EVALUASI IMPLEMENTASI
PENGGUNAAN KNOWLEDGE MANAGEMENT SYSTEM UNTUK SALES PADA PT. BANK ABC
Samuel Alvin Chandra1,
Wahyu Sardjono2
BINUS Graduate Program, Bina
Nusantara University,
Jakarta,
Indonesia
samuel.chandra001@binus.ac.id,
wahyu.s@binus.ac.i
Abstrak
Tujuan Penelitian adalah mencari
faktor dan indikator apa yang menyebabkan adanya Gap antara Realita dengan
ekspektasi perusahaan dalam penggunaan Knowledge manajemen System pada PT Bank
ABC, lalu membangun mode penggunaan KMS di perusahaan PT Bank ABC saat ini dan
menentukan strategi implementasi KMS di PT Bank ABC pada masa mendatang. Metode penelitian yang digunakan adalah dengan
menggunakan metode pengumpulan data dengan menyebarkan kuesioner kepada
responden dan metode Analisa data hasil kuesioner dengan metode Analisa faktor
dan Analisa Regresi. Hasil yang diperoleh dari penelitian ini adalah
ditemukannya faktor baru beserta indikator penyusun faktor tersebut serta mode
perancangan yang ideal. Simpulan yang diperoleh adalah faktor Analisa terkait
perancangan Knowledge Management System bagi sales bank ABC antara Organizing
Knowledge, Lack of Knowledge Quality, Controling the Knowledge dan Insufficient
Knowledge Gathering.
Kata
kunci: perancangan; analisa faktor; analisa regresi; knowledge management; dan knowledge management
system.
Abstract
The
research objective is to find out what factors and indicators cause a gap
between reality and company expectations in using the Knowledge Management
System at PT Bank ABC, then build a mode of using KMS at PT Bank ABC today and
determine a KMS implementation strategy at PT Bank ABC in the past. future. The
research method used was to use data collection methods by distributing
questionnaires to respondents and the method of analyzing data from the
questionnaires using factor analysis and regression analysis methods. The
results obtained from this study are the discovery of new factors along with
the indicators that make up these factors and the ideal design mode. The
conclusions obtained are factor analysis related to the design of a Knowledge
Management System for ABC bank sales between Organizing Knowledge, Lack of
Knowledge Quality, Controling the Knowledge and Insufficient Knowledge
Gathering.
Keywords: designing;
factor analysis; regression analysis; knowledge management; and knowledge
management system
Pendahuluan
Pada industri 4.0 perusahaan dihadapkan
pada kompetisi yang semakin tinggi. Perusahaan secara berkesinambungan perlu
melakukan inovasi model bisnis dan melakukan transformasi digital untuk
membangun keunggulan kompetitif. Inovasi yang dapat diterapkan yaitu dengan
mengembangkan dan mengelola Knowledge yang ada dalam perusahaan. Pengetahuan (Knowledge) merupakan satu dari sekian
aspek terpenting dalam sebuah perusahaan dalam merumuskan suatu strategi dan
visi misi perusahaan. Pengetahuan nantinya akan menjadi salah aset yang penting
dalam meningkatkan persaingan bagi perusahaan di masa sekarang ini (McFadyen
& Jacob, 2004). Competitive Advantage mampu secara
signifikan memprediksikan variasi dalam kinerja organisasi (Jamshed & Majeed, 2019). Kinerja
organisasi adalah salah satu masalah terpenting bagi organisasi mana pun, baik
organisasi yang mencari laba maupun nirlaba. Oleh karena itu, penting bagi
manajer untuk mengetahui di mana faktor-faktor yang mendorong kinerja
perusahaan mengambil tindakan. (Aziz, Muhammad, & Abu-Jarad, 2012) (Foroughi,
Nikbin, Hyun, & Iranmanesh, 2016) (Matin,
Alvani, Jandaghi, & Pashazadeh, 2010).
Pengertian selanjutnya mengenai kinerja organisasi adalah kapabilitas suatu
perusahaan atau organisasi dalam mencapai tujuannya melalui penggunaan sumber
daya yang efisien dan efektif (Daft,
2007).
Saat ini Knowledge dianggap
sebagai salah satu sumber daya yang paling penting di sebuah perusahaan (Dawson,
McWilliam, & Tan, 2008) (Hsieh & Wei, 2017). Penggunaan Knowledge
yang baik tidak hanya menciptakan competitive advantage, tetapi
juga dapat meningkatkan kinerja di
organisasi (Zaied, 2012). Agar bisa
memaksimalkan manfaat dari Knowledge yang ada, dan untuk mengetahui Knowledge apa saja yang harus tersedia, perusahaan perlu
mengelola Knowledge nya melalui Knowledge Management . (Munir,
2010). Pada saar ini dunia persaingan sudah sangat agresif, Knowledge Management strategy dapat
menjadi jalan utama bagi sebuah organisasi guna menggapai tujuan lalu bersaing
dengan kompetitif
(Zaied, 2012).
Istilah KM (Knowledge Management)
diperkenalkan pada tahun 1986 pada Konferensi Manajemen Eropa (American
Productivity and Quality Center). Sejak saat itu, konsep ini berkembang pesat
dan menarik perhatian banyak pemangku kepentingan. Manajemen pengetahuan telah
berkembang selama dekade terakhir
menjadi cara untuk meningkatkan produktivitas organisasi, bisnis, atau
lembaga publik. Hal ini dapat dimaklumi karena persaingan tidak lagi bergantung
pada sumber daya alam, tetapi bergeser ke memaksimalkan penggunaan sumber daya
manusia. Untuk meningkatkan produktivitas organisasi, kami memanfaatkan sumber
daya manusia melalui kreativitas dan
potensi inovasi. Sunci kesuksesan perusahaan dapat dilihat dengan memanfaatkan
banyaknya data dengan baik sehingga bisa mengambil keputusan yang tepat.
Knowledge Management
sekarang dianggap sebagai sebuah aset yang krusial dalam mempertahankan competitive
advantage dan memajukan kinerja perusahaan (Zaied, Hussein, & Hassan, 2012) Knowledge
Management menyediakan informasi penting bagi organisasi, KM
merupakan proses yang membantu kita dalam menentukan, mencari, mengatur,
mendistribusikan, dan transfer pengetahuan penting dan keahlian yang diperlukan
bagi organisasi (Zaied, 2012).
Knowledge Management
dipandang menjadi cara untuk mengelola aset intelektual dan pengetahuan
perusahaan yang dapat memperluas jangkauan bisnis dan menambah nilai sehingga membuat perusahaan agar bertindak
lebih cerdas dalam pengambilan keputusan (Wong,
Leong, Hew, Tan, & Ooi, 2020). Dari
penjelasan diatas maka dari itu, Knowledge Management dianggap sebagai Management
Tool yang dapat digunakan untuk membantu mencapai goal bisnis dan
memberikan competitive advantage dalam menghasilkan kinerja bisnis yang
unggul.
Bank ABC merupakan salah satu anak
perusahaan dari sebuah induk perusahaan yang bergerak pada industri perbankan.
PT. ABC sudah memiliki lebih dari 400 kantor untuk melayani nasabah, secara
resmi telah tercatat di Bursa Efek Indonesia semenjak 2010 dan diakui serta
diawasi oleh Otoritas Jasa Keuangan (OJK) Indonesia. Saat ini Bank ABC telah memiliki
karyawan Hampir 7000 karyawan dan memiliki 408 kantor, 11 Unit Pelayanan Kas and
3 Mobil Pelayanan Kas. Saat ini jumlah sales yang ada di cabang yang melakukan
penjualan sekitar 2495 sales, angka yang cukup besar bagi sebuah bank swasta.
Walaupun perusahaan tersebut merupakan termasuk perusahaan besar di Indonesia,
akan tetapi Knowledge Management yang dimiliki masih kurang optimal. Terlebih
lagi kurang maksimalnya pemanfaatan KMS di perusahaan ini.
