J. S., & Informasi, F. T. (2017). Analisis Pengaruh Kualitas Layanan Publik E-Government ( Government To Citizen ) Terhadap Penciptaan Public Value ( Studi Kasus : Kota Surabaya ). Martilla, J. A., & James, J. C. (1986). Importance-performance analysis. Masthori, A., Nugroho, H. A., & Ferdiana, R. (2016). The Use of Modified Webqual Method in Evaluation of Website Service Quality of Local Government (Penggunaan Metode Webqual Modifikasi dalam Evaluasi Kualitas Layanan

Website Pemerintah Daerah). Journal Pekommas, 1(1), 57. https://doi.org/10.30818/jpkm.2016.2010106 Memon, M. A., Ting, H., Cheah, J.-H., Thurasamy, R., Chuah, F., & Cham, T. H. (2020). Sample Size for Survey Research: Review and Recommendations. Journal of Applied Structural Equation Modeling, 4(2), i–xx. https://doi.org/10.47263/jasem.4(2)01 MENPANRB. (2019). Pemprov Sumbar Komitmen Tingkatkan Indeks SPBE. https://menpan.go.id/site/berita-terkini/pemprov-sumbar-komitmen-tingkatkan- indeks-spbe Michail, P., & Anastasios, A. (2009). Evaluating European Ministries’ Websites. International Journal of Public Information Systems, 2009, 1653–4360. http://conta.uom.gr Moh, N. (2009). Metode Penelitian. Ghalia Indonesia. Mustakini, J. H., & Abdillah, W. (2009). Konsep dan aplikasi PLS ( partial least square ) : Untuk penelitian empiris (1st ed.). BPFE. Mustakini, J. H., & Abdillah, W. (2015). Partial least square (PLS) : analisis structural equation modeling (SEM) dalam penelitian bisnis. Mutmainnah, N. A., Kusyanti, A., & Mursityo, Y. T. (2018). Evaluasi Website Fakultas Ilmu Komputer Universitas Brawijaya Malang Berdasarkan Presepsi Pengguna Website Dengan Menggunakan Metode Webqual 4.0 Dan Kirkpatrick. 2(10), 3851–3859. Napitupulu, D. B. (2016). Kualitas Layanan E-Government (Sebuah Analisa Di Pemkot X Dengan Pendekatan E-Govqual Dan Ipa). Jurnal Penelitian Pos Dan Informatika, 6(2), 153. https://doi.org/10.17933/jppi.2016.060203 Nasution, S. (2011). Metode Research : Penelitian Ilmiah. Bumi Aksara. Nguyen, T. T., Phan, D. M., Le, A. H., & Nguyen, L. T. N. (2020). The determinants of citizens’ satisfaction of E-government: An empirical study in Vietnam. Journal of Asian Finance, Economics and Business, 7(8), 519–531. https://doi.org/10.13106/JAFEB.2020.VOL7.NO8.519 Papadomichelaki, X., & Mentzas, G. (2009). A Multiple-Item Scale for Assessing E- Government A Multiple-Item Scale for Assessing E-Government. May, 487–488. https://doi.org/10.1007/978-3-642-03516-6 Papadomichelaki, X., & Mentzas, G. (2012). e-GovQual : A multiple-item scale for assessing e-government service quality. Government Information Quarterly, 29(1),

98–109. https://doi.org/10.1016/j.giq.2011.08.011 Parasuraman, A., Zeithaml, V. A., & Berry, L. L. (1991). Refinement and Reassessment of the SERVQUAL Scale. Journal of Retailing, 67(4), 420–450. Pranalia, D. A. (2015). Manajemen Electronic Government Dalam Pelayanan. Ilmu Sosial Dan Ilmu Politik, 4(2), 156–166. Priyatno, D. (2014). Mandiri Belajar Analisis Data dengan Spss. Mediakom. Putu, N., Puspita, S., Pascasarjana, P., Teknik, F., Kejuruan, D., Pascasarjana, P., Ganesha, U. P., & Test, M. W. U. (2018). Evaluasi Usability Pada Aspek Satisfaction. 15(1), 60–70. Raharjo, P., Kusuma, W. A., & Sukoco, H. (2016). Uji Usability Dengan Metode Cognitive Walkthrough Pada Situs Web Perpustakaan Universitas Mercu Buana Jakarta. Jurnal Pustakawan Indonesia, 15(1–2), 1–2. Rianto, B., & Lestari, T. (2012). Polri dan Aplikasi E-Government Dalam Pelayanan Publik. Putra Media Nusantara. Surabaya. Roso, D. D., Rachmadi, A., & Herlambang, A. D. (2019). Analysis of the Quality of E- Government Services on the Malang Regency Government Website with the Dimensions of E-Govqual and Importance-Performance Analysis (IPA). https://doi.org/10.4108/eai.18-7-2019.2288532 Rusdiana, A., & Irfan, M. (2014). Sistem Informasi Manajemen. Pustaka Setia. Rusli, Y. M. (2018). Pengaruh Mutu Pelayanan Perpajakan Dan Kepuasan Wajib Pajak Terhadap Kepatuhan Wajib Pajakpada Sistem E-Filing Perpajakan Di Indonesia. National Conference of Creative Industry, September, 5–6. https://doi.org/10.30813/ncci.v0i0.1312 Safitri, E. M., Suryanto, T. L. M., Faroqi, A., & Mukhlis, I. R. (2021). Assessing The Quality of Lapors! Using E-Govqual Theory in User’s Perspective. IOP Conference Series: Materials Science and Engineering, 1125(1), 012038. https://doi.org/10.1088/1757-899x/1125/1/012038 Saputra, R. A., Suprapto, & Rachmadi, A. (2018). Penilaian Kualitas Layanan E- Government Dengan Pendekatan Dimensi EGovqual dan Importance Performance Analysis (IPA) (Studi Kasus Pada Pemerintah Provinsi Nusa Tenggara Barat). Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer, 2(5), 1794–1802. Sarwono, J. (2006). Metode Penelitian Kuantitatif dan Kualitatif. graha ilmu. searchmetrics. (2020). The creation of the website. Searchmetrics.

https://www.searchmetrics.com/glossary/websites/ Septa, F., Yudhana, A., & Fadlil, A. (2019). Analisis Kualitas Layanan E-Government dengan Pendekatan E-GovQual Modifikasi. Jurnal Sistem Informasi Bisnis, 9(2), 157. https://doi.org/10.21456/vol9iss2pp157-164 Setyaningrum, Andirati. (2015). Penilaian Kualitas Website Menggunakan Dimensi e- GovQual: Studi Kasus Kementrian Komunikasi dan Informatika. Setyaningrum, Andriati. (2015). Penilaian kualitas website menggunakan dimensi e- govqual studi kasus Entertainment Komunikasi dan Informatika = Website quality assessment using e-govqual dimensions case study of the Ministry of Communications and Information. Sidik, A., Sn, S., & Ds, M. (2018). Penggunaan System Usability Scale ( SUS ) Sebagai Evaluasi Website Berita Mobile. 9(2), 83–88. Silva, F. de J. H. (2011). Importance-Performance Analysis As A Tool In Evaluating Higher Education Service Quality : The Empirical Result Of Estig (IPB. https://bibliotecadigital.ipb.pt/bitstream/10 198/7120/1/IBIMA_2.pdf similarweb.com. (2022). Sumbarprov.go.id Analityc. https://www.similarweb.com/website/sumbarprov.go.id/#overview Siregar, S. (2013). Metode Penelitian Kuantitatif. PT Fajar Interpratama Mandiri. Siyoto, S., & Sodik, M. A. (2015). Dasar Metodologi Penelitian. Literasi Media. Soekanto, A., & Mustikarini, C. N. (2017). Faktor Pendorong Kesuksesan Bisnis Start- Up di Surabaya. PERFORMA: Jurnal Manajemen Dan Start-Up Bisnis, 2(3), 306– 315. Sofyan, Y., & Kurniawan, H. (2011). Generasi baru mengolah data penelitian dengan partial least square path modeling. Salemba Infotek. Spssindonesia. (2021). Uji Paired Sample T-Test dan Interpretasi dengan SPSS. Spssindonesia. http://www.spssindonesia.com/2016/08/cara-uji-paired-sample-t- test-dan.html Subiyakto, A., Ahlan, A. R., Kartiwi, M., & Sukmana, H. T. (2015). Measurement of information system project success based on perceptions of the internal stakeholders. International Journal of Electrical and Computer Engineering, 5(2), 271–279. https://doi.org/10.11591/ijece.v5i2.pp271-279 Sugiyono. (2014). Metode Penelitian Pendidikan Pendekatan Kuantitatif, Kualitatif, dan R&D (2nd ed.). Alfabeta.