Disebuah bank umumnya ada karyawan yang
khusus bertugas untuk menjuall produk bank dinamakan karyawan Sales tak
terkecuali di Bank ABC, karyawan sales ini bertugas di cabang dan mereka
melakukan proses penawaran kepada nasabah mengenai produk di Bank ABC. Untuk
membantu sales-sales ini pada tahun 2019 Bank ABC menerbitkan sebuah KMS
dinamakan E-Smart sebagai pembantu karyawan cabang dalam transfer Knowledge dari
perusahaan ke karyawan maupun karyawan ke karyawan. Aplikasi E-Smart ini dibuat
oleh tim Service Quality.
Pada penelitian ini penulis ingin menjelaskan peran Masing- masing yang
terlibat dalam object penelitian sebagai berikut:
-
Sales : Tugas seorang sales disebuah
bank adalah menjalankan kegiatan penjualan produk keuangan yaitu tabungan,
deposito, kartu kredit, KPR (Kredit Kepemilikan Rumah), kredit kepemilikan
kendaraan bermotor, pinjaman untuk modal usaha, dan lainnya. Disini sales
menggunakan sistem KMS untuk berbagi pengetahuan baik dari perusahaan maupun
sales lain
-
Tim Service Quality : tugas dari tim ini adalah untuk
meningkatkan kualitas dari layanan bank yang oleh Bank ABC dan sebagai product
owner dari KMS E-Smart ini.
Gambar 1 Gambaran Arsitektur E-Smart
Terkait dengan gambaran aplikasi E-Smart
ini berbentuk sebuah web-based appication. Untuk Struktur aplikasi E-Smart ini
seperti aplikasi web pada umumnya disimpan dalam sebuah Database dan diakses melalui
aplikasi Web Based baik melalui laptop, PC maupun Handphone. Untuk mengaksesnya
membutuhkan sebuah VPN dan dapat dicari menggunakan browser yang sudah
ditentukan. Saat ini penggunaan E-Smart ini sudah digunakan dan disosialisasikan
kepada semua cabang.
Pada aplikasi E-Smart, user dimana
disini adalah para sales dapat mengakses semua pengetahuan yang ada dimulai
dari Ketentuan Perusahaan, Peraturan, pengetahuan mengenai cabang-cabang di
Bank ABC, budaya perusahaan dan juga pengetahuan mengenai produk-produk di dalam
bank. Fitur yang selanjutnya menjadi fokus utama dalam E-Smart ini adalah fitur
mengupload pengetahuan, dimana setiap sales dapat mengupload pengetahuan mereka
mengenai cara penjualan dan metode penjualan dimana notabenenya akan berbeda di
setiap kota atau wilayah, dan pengetahuan ini ah yang dapat dimanfaatkan bagi
karyawan sales yang baru bergabung agar dapat memahami semua ketentuan
perusahaan dan mendapatkan ilmu dari sales yang sudah berpengalaman sesuai
dengan kebutuhan setiap sales baru tersebut. Untuk pengetahuan yang bersifat
daripada sales butuh approval dari tim Service Quality dan Disini mereka yang
akan menfilter pengetahuan tersebut dan menempatkannya di kategori yang sesuai.
Dengan adanya semua fitur ini KMS E-Smart seharusnya dapat membantu karyawan sales
dalam melakukan penjualan produk lebih efektif dan efisien.
Saat ini ESmart sudah digunakan di PT Bank
ABC tetapi memang penggunaannya belum maksimal. Berdasarkan grafik di pada gambar
1.1 dapat dilihat bahwa angka realisasi jumlah pengguna tidak memenuhi harapan
dari perusahaan selama 2021 ini. Dengan kurangnya keaktifan menggunakan KMS ini
ha ini menyebabkan sistem KMS pada perusahaan Bank ABC menjadi tidak optimal.
Gambar 2 Grafik ekspektasi dan Realita penggunaan
pada KMS di tahun 2021
Kurangnya minat para karyawan untuk
melakukan kegiatan sharing pada aplikasi KMS ini menyebabkan sharing Knowledge
di perusahaan ini tergolong rendah, para karyawan hanya menguasai
pekerjaan-pekerjaan yang biasa mereka lakukan sehari-hari. Padahal, apabila penerapan
Knowledge Management di Bank ABC dapat berjalan dengan optimal, maka para
karyawan bisa mendapatkan pengetahuan dan skill yang baru. Ataupun untuk para
karyawan baru yang bekerja di perusahaan tersebut, mereka bisa dengan cepat
beradaptasi terhadap pengetahuan-pengetahuan yang harus mereka kuasai.
Senada dengan pernyataan dari Inkinen
yang menyebutkan bahwa Knowledge Management berpotensi efektif dalam
meningkatkan kinerja inovasi perusahaan (Inkinen, 2016). Semakin
berkurangnya minat para karyawan untuk menggunakan Knowledge Management System
yang dimiliki oleh perusahaan dapat dibuktikan pada tahun 2021 angka pengguna
KMS ini menurun drastis.
Kondisi sekarang ini menjadi masalah
bagi perusahaan dikarenakan ekpektasi perusahaan akan E-Smart dalam satu tahun
adalah sekitar 50% pengguna (sekitar 1200 karyawan) dari total karyawan sales sejumlah 2495
karyawan tetapi realitanya masih tidak menyentuh angka itu.
Berikut ini adalah frekuensi penggunaan
dibanding dengan harapan jumlah penggunaan oleh perusahaan dari awal dibuatnya
E-Smart (Agustus
2019- April 2022). Untuk data di 2022 dihitung prorate per April 2022.
Gambar 3 Grafik Jumlah karyawan pengguna KMS dari
2019-2022
Grafik diatas bertolak belakang dengan
misi awal perusahaan dalam penggunaan aplikasi KMS ini dimana perusahaan
berharap bahwa sekitar 50 persen dari total karyawan sales menggunakan aplikasi
ini setiap tahunnya. Harapan dari perusahaan untuk kunjungan KMS ini sekitar
1200 kunjungan dari karyawan sales tetapi realitasnya angka tertinggi adalah di
500an dengan rata-rata 300 kunjungan per tahun.
Hal ini juga didukung dengan banyak
pengetahuan-pengetahuan yang penting hilang begitu saja dikarenakan frekuensi
keluar-masuk nya karyawan yang begitu tinggi menyebabkan
pengetahuan-pengetahuan yang bermanfaat tidak disebar luaskan kepada karyawan-karyawan
lainnya dengan baik yang mengakibatkan karyawan-karyawan yang masih berkerja di
perusahaan tersebut harus mempelajari atau bahkan berusaha mencari untuk bisa
mendapatkan pengetahuan tersebut yang pastinya akan berdampak terhadap biaya
yang dikeluarkan perusahaan semakin besar dan kemungkinan proses keberhasilan
penjualan produk semakin rendah. Berikut tingkat frekuensi keluar masuknya
pegawai atau yang bisa disebut juga dengan turnover dari tahun 2021 hingga
sekarang di april 2022
Gambar 4 Grafik Turn Over Karyawan Sales Bank ABC
di 2021
Gambar 5 Grafik Turn Over Karyawan Sales Bank ABC
di 2022
Dengan adanya ha ini juga mempengaruhi
pendapatan yang didapatkan PT Bank ABC selama beberapa tahun terakhir. Dalam dilihat
dalam grafik 1.6 di bawah dapat dilihat bahwa pendapatan dari 2019 cenderung mengalami
penurunan. Grafik pendapatan yang cenderung menurun ini mayoritas dipengaruhi oleh
penjualan produk bank yang menurun, ha ini selaras dengan penurunan penjualan
ini yang juga dapat dipengaruhi banyak ha tetapi salah satunya adalah dengan
kurangnya sumber pengetahuan dan transfer pengetahuan yang ada bagi para sales
yang menjual produk bank tersebut. Ha ini dapat terlihat dengan jelas pada
grafik di bawah ini.
Gambar 6 Grafik pendapatan dan aba bersih Bank
ABC
Rumusan masalah dari penelitian ini adalah dari linechart di gambar 1.1 dan 1.2 masih terlihat jelas bahwa penggunaan aplikasi
E-Smart ini tergolong rendah dibanding dengan jumlah karyawan yang ada saat ini
sedangkan dari perusahaan sendiri diharapkan 50 persen dari karyawan Sales dapat
ikut serta aktif dan menggunakan aplikasi E-Smart ini. Adanya gap antara realitas dan harapan perusahaan
dalam penggunaan E-Smart di PT Bank ABC membuat penulis ingin mengangkat topik berjudul
Evaluasi Implementasi Penggunaan Knowledge Management System untuk Sales Pada
PT. Bank ABC
Adapun tujuan dari penelitian ini
adalah: 1. Mencari
faktor-faktor apa yang menyebabkan adanya gap antara realita dengan ekspektasi
perusahaan dalam penggunaan Knowledge Management System pada PT Bank ABC 2. Membangun model
penggunaan KMS di perusahaan PT Bank ABC saat ini 3. Menentukan strategi implementasi KMS di
PT Bank ABC pada masa mendatang
Metode
Dalam merumuskan kebutuhan - kebutuhan dalam
penelitian Knowledge Management System di
PT. Bank ABC dibutuhkan pengumpulan data atau informasi terkait proses - proses
Knowledge Management yang ada dan yang dibutuhkan menggunakan Kuesioner, Penyebaran
kuesioner pada penelitian ini akan diakukan secara Online dengan menggunakan Google
form sebagai media pengisian kuesioner. Penyebaran secara Online dapat memudahkan
penulis dalam melakukan analisis data yang akan diakukan bab 4, serta diharapkan
para responden dapat dengan cepat melakukan pengisian kuesioner tersebut. Kuesioner
yang akan disebar kepada karyawan Sales PT Bank ABC di cabang-cabang.
Penelitian ini menggunakan populasi
semua karyawan sales cabang PT. Bank ABC yang terlibat langsung dalam proses penggunaan aplikasi KMS berjumlah 2495
karyawan. Sementara sampel penelitian ini adalah 345 orang karyawan sales
PT. Bank ABC. Sampe ini didapatkan dengan menggunakan metode Sovin. Dengan syarat
yang digunakan dalam pemilihan sampel pada penelitian ini adalah Sales yang masih bekerja di PT Bank ABC
dan menggunakan aplikasi KMS.
Data yang diperoleh akan diolah
menggunakan Statistica Package for the Socia Sciences (SPSS). SPSS adalah suatu
program komputer statistik yang mampu memproses data statistik secara cepat dan
tepat, menjadikan berbagai output yang dikehendaki para pengambil keputusan.
SPSS telah dikena sebagai salah satu aplikasi statistik yang paling banyak digunakan.
Penelitian ini mengarahkan
semua responden untuk memberikan informasi yang dibutuhkan melalui
pernyataan-pernyataan yang diberikan dalam kuesioner berdasarkan pada objek
yang diteliti dalam penelitian ini. Skala likert menjadi dasar untuk tingkat penilaian
yaitu dengan 5 tingkat di mana nilai 1 menyatakan sangat tidak setuju sampai dengan
nilai 5 menyatakan sangat setuju. Kuesioner yang diberikan kepada responden
hanya akan dijawab dengan jawaban-jawaban yang sudah diberikan, hanya saja
untuk data demografi diisi langsung oleh responden. Untuk instrumen penelitian
pada kuesioner akan secara langsung diuji dengan uji validitas dan uji reliabilitas.
Hasil dan Pembahasan
Analisa Hasil Kuesioner
dengan Analisa Faktor
Uji Validitas
Validitas berasal dari
kata validity yang mempunyai arti sejauh mana ketepatan dan kecermatan suatu alat ukur
dalam melakukan fungsi ukurannya (Azwar 1986). Selain itu validitas adalah
suatu ukuran yang menunjukkan bahwa variabel yang diukur memang benar-benar variabel
yang hendak diteliti oleh peneliti.
Validitas
berhubungan dengan suatu peubah mengukur apa yang seharusnya diukur. Validitas dalam
penelitian menyatakan derajat ketepatan alat ukur penelitian terhadap isi
sebenarnya yang diukur. Uji validitas adalah uji yang digunakan untuk menunjukkan
sejauh mana alat ukur yang digunakan dalam suatu mengukur apa yang diukur. Uji validitas
digunakan untuk mengukur sah, atau valid tidaknya suatu kuesioner. Suatu
kuesioner dikatakan valid jika pertanyaan atau instrumen yang digunakan mampu
untuk mengungkapkan sesuatu yang akan diukur oleh kuesioner tersebut.
Tabel output KMO and Bartett's Test
berguna untuk mengetahui kelayakan suatu variabel, apakah dapat di proses lebih
lanjut menggunakan teknik analisis faktor ini atau tidak. Caranya dengan melihat
nilai KMO MSA (Kaiser-Meyer-Okin Measure of Samping Adequacy). Jika nilai KMO
MSA lebih besar dari 0,50 dan nilai bartett's Test of Sphericity (Sig.) lebih
keci dari 0,05 maka teknik analisis faktor dapat di lanjutkan.
Tabe 1
Uji Validitas
|
KMO and Bartett's Test |
||
|
Kaiser-Meyer-Okin Measure of Samping
Adequacy. |
.757 |
|
|
Bartett's Test of Sphericity |
Approx. Chi-Square |
4673.310 |
|
df |
351 |
|
|
Sig. |
.000 |
|
Sumber: output olah data software SPSS Version 22
Berdasarkan output di atas diketahui nilai
KMO MSA sebesar 0,723 > 0,50 dan nilai Bartett's Test of Sphericity (Sig.) 0,000
< 0,05, maka analisis faktor dalam penelitian ini dapat dilanjutkan karena
sudah memenuhi persyaratan. Dari tabe uji validitas diatas dapat dilihat bahwa semua instrumen
memiliki nilai rhitung yang lebih besar dari rtabe maka dapat dikatakan instrumen
untuk kelas kontrol valid atau dapat digunakan lebih lanjut dalam penelitian.
Uji Reliabilitas
Reliabilitas berasal dari kata reliability.
Pengertian dari reliability (rliabilitas) adalah keajekan, atau menunjuk pada
suatu pengertian bahwa instrumen yang digunakan dalam penelitian untuk
memperoleh informasi yang digunakan dapat dipercaya sebagai alat pengumpulan
data dan mampu mengungkap informasi yang sebenarnya di lapangan.
Reliabilitas adalah alat untuk mengukur suatu kuesioner yang merupakan
indikator dari peubah atau konstruk. Suatu intrumen dikatakan reliabel atau
handal jika jawaban atau nilai terhadap pernyataan adalah konsisten atau stabil
dari waktu ke waktu. Reliabilitas suatu test merujuk pada derajat stabilitas,
konsistensi, daya prediksi, dan akurasi. Pengukuran yang memiliki reliabilitas
yang tinggi adalah pengukuran yang dapat menghasilkan data yang reliabel
Rentang
Nilai Apha Cronbach's:
apha < 0.50 reliabilitas rendah
0.50 < apha < 0.70 reliabilitas moderat
apha > 0.70
maka reliabilitas mencukupi (sufficient reiabiity)
apha > 0.80
maka reliabilitas kuat
apha > 0.90
maka reliabilitas sempurna
Semakin kecil nilai alpha menunjukkan semakin banyak item yang
tidak reliabel. Standar yang digunakan adalah alpha > 0.70 (sufficient
reliability).
Tabe 2 Uji Reliabilitas Instrumen Penelitian
|
Reiabiity Statistics |
|
|
Cronbach's Apha |
N of Items |
|
,762 |
9 |
|
, 705 |
18 |
Tabel
reliability statistics menunjukkan
hasil analisis dari uji reliabilitas dengan Cronbach's Alpha = 0,762 dan 0,705 dari 9 dan 18 instrumen variabel.