Suharsimi, A. (2010). Prosedur Penelitian Suatu Pendekatan Praktek. Rineka Cipta. Sulaiman, A. hamid, Aryadita, H., & Pinandito, A. (2018). Evaluasi Kualitas Layanan Website Pemerintah Kota Batu Dengan Metode E-Govqual Dan Importance Performance Analysis (IPA). Teknologi Informasi Dan Ilmu, 2(2), 493–502. http://j-ptiik.ub.ac.id/index.php/j-ptiik/article/view/846 Supranto, J. (2006). Pengukuran Tingkat Kepuasan Pelanggan Untuk Menaikkan Pangsa Pasar. PT Asdi Mahasatya. Suskamiyadi, S., Nurhadryani, Y., & Sukoco, H. (2018). Pengembangan dan Uji Usability Sistem Informasi Manajemen Pemantauan Kehadiran dan Nilai Ujian Siswa. Jurnal Ilmu Komputer Dan Agri-Informatika, 3(1), 57. https://doi.org/10.29244/jika.3.1.57-64 Sutabri, T. (2012). Analisis Sistem Informasi. Andi. Sutabri, T. (2013). Komputer dan Masyarakat (Vol. 1). Andi, Yogyakarta. Tejada, J. J., Raymond, J., & Punzalan, B. (2012). On the Misuse of Slovin’s Formula. The Philippine Statistician, 61(1), 8. Uchenna, U., & Nworah, M. (2020). E-service Quality Dimensions and Users Satisfaction with E-Governance Service Portals. International Journal of Innovative Information Systems & Technology Research, 8(1), 68–80. Viandari, O. (2021). ANALISIS KUALITAS LAYANAN APLIKASI E-GOVERNMENT DEPOK SINGLE WINDOW (DSW) MENGGUNAKAN METODE E-GOVQUAL DAN IMPORTANCE PERFORMANCE ANALYSIS (IPA). Wahono, R. A. (2017). Penerapan E-Govqual dalam Sistem Evaluasi Penilaian Kualitas Layanan E-Government Pemerintah Kabupaten Malang. Karya Tulis Ilmiah. Program Studi Sistem Informasi. Universitas Jember, 9–35. http://repository.unimus.ac.id/411/ Wicaksono, B. L., Susanto, A., & Wahyu Winarno, W. (2002). EVALUASI KUALITAS LAYANAN WEBSITE PUSDIKLAT BPK RI MENGGUNAKAN METODE WEBQUAL MODIFIKASIAN DAN IMPORTANCE PERFORMANCE ANALYSIS Bayu Luhur Wicaksono, Adhi Susanto, dan Wing Wahyu Winarno. Media Ekonomi & Teknologi Informasi Vol. 19 No. 1, 2(2), 21– 34. Widhiarso, W. (2010). Berkenalan dengan Varibel Laten. 1–2. http://widhiarso.staff.ugm.ac.id/files/widhiarso_2001_- _berkenalan_dengan_varibel_laten.pdf