Nilai reliabilitas 0,798 dan 0,705 adalah nilai reliabilitas mencukupi (sufficient
reliability). Sehingga intrumen ini
dikatakan konsisten atau reliable.
Analisa Faktor
KMO & Bartetts
Test
Tabe
3 Uji Validitas Keseuruhan (KM dan KMS)
|
KMO and Bartett's Test |
||
|
Kaiser-Meyer-Okin Measure of Samping Adequacy. |
.757 |
|
|
Bartett's Test of Sphericity |
Approx. Chi-Square |
4673.310 |
|
df |
351 |
|
|
Sig. |
.000 |
|
Pengujian KMO-MSA (Kaiser-Meyer-Olkin and Measure of Sampling
Adequacy) dilakukan untuk menguji apakah sampel penelitian layak untuk di
analisa lebih lanjut dengan menunjukkan korelasi masing-masing variabel. Dalam
melakukan analisis faktor, variabel yang dianalisis dikatakan layak untuk
difaktorkan jika nilai KMO-MSA > 0,5 dan nilai signifikan (sig) atau peluang
(p) < 0,05.
Tabe 4
Uji Validitas variabel Knowledge Management
|
Kaiser-Meyer-Okin Measure of Samping Adequacy. |
,723 |
|
|
Bartett's Test of Sphericity |
Approx. Chi-Square |
1219,435 |
|
Df |
36 |
|
|
Sig. |
,000 |
|
Sumber: Hasil olah data Software SPSS Version 20
Berdasarkan hasil pengolahan data seperti pada Tabe
diatas, dalam variabel Knowledge Management diperoleh nilai KMO-MSA sebesar 0.723.
Pada Tabe tersebut juga diketahui nilai Bartetts
Test sebesar 0,000. Ha ini menunjukkan bahwa data yang telah dikumpulkan ayak untuk difaktorkan.
Tabe 5
Uji Validitas variabel Knowledge Management System
|
Kaiser-Meyer-Okin Measure of Samping Adequacy. |
,774 |
|
|
Bartett's Test of Sphericity |
Approx. Chi-Square |
3204,614 |
|
Df |
153 |
|
|
Sig. |
,000 |
|
Sumber: Hasil olah data Software SPSS Version 20
Berdasarkan hasil pengolahan data seperti pada Tabe diatas, dalam
Variabel Knowledge Management System ini diperoleh nilai KMO-MSA sebesar 0.774.
Pada Tabe tersebut juga diketahui nilai Bartetts
Test sebesar 0,000. Ha ini menunjukkan bahwa data yang telah dikumpulkan ayak untuk difaktorkan.
Anti Image
Correlation
Variabel dapat dijadikan sebagai komponen bersama atau tidak
dapat ditentukan berdasarkan nilai anti image correation dengan ketentuan sebagai
berikut:
a.
MSA = 1, variabel
dapat diprediksi tanpa kesalahan dari variabel yang ain.
b.
MSA ≥ 0,5, variabel masih dapat diprediksi
dan perlu dianalisa lebih lanjut
c.
MSA < 0,5 variabel
tidak dapat diprediksi dan tidak bisa dianalisa lebih lanjut.
Tabe 6 Anti Image Correation variabel
Knowledge Management
|
Anti-image
Correation |
P1 |
,776a |
-,317 |
-,313 |
-,005 |
,023 |
-,024 |
-,084 |
-,002 |
,010 |
|
|
P2 |
-,317 |
,725a |
-,426 |
-,052 |
,035 |
-,009 |
-,100 |
-,036 |
,063 |
|
|
|
P3 |
-,313 |
-,426 |
,691a |
,141 |
-,129 |
-,002 |
,087 |
-,035 |
-,075 |
|
|
|
PC1 |
-,005 |
-,052 |
,141 |
,656a |
-,485 |
-,249 |
,115 |
,071 |
-,301 |
|
|
|
PC2 |
,023 |
,035 |
-,129 |
-,485 |
,649a |
-,358 |
-,065 |
-,141 |
,213 |
|
|
|
PC3 |
-,024 |
-,009 |
-,002 |
-,249 |
-,358 |
,790a |
-,085 |
,035 |
-,017 |
|
|
|
T1 |
-,084 |
-,100 |
,087 |
,115 |
-,065 |
-,085 |
,766a |
-,422 |
-,349 |
|
|
|
T2 |
-,002 |
-,036 |
-,035 |
,071 |
-,141 |
,035 |
-,422 |
,754a |
-,423 |
|
|
|
T3 |
,010 |
,063 |
-,075 |
-,301 |
,213 |
-,017 |
-,349 |
-,423 |
,711a |
|
|
|
a. Measures
of Samping Adequacy (MSA) |
|||||||||||
Sumber: Hasil olah data Software SPSS Version 20
Setelah diakukan perhitungan anti image correation seperti yang
ditampikan pada Tabe diatas diperoleh nilai MSA untuk seluruh variabel Knowledge
Management > 0,5, sehingga seluruh indikator pada variabel C Knowledge Management
dapat dikatakan ayak untuk dianaisa lebih lanjut.
Tabe 7 Anti Image Correation variabel Knowledge Management
System
|
|
CK1 |
CK2 |
CK3 |
CA1 |
CA2 |
CA3 |
RK1 |
RK2 |
RK3 |
SK1 |
SK2 |
SK3 |
MK1 |
MK2 |
MK3 |
DK1 |
DK2 |
DK3 |
|
|
Anti-image Correation |
CK1 |
,676a |
-,676 |
-,168 |
-,051 |
-,037 |
,030 |
,024 |
-,068 |
,118 |
,046 |
-,032 |
-,004 |
-,048 |
,071 |
-,009 |
-,013 |
-,039 |
,026 |
|
CK2 |
-,676 |
,665a |
-,362 |
,044 |
,040 |
-,020 |
-,015 |
,023 |
-,094 |
-,073 |
,086 |
,026 |
,041 |
-,025 |
-,021 |
,035 |
-,028 |
,006 |
|
|
CK3 |
-,168 |
-,362 |
,827a |
,015 |
-,042 |
,030 |
-,049 |
,047 |
-,089 |
,029 |
-,050 |
-,099 |
-,025 |
-,008 |
,097 |
-,054 |
,059 |
,030 |
|
|
CA1 |
-,051 |
,044 |
,015 |
,850a |
-,409 |
-,286 |
-,039 |
-,021 |
-,057 |
,112 |
,040 |
,052 |
,004 |
-,066 |
,083 |
-,005 |
-,053 |
,021 |
|
|
CA2 |
-,037 |
,040 |
-,042 |
-,409 |
,768a |
-,510 |
-,043 |
-,006 |
,047 |
-,115 |
,027 |
-,072 |
,045 |
,068 |
-,028 |
,025 |
,128 |
-,030 |
|
|
CA3 |
,030 |
-,020 |
,030 |
-,286 |
-,510 |
,805a |
,030 |
-,055 |
-,024 |
,042 |
,029 |
,049 |
,031 |
-,034 |
,005 |
-,011 |
-,080 |
-,002 |
|
|
RK1 |
,024 |
-,015 |
-,049 |
-,039 |
-,043 |
,030 |
,807a |
-,423 |
-,349 |
,027 |
,046 |
,050 |
-,018 |
-,024 |
,033 |
-,043 |
,007 |
,027 |
|
|
RK2 |
-,068 |
,023 |
,047 |
-,021 |
-,006 |
-,055 |
-,423 |
,753a |
-,432 |
-,098 |
,006 |
-,046 |
-,117 |
,019 |
,025 |
-,042 |
,059 |
,043 |
|
|
RK3 |
,118 |
-,094 |
-,089 |
-,057 |
,047 |
-,024 |
-,349 |
-,432 |
,770a |
,066 |
,012 |
-,065 |
,136 |
-,012 |
-,041 |
,052 |