Widiani, Y. N., & Abdullah, A. (2018). Analisis Pengaruh Kualitas Pelayanan E- Government Melalui Aplikasi E-Filing Kantor Pelayanan Pajak Pratama Bandung Cibeunying Terhadap Kepuasan Pengguna Aplikasi. Jurnal Riset Bisnis Dan Manajemen, 11(2), 38. https://doi.org/10.23969/jrbm.v11i2.721 Widiastuti. (2015). Tes dan Pengukuran Olahraga. In Tes dan Pengukuran Olahraga. Rajawali Pers. Wijatmoko, T. E., & Siregar, M. U. (2020). Evaluation of e-Government Service Quality Using e-GovQual Dimensions. IJID International Journal on Informatics for Development, 8(2), 55–61. Wijaya, D. (2019). Analisis Kualitas Layanan E-Government Menggunakan Metode E- GovQual dan Importance Performance Analysis (IPA) Studi Kasus : Badan Pusat Statistik. https://doi.org/10.1017/CBO9781107415324.004 Winarto, E., Zaki, A., & Community, S. (2018). Pemrograman Web Berbasis HTML 5, PHP, Dan JavaScript. Wong, K. K.-K. (2013). Partial Least Squares Structural Equation Modeling (PLS- SEM) Techniques Using SmartPLS. Marketing Bulletin, 24(1), 1–32. World Bank. (2002). The World Bank New-Economy Sector Study Electronic Government and Governance: Lessons for Argentina. July. http://documents.worldbank.org/curated/en/527061468769894044/pdf/266390WP 0E1Gov1gentina1Final1Report.pdf Yamin, S., & Kurniawan, H. (2009). Structural Equation Modeling : Belajar Lebih Mudah Teknik Analisis Data Kuesioner. Salemba Infotek. Yanti, F., Ginting, B., Mursityo, Y. T., & Herlambang, A. D. (2019). Evaluasi Kualitas Konten Website Republika Online Berdasarkan Metode Global Quality Evaluation. 3(2), 1685–1692. Yarimoglu, E. K. (2014). A Review on Dimensions of Service Quality Models. 2(2), 79– 93.

LAMPIRAN 1 HASIL WAWANCARA

Keterangan: P = Penanya N = Narasumber *Wawancara dilakukan melalui WhatsApp Call karena kondisi Covid-19 P : Assalamualaikum wr wb pak, selamat pagi, Saya hanif aulia fikri, yang kemarin mengajukan permohonan wawancara N : waalaikumsalam, iya dek. Jadi apa yang mau ditanyakan P : baik pak, sebelumnya saya ingin bertanya, boleh bapak memperkenalkan diri terlebih dahulu N ; ya, saya Tommy kepala seksi penyediaan informasi publik Dinas Komunikasi, Informatika, dan Statistik Sumatera Barat P : Kalau boleh tahu, bapak menjabat sejak kapan pak? N : sejak bulan juli dek (2021) P : baik pak, saya mohon izin masuk ke pertanyaan inti. Pertama bisakah bapak jelaskan sejarah singkat website e-government sumbar ini pak N : website ini sudah dikelola oleh diskominfotik sejak 2014 , dengan tujuan memberikan layanan dan informasi kepada masyarakat. Seperti yang adek lihat, disana ada banyak layanan dan juga fasilitas dari setiap lembaga-lembaga yang ada disumatera barat P : oh bgitu pak, lalu apakah bapak merasa ada kekurangan dari website ini? N : kekurangan tentu ada dek P : contohnya seperti apa pak N : ya seperti jumlah pembaca berita yang sedikit P : lalu apa sudah ada solusinya pak? N : saat ini belum dek P : oh begitu pak, berarti belum pernah ada evaluasi menyeluruh ya pak tentang website ini, jadi kekurangan atau kelebihan nya belum diketahui N : ya dek, belum pernah dilakukan evaluasi seperti itu, evaluasi yang kami lakukan hanya mengubah tampilan nya P : oh begitu pak, kalau untuk admin yang mengisi berita, apakah sudah menujuk orang pak? N : saat ini staff kami yang melakukan update nya dek, ada bapak deddy

P : untuk pelayanan masyarakat via nomor telepon bagaimana pak N : nomor telepon aktif, tapi masyakat sangat jarang sih dek menghubungi kami, tapi kalau di media sosial, dalam bentuk komentar, itu sering kami dapatkan P : Untuk bentuk sosialisasi website sendiri, itu sudah dilakukan seperti apa saja pak? N : lebih banyak dalam bentuk media online ya, di Instagram, twitter , dan youtube pemrov sumbar P : oh begitu, baik pak terima kasih. Jadi pak, saya sebenarnya ingin melakukan evaluasi pak terhadap website ini, nanti hasil nya berupa saran perbaikan terhadap fitur atau layanan yang masih kurang baik. Bagaimana menurut bapakj N : bagus itu dek, kalau masih ada informasi yang dibutuhkan silahkan saja bertanya P : terima kasih banyak pak, insyaallah untuk sekarang cukup. Terima kasih atas waktu bapak. Wassalamualaikum N : sama-sama, waalaikumsalam

LAMPIRAN 2 PILOT STUDY

HASIL PILOT STUDY / PRETEST DENGAN SMARTPLS (ANALISIS OUTER MODEL SECOND ORDER CONFIRMATORY FACTOR ANALYSIS 1. Evaluasi Konstruk first order A. Uji validitas i. Convergent Validity • Loading Factor Hasil Uji Loading Factor Variabel Indikator EF TRS RLS CS USAT EF1 0,916

EF2 0,967 EF3 0,952 EF4 0,956 EF5 0,953 EF6 0,946 EF7 0,860 TRS1 TRS2 0,894 TRS3 0,948 TRS4 0,757 RLB1 0,898 RLB2 RLB3 0,868 RLB4 0,913 RLB5 0,945 RLB6 0,925 CS1 0,934 CS2 0,869 CS3 CS4 0,938 USAT1 0,976 USAT2 0,926 0,962 0,953 0,923 • Average Variance Extracted (AVE) Variabel AVE Nilai Kritis Keterangan Valid Efficiency (EF) 0.876 > 0,5 Valid Trust (TRS) 0.769 > 0,5

Reliability (RLB) 0.827 > 0,5 Valid Citizen Support (CS) 0.904 > 0,5 Valid User Satisfication (USAT) 0.880 > 0,5 Valid ii. Discriminant Validity • Cross Loading Indikator CS EF Variabel TRS USAT 0.938 0.899 RLB 0.893 0.848 CS1 0.976 0.905 0.892 0.919 0.863 CS2 0.926 0.814 0.910 0.789 0.794 CS3 0.962 0.854 0.828 0.909 0.807 CS4 0.837 0.916 0.835 0.866 0.793 EF1 0.880 0.967 0.860 0.885 0.866 EF2 0.905 0.952 0.937 0.893 0.875 EF3 0.906 0.956 0.951 0.935 0.855 EF4 0.885 0.953 0.905 0.894 0.853 EF5 0.865 0.946 0.889 0.878 0.837 EF6 0.695 0.860 0.895 0.820 0.754 EF7 0.773 0.782 0.800 0.769 0.762 RLB1 0.821 0.854 0.868 0.804 0.737 RLB2 0.856 0.887 0.913 0.850 0.870 RLB3 0.910 0.935 0.945 0.910 0.870 RLB4 0.833 0.913 0.925 0.914 0.848 RLB5 0.773 0.818 0.934 0.735 0.815 RLB6 0.853 0.883 0.869 0.894 0.816 TRS1 0.897 0.910 0.853 0.948 0.868 TRS2 0.670 0.700 0.891 0.757 0.603 TRS3 0.803 0.793 0.697 0.898 0.763 TRS4 0.891 0.927 0.755 0.903 0.953 USAT1 0.727 0.724 0.936 0.724 0.923 USAT2 0.730 TRS USAT • Fornell Larckel Criterion RLB CS EF CS 0.951 EF 0.914 0.936