-,046 |
-,065 |
|
|
SK1 |
,046 |
-,073 |
,029 |
,112 |
-,115 |
,042 |
,027 |
-,098 |
,066 |
,830a |
-,263 |
-,336 |
-,029 |
-,005 |
-,056 |
-,019 |
,025 |
,005 |
|
|
SK2 |
-,032 |
,086 |
-,050 |
,040 |
,027 |
,029 |
,046 |
,006 |
,012 |
-,263 |
,865a |
-,337 |
,026 |
-,095 |
-,132 |
-,164 |
,045 |
-,008 |
|
|
SK3 |
-,004 |
,026 |
-,099 |
,052 |
-,072 |
,049 |
,050 |
-,046 |
-,065 |
-,336 |
-,337 |
,736a |
-,100 |
-,021 |
,079 |
,180 |
-,420 |
,101 |
|
|
MK1 |
-,048 |
,041 |
-,025 |
,004 |
,045 |
,031 |
-,018 |
-,117 |
,136 |
-,029 |
,026 |
-,100 |
,742a |
-,334 |
-,316 |
,124 |
,162 |
-,547 |
|
|
MK2 |
,071 |
-,025 |
-,008 |
-,066 |
,068 |
-,034 |
-,024 |
,019 |
-,012 |
-,005 |
-,095 |
-,021 |
-,334 |
,834a |
-,320 |
-,042 |
-,047 |
,091 |
|
|
MK3 |
-,009 |
-,021 |
,097 |
,083 |
-,028 |
,005 |
,033 |
,025 |
-,041 |
-,056 |
-,132 |
,079 |
-,316 |
-,320 |
,819a |
-,090 |
-,031 |
,154 |
|
|
DK1 |
-,013 |
,035 |
-,054 |
-,005 |
,025 |
-,011 |
-,043 |
-,042 |
,052 |
-,019 |
-,164 |
,180 |
,124 |
-,042 |
-,090 |
,791a |
-,304 |
-,356 |
|
|
DK2 |
-,039 |
-,028 |
,059 |
-,053 |
,128 |
-,080 |
,007 |
,059 |
-,046 |
,025 |
,045 |
-,420 |
,162 |
-,047 |
-,031 |
-,304 |
,745a |
-,438 |
|
|
DK3 |
,026 |
,006 |
,030 |
,021 |
-,030 |
-,002 |
,027 |
,043 |
-,065 |
,005 |
-,008 |
,101 |
-,547 |
,091 |
,154 |
-,356 |
-,438 |
,714a |
|
Sumber: Hasil olah data Software SPSS Version 20
Setelah dilakukan perhitungan anti image correlation seperti yang
ditampilkan pada Tabel diatas diperoleh nilai MSA untuk seluruh variable
> 0,5, sehingga seluruh indikator pada variabel Knowledge Management
System dapat dikatakan layak untuk dianalisa lebih lanjut.
Total Variance
Explained
Untuk mengukur varian dari semua variabel terhadap variabel bagi faktor
tersebut dinilai dari nilai eigen values. Rasio eigen value menggambarkan
pentingnya faktor.
Tabe 8 Total Variance Expained
|
Component |
Initia Eigenvaues |
Extraction Sums
of Squared oadings |
||||
|
Total |
% of Variance |
Cumuative % |
Total |
% of Variance |
Cumuative % |
|
|
1 |
4.869 |
18.032 |
18.032 |
4.869 |
18.032 |
18.032 |
|
2 |
3.411 |
12.634 |
30.666 |
3.411 |
12.634 |
30.666 |
|
3 |
2.923 |
10.825 |
41.491 |
2.923 |
10.825 |
41.491 |
|
4 |
2.348 |
8.698 |
50.189 |
2.348 |
8.698 |
50.189 |
|
5 |
1.831 |
6.782 |
56.971 |
|
|
|
|
6 |
1.515 |
5.611 |
62.582 |
|
|
|
|
7 |
1.467 |
5.433 |
68.015 |
|
|
|
|
8 |
1.324 |
4.903 |
72.918 |
|
|
|
|
9 |
1.108 |
4.105 |
77.024 |
|
|
|
|
10 |
.583 |
2.160 |
79.184 |
|
|
|
|
11 |
.564 |
2.091 |
81.274 |
|
|
|
|
12 |
.512 |
1.897 |
83.171 |
|
|
|
|
13 |
.487 |
1.805 |
84.976 |
|
|
|
|
14 |
.443 |
1.641 |
86.617 |
|
|
|
|
15 |
.414 |
1.535 |
88.152 |
|
|
|
|
16 |
.382 |
1.415 |
89.567 |
|
|
|
|
17 |
.370 |
1.371 |
90.938 |
|
|
|
|
18 |
.346 |
1.280 |
92.218 |
|
|
|
|
19 |
.300 |
1.109 |
93.327 |
|
|
|
|
20 |
.290 |
1.075 |
94.402 |
|
|
|
|
21 |
.274 |
1.014 |
95.416 |
|
|
|
|
22 |
.262 |
.970 |
96.386 |
|
|
|
|
23 |
.226 |
.838 |
97.224 |
|
|
|
|
24 |
.222 |
.822 |
98.047 |
|
|
|
|
25 |
.198 |
.733 |
98.779 |
|
|
|
|
26 |
.168 |
.624 |
99.403 |
|
|
|
|
27 |
.161 |
.597 |
100.000 |
|
|
|
|
Extraction Method: Principa Component Analysis. |
||||||
Sumber: Hasil olah data
Software SPSS Version 20
Setelah melakukan pengolahan data dengan menggunakan eigen value lebih
besar dari satu, terbentuk 9 faktor baru dari total keseluruhan komponen
berkisar antara 1 sampai 27 yang mewakili jumlah variabel independen. Hasil
kumulatif ekstraksi varian keseluruhan komponen adalah 77.024%,
dapat dilihat pada tabel diatas. Besarnya
varians yang mampu dijelaskan oleh faktor baru yang terbentuk adalah 77.024% sedangkan sisanya 22,976% dijelaskan oleh
faktor lain yang tidak diteliti.
Tabel 9 Scree Pot
Sumber: Hasil olah data Software SPSS Version 20
Dari gambar Scree Pot diatas, terdapat 9 titik Component yang
memiliki titik nilai Eigenvaue > 1 maka dapat di artikan bahwa terdapat 9 faktor
yang dapat terbentuk.
Component
Matrix
Tabe 10 Component Matrix
|
|
Component |
|||
|
1 |
2 |
3 |
4 |
|
|
MK1 |
.685 |
|
|
|
|
SK2 |
.660 |
|
|
|
|
CA1 |
-.608 |
|
|
|
|
DK3 |
.607 |
|
|
|
|
MK3 |
.604 |
|
|
|
|
CA2 |
-.588 |
|
|
|
|
MK2 |
.584 |
|
|
|
|
DK2 |
.573 |
|
|
|
|
CA3 |
-.559 |
|
|
|
|
SK3 |
.551 |
|
|
|
|
SK1 |
.523 |
|
|
|
|
DK1 |
|
|
|
|
|
PC2 |
|
.632 |
|
|
|
PC1 |
|
.621 |
|
|
|
PC3 |
|
.620 |
|
|
|
CK1 |
|
.583 |
|
-.533 |
|
T2 |
|
.527 |
|
|
|
T1 |
|
|
|
|
|
T3 |
|
|
|
|
|
RK2 |
|
|
.614 |
|
|
RK1 |
|
|
.608 |
|
|
RK3 |
|
|
.605 |
|
|
P1 |
|
|
-.531 |
|
|
P2 |
|
|
|
|
|
P3 |
|
|
|
|
|
CK2 |
|
.505 |
|
-.577 |
|
CK3 |
|
|
|
|
|
Extraction Method: Principa Component Analysis. |
||||
|
a. 4 components extracted. |
||||
Sumber: Hasil olah data Software SPSS Version 20
Rotated Component matrix nilai
loading faktor dari tiap-tiap variabel. Loading faktor merupakan besarnya
korelasi antara faktor yang terbentuk dengan variabel tersebut. Penentuan Input
variabel ke faktor tertentu mengikut pada besar korelasi antara variabel dengan
faktor, yaitu kepada yang korelasinya besar.
Faktor dan Indikator yang dapat digunakan
Dari hasil proses analisa faktor terdapat
reduksi data dimana terjadi proses penyaringan komponen yang layak untuk
dijadikan indikator yang mempengaruhi83 analisis dan pernacangan prototype KMS.
Hasil yang diperolah dalam penelitian ini setelah dilakukan proses analisa
faktor dengan bantuan software IBM SPSS versi 26 ditemukan 5 faktor dan indikator
baru yang dapat digunakan untuk menjawab permasalahan penulis yang jabarkan
pada tesis ini. Berikut faktor dan indikator baru yang terbentuk dari hasil
analisa faktor dari penelitian ini berdasarkan hasil dari component matrix
aplikasi spss version 26:
Faktor Pertama dari hasil analisis yang diakukan adalah
Organizing Knowledge.
Gambar 7 Organizing Knowledge
1)
Classifying (SK1)= Pengetahuan diklasifikasian menjadi cakupan yang
lebih luas dan cakupan yang detil
2)
Knowledge Repository (SK2) = KMS harus mempertimbangkan model
penyimpanan pengetahuan
3)
Knowledge Accessibility (SK3) = KMS dapat memberikan kemudahan user
dalam mengakses pengetahuanKnowledge Update (MK1) = KM dapat memperbarui
pengetahuan lama menjadi pengetahuan baru
4)
Knowledge Quality (MK2) = Pengetahuan yang akurat dan relevan
mempengaruhi kualitas pengetahuan
5)
Frequency of Use of the Knowledge Base (MK3) = Banyaknya pengguna yang
mengakses KMS menjadi salah satu indikator keberhasilan KMSShared Vision and
Common Understanding (DK2) = Pemahaman visi dan misi organisasi berpengaruh
terhadap keberhasilan implementasi KMS
6)
Sharing Knowledge (DK3) = Berbagi pengetahuan membantu karyawan dalam
bekerjaKnowledge Source (CA2) = Pengetahuan yang valid
berasal dari sumber yang valid
7)
Suitability (CA1) =
Pengetahuan diperoleh berdasarkan kecocokan dan kebutuhan organisasi
8)
Knowledge Transfer (CA3)
= Knowledge Management Mendistribusikan pengetahuan kepada pengguna
Faktor Kedua dari hasil analisis yang diakukan adalah
ack of Knowledge Quality.
Gambar 8 Lack of Knowledge Quality
1)
Integration (PC1) = Pengetahuan dan proses bisnis harus diintegrasikan
dan dikelola sepanjang siklus hidupnya untuk sepenuhnya memberikan keuntungan
gabungan.
2)
Workflows (PC2)= Beberapa tujuan dapat dicapai ketika melakukan latihan
pemetaan pengetahuan
3)
Best Practice (PC3) = Karyawan sering tidak akan membagikan informasi
karena mereka merasa itu akan menurunkan nilai pribadi mereka kepada perusahaan
4)
Networks (T2) = Pengetahuan yang diperoleh dari sumber pengetahuan
disosialisasikan melalui jejaring sosial di dalam suatu organisasi.
5)
Acquisition (CK1) = Pengetahuan berasal dari dalam manusia dan
lingkungan organisasi
6)
Tacit Knowledge and Explicit Knowledge (CK2) = Pengetahuan baru
diperoleh dalam bentuk data dan pengalaman individu
Faktor Ketiga dari hasil analisis yang diakukan adalah
Controling Knowledge
Gambar 9 Controling Knowledge
1)
Identification and Codification Knowledge (RK1) = Kodifikasi pengetahuan membantu pencarian pengetahuan
2)
Indexing (RK2) = KMS perlu mengurutkan pengetahuan berdasarkan kebutuhan
organisasi
3)
Optimizing (RK3) = Optimaisasi pengetahuan yang ada agar pengetahuan lebih
mudah dipahami dan dimengertieadership (P1) = Pimpinan di Perusahaan mendorong
terbentuknya Knowledge sharing
Faktor Keempat dari hasil analisis yang diakukan adalah
Insufficient Knowledge Gathering
Gambar 10 Insufficient Knowledge
Gathering
1)
Acquisition (CK1) = Pengetahuan berasa dari dalam manusia dan lingkungan
organisasi
2)
Tacit Knowledge and Expicit Knowledge (CK2) = Pengetahuan baru diperoleh
dalam bentuk data dan pengalaman individu
Tabe 11 Component Transformation
Matrix
|
Component |
1 |
2 |
3 |
4 |
|
1 |
.834 |
-.510 |
-.195 |
-.078 |
|
2 |
.328 |
.197 |
.607 |
.696 |
|
3 |
.246 |
.617 |
-.682 |
.304 |
|
4 |
.368 |
.566 |
.357 |
-.645 |
|
Extraction Method: Principa Component Analysis. Rotation Method:
Varimax with Kaiser Normaization. |
||||
Sumber: Hasil olah data Software SPSS Version 20
Komponen 1 memiliki korelasi sebesar 0,834, ini artinya
komponen 1 cukup kuat karena 0,590 > 0,5, sehingga komponen 2 dikatakan tepat
untuk merangkum 27 indikator yang digunakan. Komponen 2 memiliki korelasi sebesar
0,695, ini artinya komponen 2 cukup kuat karena 0,590 > 0,5, sehingga komponen
2 dikatakan tepat untuk merangkum 27 indikator yang digunakan. Komponen 3, memiliki
korelasi sebesar 0,617, ini artinya komponen 3 cukup kuat karena 0,619 > 0,5,
sehingga komponen 3 dikatakan tepat untuk merangkum 27 indikator yang digunakan.
Komponen 4, memiliki korelasi sebesar 0,566, ini artinya komponen 4 cukup kuat
karena 0,619 > 0,5, sehingga komponen 4 dikatakan tepat untuk merangkum 27
indikator yang digunakan.
Model yang digunakan dalam melakukan Analisis KMS Mode
Analisis regresi linear
berganda merupakan analisis untuk mengukur pengaruh lebih dari satu prediktor
variabel bebas terhadap variabel terikat. Dalam hal ini peneliti menganalisis
Evaluasi Implementasi Penggunaan Knowledge Management System untuk Sales Pada
PT. Bank ABC.
Analisis statistik
regresi merupakan salah satu jenis uji persyaratan analisis atau uji asumsi
statistik manakala peneliti akan menggunakan jenis statistik parametik. Dalam
hal ini menggunakan Analisis Regresi Linier Sederhana dan Analisis Regresi
Linier Berganda untuk mengukur apakah ketiga data atau variabel yang
dihubungkan itu berbentuk garis lurus atau linearitas dapat juga diartikan ada
hubungan yang linier antar variabel. Artinya, setiap perubahan yang terjadi
pada satu variabel akan diikuti perubahan dengan besaran yang sejajar pada
variabel lainnya. Maka untuk mengetahui hal itu perlu diuji tingkat kelinieran
antar variabel.
Langkah berikutnya adalah
melakukan factor scoring dari 5 faktor baru yang tercipta berdasarkan hasil
pernyataan kuesioner mengenai tingkat pemahaman Knowledge Management System di
PT Bank XYZ dengan menggunakan skala satu hingga sepuluh, penulis akan
melakukan regresi kelima faktor baru tersebut dengan tingkat pemahaman.