RLB 0.912 0.953 0.909 0.877 0.938 TRS 0.924 0.942 0.916 0.877 USAT 0.871 0.891 0.900 B. Uji Reliabilitas Cronbach's Alpha i. Cronbach alpha 0.987 0.976 Variabel 0.965 EGSQ 0.958 0.898 EF 0.865 CS RLB TRS_ USAT ii. Composite Reliability Variable Composit Reliability Rule of Thumb Result Efficiency (EF) 0.980 >0.70 Reliable 0.924 >0.70 Reliable Trust (TRS) 0.966 >0.70 Reliable Reliability (RLB) 0.930 >0.70 Reliable Citizen Support (CS) 0.936 >0.70 Reliable User Satisfication (USAT)

(ANALISIS INNER MODEL SECOND ORDER CONFIRMATORY FACTOR ANALYSIS) A. T-test Rata-rata Standar Deviasi T Statistik (| P Sampel O/STDEV |) Values Asli (O) Sampel (M) (STDEV) CS1 <- 0.055 0.055 0.002 26.557 0.000 EGSQ CS2 <- 0.056 0.056 0.002 28.803 0.000 EGSQ CS3 <- 0.051 0.051 0.003 18.209 0.000 EGSQ CS4 <- 0.053 0.053 0.002 23.987 0.000 EGSQ EF1 <- 0.053 0.052 0.002 22.572 0.000 EGSQ EF2 <- 0.056 0.056 0.002 27.467 0.000 EGSQ EF3 <- 0.158 0.158 0.004 43.040 0.000 EGSQ EF4 <- 0.057 0.057 0.002 33.835 0.000 EGSQ EF5 <- 0.056 0.056 0.002 27.885 0.000 EGSQ EF6 <- 0.055 0.055 0.002 36.849 0.000 EGSQ EF7 <- 0.049 0.049 0.002 20.363 0.000 EGSQ RLB1 <- 0.049 0.049 0.003 16.344 0.000 EGSQ RLB2 <- 0.050 0.050 0.003 16.150 0.000 EGSQ

RLB3 <- 0.055 0.055 0.002 24.761 0.000 EGSQ 0.056 0.056 0.002 28.826 0.000 0.055 0.055 0.002 27.958 0.000 RLB4 <- 0.051 0.051 0.003 15.400 0.000 EGSQ 0.053 0.053 0.002 23.225 0.000 0.056 0.056 0.002 31.514 0.000 RLB5 <- 0.041 0.041 0.004 9.765 0.000 EGSQ 0.049 0.049 0.003 17.270 0.000 0.594 0.595 0.039 15.095 0.000 RLB6 <- 0.470 0.469 0.021 22.648 0.000 EGSQ TRS1 <- EGSQ TRS2 <- EGSQ TRS3 <- EGSQ TRS4 <- EGSQ USAT1 <- USAT USAT2 <- USAT B. Path Coefficients Sampel Rata-rata Standar T Statistik P Sampel Deviasi (| O/STDEV Values Asli (STDEV) (M) 0.010 |) 0.000 (O) 0.207 0.010 20.743 0.000 0.357 0.018 36.891 0.000 CS -> EGSQ 0.206 0.914 0.011 49.504 0.000 0.288 0.008 26.528 0.000 EF -> EGSQ 0.358 0.174 22.234 USAT -> EGSQ 0.911 RLB -> EGSQ 0.289 TRS_ -> EGSQ 0.174 Berdasarkan pengujian outer model dan inner model second order pretest penelitian, diketahui bahwa semua indikator memenuhi persyaratan pada convergent validity dengan nilai loading factor > dari 0,7, serta nilai T-staistic yang > dari 1,96 pada pengujian t-Test.