Penjelasan skala pemahaman dapat dilihat pada Tabel 4.14 sebagai berikut:
Tabe 12 Skala Tingkat Penggunaan
Responden Terhadap KMS
|
No |
Tingkat Pemahaman |
Skala |
|
1 |
Sempurna |
10 |
|
2 |
Sangat Baik |
9 |
|
3 |
Baik |
8 |
|
4 |
Cukup Baik |
7 |
|
5 |
Cukup |
6 |
|
6 |
Sedang |
5 |
|
7 |
Kurang |
4 |
|
8 |
Sangat Kurang |
3 |
|
9 |
Buruk |
2 |
|
10 |
Sangat Buruk |
1 |
Dengan menggunakan penilaian
tingkat penggunaan responden KMS, Sebagai dependent variabel dan faktor score sebagai
independent variabel maka analisa dilanjutkan dengan melakukan regresi faktor terhadap
pemahaman responden seperti yang ditunjukkan pada Gambar 12 Dari hasil
analisa tersebut, maka ditemukan persamaan yang dapat digunakan sebagai formula
yang menggambarkan penggunaan KMS pada PT Bank ABC.
Tabe 13
Uji Regresi Berganda
|
Mode |
Unstandardized
Coefficients |
Standardized Coefficients |
t |
Sig. |
|
||
|
B |
Std. Error |
Beta |
|
||||
|
1 |
(Constant) |
7.290 |
.103 |
|
70.483 |
.000 |
|
|
REGR faktor score
1 for analysis 1 |
.185 |
.104 |
.096 |
1.791 |
.074 |
|
|
|
REGR faktor score
2 for analysis 1 |
-.014 |
.104 |
-.007 |
-.133 |
.894 |
|
|
|
REGR faktor score
3 for analysis 1 |
.039 |
.104 |
.020 |
.377 |
.707 |
|
|
|
REGR faktor score
4 for analysis 1 |
-.130 |
.104 |
-.068 |
-1.256 |
.210 |
|
|
|
a. Dependent Variabel: Kinerja Operasiona Perusahaan |
|||||||
Sumber:
output olah data software SPSS Version 22
Y = a + b1X1 + b2X2 + b3X3 + b4X4
= 7,290 + 0,185X1 0,014X2 + 0,039X3 0,130X4
Berdasarkan mode diatas, berikut adalah gambaran nilai faktor
untuk tingkat penggunaan responden:
Gambar 11 Nilai Faktor Untuk Tingkat
Penggunaan Responden
α = 7,290. apabia Implementasi
Knowledge Management System, Knowledge Management dan Knowledge Management System
sebesar 0, maka Kinerja Operasiona Perusahaan sebesar 7,290. Hasil ini signifikan
pada apha 5%.
β1 = 0,185.
Artinya dengan asumsi Implementasi Knowledge Management System dan Knowledge Management
System, bernilai tetap (tidak berubah), maka setiap peningkatan Organizing Knowledge
sebesar 1 Satuan akan meningkatkan Penggunaan KMS sebesar 0,185. Hasil ini signifikan pada Apha 5% dari hasil uji t.
β2 = -0,014.
Artinya dengan asumsi Implementasi Knowledge Management System dan Knowledge Management,
bernilai tetap (tidak berubah), maka setiap
peningkatan lack of Knowledge Quality sebesar 1 Satuan akan meningkatkan Penggunaan
KMS Perusahaan sebesar -0,014. Hasil ini signifikan pada Apha 5% dari hasil uji t.
Β3 = 0,039.
Artinya dengan asumsi Implementasi Knowledge Management System dan Knowledge Management
System, bernilai tetap (tidak berubah), maka setiap peningkatan Controling Knowledge sebesar
1 Satuan akan meningkatkan Penggunaan KMS Perusahaan sebesar 0,039. Hasil ini signifikan pada Apha 5% dari hasil uji t.
Β4 = -0,130.
Artinya dengan asumsi Implementasi Knowledge Management System dan Knowledge Management,
bernilai tetap (tidak berubah), maka setiap
peningkatan Insufficient Knowledge
Gathering sebesar 1 Satuan akan meningkatkan Penggunaan
KMS Perusahaan sebesar -0,130. Hasil ini signifikan pada Apha 5% dari hasil uji t.
Analisis dan perancangan
KMS PT Bank ABC
Setelah melakukan
regresi faktor terhadap tingkat pemahaman responden sehingga ditemukan nilai faktor
dan terbentuk mode seperti yang sudah dijelaskan sebelumnya, langkah selanjutnya
adalah mencari nilai minimum dan maksimum dari masing-masing faktor. Hasil pengolahan
data untuk nilai minimum dan maksimum dapat dilihat pada Gambar di bawah ini:
Tabe 14 Descriptive Statistics
|
|
N |
Minimum |
Maximus |
Mean |
Std. Deviation |
|
REGR faktor score
1 for analysis 1 |
345 |
-2.85535 |
1.39906 |
.0000000 |
1.00000000 |
|
REGR faktor score
2 for analysis 1 |
345 |
-2.64376 |
2.24878 |
.0000000 |
1.00000000 |
|
REGR faktor score
3 for analysis 1 |
345 |
-3.09662 |
2.33494 |
.0000000 |
1.00000000 |
|
REGR faktor score
4 for analysis 1 |
345 |
-3.26178 |
1.71293 |
.0000000 |
1.00000000 |
|
Vaid N (istwise) |
345 |
|
|
|
|
Dimana nilai yang terdapat pada faktor X merupakan nilai yang terdapat
pada faktor baru yang terbentuk. X1 merupakan faktor dari Organizing Knowledge,
X2 merupakan faktor dari Quality of Knowledge, X3 merupakan faktor dari Controling
Knowledge sedangkan X4 merupakan faktor dari Gathering Knowledge sehingga diperoleh
batasan nilai minimum dan nilai maksimum sebagai berikut:
Y = 7,290
+ 0,185X1 0,014X2 + 0,039X3 0,130
Dengan Penjelasan batasan nilai X:
-2.855 ≤ X1 ≤ 1.399
-2.643 ≤ X2 ≤ 2.248
-3.096 ≤ X3 ≤ 2.334
-3.261 ≤ X4 ≤ 1.712
Implikasi Manajerial KMS PT Bank ABC
Hasil penyebaran kuesioner ditemukan nilai terhadap analisis
dalam Knowledge Management System saat ini dengan nilai
sebesar 7,290 dimana nilai tersebut
berada pada skala Cukup Baik. Dengan melihat regresi
faktor yang diperoleh
pada Gambar 11 Ditemukan nilai minimum dan nilai maksimum
untuk masing-masing faktor.
Berdasarkan nilai minimum dan nilai maksimum hasil regresi faktor ini,
diperoleh hasil analisa
yang dapat dilihat pada tabe di
bawah ini:
Tabe 15 Tabe hasil Analisa Minimum dan
Maksimum
|
Variabel Kondisi |
Y |
β0 |
X1 |
X2 |
X3 |
X4 |
|
Norma |
7,290 |
7,290 |
0 |
0 |
0 |
0 |
|
Minimum |
7.102 |
7,290 |
-2.855 |
-2.643 |
-3.096 |
-3.261 |
|
Maksimum |
7.371 |
7,290 |
1.399 |
2.248 |
2.334 |
1.712 |
|
Ekstrem |
6.386 |
7,290 |
-2.855 |
2.248 |
-3.096 |
1.712 |
|
Ideal |
8.099 |
7,290 |
1.399 |
-2.643 |
2.334 |
-3.261 |
Rumus Tabe:
·
Minimum
Y = 7,290 + 0,185 (-2.855) 0,014 (-2.643) + 0,039 (-3.096)
0,130 (-3.261)
Y = 7,290 0.528 + 0.037 0.120 + 0.423
Y = 7.102
·
Maximus
Y = 7,290 + 0,185 (1.399) 0,014 (2.248) + 0,039 (2.334)
0,130 (1.712)
Y = 7,290 + 0.258 0.034 + 0.079 0,222
Y = 7.371
·
Ekstrim
Y = 7,290 + 0,185 (-2.855) 0,014 (2.248) + 0,039 (-3.096)
0,130 (1.712)
Y = 7,290 0.528 0,031 0,120 0,225
Y = 6.386
·
Ideal
Y = 7,290 + 0,185 (1.399) 0,014 (-2.643) + 0,039 (2.334)
0,130 (-3.261)
Y = 7,290 + 0,258 + 0.037 + 0,091 + 0.423
Y = 8.099
Pada Tabe 4.17 dapat dilihat
hasil analisis terhadap
penggunaan Knowledge Management System sebagai berikut:
1. Kondisi norma, pada kondisi
ini nilai analisa
penggunaan responden terhadap
Knowledge Management System
adalah 7.290 dimana nilai tersebut berada pada kategori cukup baik. Pada
kondisi ini tidak ada penambahan atau
pengurangan nilai pada faktor baru yang ditemukan. Berdasarkan data diatas
menunjukkan bahwa tiap responden sudah cukup paham akan kegunaan KMS tersebut sehingga implementasi
di PT Bank ABC dapat digunakan sebagai
sumber informasi dan pemecahan masalah bagi
karyawan Sales di PT Bank ABC
2. Kondisi minimum, pada kondisi
ini nilai analisa penggunaan responden terhadap
Knowledge Management System dengan tingkat
terendah adalah 7.102 dimana nilai
tersebut berada pada kategori cukup baik. Kondisi minimum ini dilihat
dari nilai terendah
pada semua faktor
baru yang ditemukan. Peru diperhatikan karena rendahnya nilai analisa
pemahaman ini yang semua pada kondisi
norma dikategorikan cukup baik, namun pada kondisi minimum ini turun menjadi kurang.