Maka dengan hasil tersebut, semua indikator yang digunakan dalam penelitian ini sudah memenuhi persyaratan pengujian outer model dan inner model yang terdiri dari: 1. Convergent Validity a. Nilai Loading Factor > 0,7 b. Average Variance Extracted (AVE) > 0,5 2. Discriminant Validity a. Cross Loading > 0,70 b. Fornell Larckel Criterion (Akar Kuadrat AVE > Korelasi Antar Konstruk Laten) 3. Reliability a. Cronbach Alpha > 0,07 b. Composite Reliability (CR) > 0,07 4. Uji T-Test > dari 1,96 5. Uji Path Coefficient > dari 0,1

HASIL PILOT STUDY / PRETEST DENGAN SPSS 1. Uji Validitas a. Persepsi 1 P_EF1 0.894 0.361 Valid 2 P_EF2 0.953 0.361 Valid 3 P_EF3 0.959 0.361 Valid 4 P_EF4 0.951 0.361 Valid 5 P_EF5 0.937 0.361 Valid 6 P_EF6 0.927 0.361 Valid 7 P_EF7 0.823 0.361 Valid 8 P_TRS1 0.889 0.361 Valid 9 P_TRS2 0.932 0.361 Valid 10 P_TRS3 0.719 0.361 Valid 11 P_TRS4 0.361 Valid 12 P_RLB1 0.82 0.361 Valid 13 P_RLB2 0.823 0.361 Valid 14 P_RLB3 0.361 Valid 15 P_RLB4 0.87 0.361 Valid 16 P_RLB5 0.919 0.361 Valid 17 P_RLB6 0.949 0.361 Valid 18 P_CS1 0.926 0.361 Valid 19 P_CS2 0.839 0.361 Valid 20 P_CS3 0.927 0.361 Valid 21 P_CS4 0.945 0.361 Valid 22 P_USAT1 0.859 0.361 Valid 23 P_USAT2 0.899 0.361 Valid b. Harapan 0.951 1 H_EF1 0.769 2 H_EF2 3 H_EF3 0.738 0.361 Valid 4 H_EF4 0.794 0.361 Valid 5 H_EF5 0.547 0.361 Valid 6 H_EF6 0.789 0.361 Valid 7 H_EF7 0.583 0.361 Valid 8 H_TRS1 0.822 0.361 Valid 9 H_TRS2 0.774 0.361 Valid 10 H_TRS3 0.596 0.361 Valid 0.716 0.361 Valid 0.675 0.361 Valid

11 H_TRS4 0.583 0.361 Valid 12 H_RLB1 0.774 0.361 Valid 13 H_RLB2 0.361 Valid 14 H_RLB3 0.46 0.361 Valid 15 H_RLB4 0.662 0.361 Valid 16 H_RLB5 0.665 0.361 Valid 17 H_RLB6 0.443 0.361 Valid 18 H_CS1 0.361 Valid 19 H_CS2 0.7 0.361 Valid 20 H_CS3 0.754 0.361 Valid 21 H_CS4 0.758 0.361 Valid 22 H_USAT1 0.768 0.361 Valid 23 H_USAT2 0.672 0.361 Valid 2. Uji Reliabilitas 0.587 a. Persepsi 0.398 Reliability Statistics Cronbach's Alpha N of Items .981 23 b. Harapan Reliability Statistics Cronbach's Alpha N of Items .937 23 Berdasarkan pengujian validitas dan reliabilitas di atas terdapat 23 indikator yang dinyatakan valid dan dapat digunakan untuk proses selanjutnya, lalu pada uji reliabilitas menggunakan teknik Cronbach’s Alpha menghasilkan hasil yang reliabel / baik karena nilai Cronbach’s Alpa bernilai > 0,7. Jika dilihat dari pengujian pada SmartPLS dan SPSS menghasilkan hasil yang sama. Pada SmartPLS dan SPSS menghasilkan 26 indikator yang dinyatakan valid sehingga semua indikator tersebut digunakan untuk tahap selanjutnya.