Ha ini tidak terepas karena adanya 2 faktor hasil analisis yang memiliki nilai minus, oleh sebab itu perlu ditingkatkan kualitas faktor Quality of Knowledge atau Kualitas pengetahuan
dan Knowledge Gathering atau Pengambilan Pengetahuan agar mendorong karyawan
agar dapat memaksimalkan Knowledge Management di dalam perusahaan
3. Kondisi maksimum, semua faktor
baru yang ditemukan ditingkatkan dari kondisi
norma dengan melihat nilai tertinggi dari masing-masing faktor baru. Pada kondisi
ini nilai analisa
penggunaan responden terhadap
Knowledge Management System
dengan tingkat tertinggi adalah 7.371. Pada kondisi ini terdapat dua faktor dari empat faktor baru yang mampu menurunkan tingkat penggunaan responden
terhadap KMS, namun dengan tinggi nya nilai untuk kedua
faktor ainnya, penurunan tersebut dapat
ditutupi sehingga dapat meningkatkan kualitas pemahaman yang ada. Jika dibandingkan dengan kondisi norma,
kondisi maksimum ini adalah
suatu peningkatan dikarenakan termasuk kedalam kategori cukup baik. Dan dapat dikatakan bahwa dengan implementasi KMS ini pengguna
sudah merasa bahwa penggunaan KMS ini
bermanfaat.
4. Kondisi ekstrim, pada kondisi
ini nilai faktor yang bernilai
positif diturunkan hingga nilai
terendah dan faktor yang bernilai negatif dinaikkan hingga nilai tertinggi. Setelah diuji coba dengan menurunkan nilai
faktor yang bernilai positif pada nilai
terendah dan menaikkan nilai faktor yang bernilai negatif
pada nilai tertinggi, maka nilai analisa
penggunaan responden terhadap
Knowledge Management System
saat kondisi ekstrim adalah 6.386 dimana nilai tersebut masuk kedalam kategori
sedang. Organisasi perlu memberikan pemahaman terkait
kegunaan KMS dan memberikan pelatihan
guna meningkatkan kualitas pemahaman pengguna KMS.
5. Kondisi ideal,
semua faktor baru yang ditemukan
bernilai positif tingkatkan hingga nilai maksimum, dan untuk faktor yang bernilai negatif
diturunkan hingga nilai
minimum. Setelah diakukan
uji coba kondisi
ideal pada analisa
penggunaan Knowledge Management System diperoleh
nilai 8.099 yang menunjukkan kondisi
yang jauh lebih baik dari kondisi norma dan kondisi maksimum. Nilai 8.099 ini masuk kedalam kategori baik cenderung sempurna sehingga dapat disimpulkan bahwa
pengguna sudah memahami akan kegunaan KMS sehingga dapat digunakan untuk meningkatkan kinerja karyawan dalam menyelesaikan pekerjaan dan membantu mempercepat proses
yang ada pada sisi operasional perbankan khususnya terkait
sales bank dalam proses menjual produk-produk bank tersebut.
Kesimpulan
Dari hasil penelitian
tentang evaluasi Implementasi Penggunaan Knowledge Management System untuk Sales
Pada PT. Bank ABC dengan menggunakan analisa faktor dan regresi yang melibatkan
sebanyak 345 responden, peneliti membuktikan bahwa: Ditemukan Empat faktor baru
yang mempengaruhi penggunaan Knowledge Management System pada PT Bank XYZ yaitu Organizing Knowledge, Lack
of Knowledge Quality, Controling the Knowledge dan Insufficient Knowledge
Gathering.
DFTARPUSTAKA
Aziz, Rozilah Abdul,
Muhammad, Mokhtar, & Abu-Jarad, Ismael. (2012). Management communication
styles: conceptualization and scale development. 2012 International
Conference on Innovation Management and Technology Research. http://dx.doi.org/10.1109%2FICIMTR.2012.6236355
Daft, Richard L. (2007). Organization
theory and design.
Dawson, Shane P., McWilliam, Erica,
& Tan, Jen Pei Ling. (2008). Teaching smarter: How mining ICT data can
inform and improve learning and teaching practice.
Foroughi, Behzad, Nikbin, Davoud,
Hyun, Sunghyup Sean, & Iranmanesh, Mohamad. (2016). Impact of core product
quality on sport fans emotions and behavioral intentions. International
Journal of Sports Marketing and Sponsorship. https://doi.org/10.1108/IJSMS-04-2016-010
Hsieh, Pei Ling, & Wei, Shang
Ling. (2017). Relationship formation within online brand communities: Bridging
the virtual and the real. Asia Pacific Management Review, 22(1),
29. https://doi.org/10.1016/j.apmrv.2016.10.008
Inkinen, Henri. (2016). Review of
empirical research on knowledge management practices and firm performance. Journal
of Knowledge Management. https://doi.org/10.1108/JKM-09-2015-0336
Jamshed, Samia, & Majeed, Nauman.
(2019). Relationship between team culture and team performance through lens of
knowledge sharing and team emotional intelligence. Journal of Knowledge
Management, 23(1), 90109. https://doi.org/10.1108/JKM-04-2018-0265
Matin, Hassan Zarei, Alvani, Seyed
Mahdi, Jandaghi, Gholam Reza, & Pashazadeh, Yusuf. (2010). Designing and
clarifying knowledge sharing model in administrative agencies to improve the
performance. European Journal of Economics, Finance and Administrative
Sciences, 22(1).
McFadyen, Rachel, & Jacob, Helen
Spafford. (2004). Insects for the biocontrol of weeds: predicting parasitism
levels in the new country. XI International Symposium on Biological Control
of Weeds, 135. CSIRO Entomology Canberra, Australia.
Wong, Lai Wan, Leong, Lai Ying, Hew,
Jun Jie, Tan, Garry Wei Han, & Ooi, Keng Boon. (2020). Time to seize the
digital evolution: Adoption of blockchain in operations and supply chain
management among Malaysian SMEs. International Journal of Information
Management, 52, 101997. https://doi.org/10.1016/j.ijinfomgt.2019.08.005
Zaied, Abdel Nasser H. (2012). An
integrated knowledge management capabilities framework for assessing
organizational performance. International Journal of Information Technology
and Computer Science, 4(2), 110.
Zaied, Abdel Nasser H., Hussein,
Gawaher Soliman, & Hassan, Mohamed M. (2012). The role of knowledge
management in enhancing organizational performance. International Journal of
Information Engineering and Electronic Business, 4(5), 27.