Pendahuluan

Era revolusi industri 4.0 yang serba digital saat ini, perkembangan teknologi informasi berkembang pesat. Teknologi informasi hadir untuk mengatur, memproses, menyusun, mendapatkan, dan menyimpan data dengan menciptakan informasi yang berkualitas. Dengan itu pemerintah memanfaatkan sistem informasi untuk mempermudah pengawasan, perencanaan, dan pelayanan publik. Sistem informasi yang baik adalah sistem yang dapat dipoerasikan secara efektif, untuk dapat meningkatkan efisiensi, akurasi, serta kecepatan dalam pengambilan keputusan, pada akhirnya akan meningkatkan daya saing industri [1].

Dalam mendorong transformasi digital di sektor industri Indonesia, berdasarkan Undang-Undang Republik Indonesia Nomor 3 Tahun 2014 Pasal 49 menyatakan bahwa pembangunan sarana prasana industri meliputi Sistem Indormasi Industri Nasional (SIINas). Sistem informasi dikembangkan oleh pemerintah Indonesia yang dikelola oleh Kementerian Perindustrian, untuk mendukung sektor industri dan bertujuan untuk mewujudkan integrasi data industri secara nasional yang akurat dan terkini untuk mendukung pengambilan kebijakan dan perencanaan. Selain itu SIINas dibangun dengan tujuan untuk memberikan akses informasi yang terstruktur dan mudah diakses oleh semua pihak yang terlibat dalam pengelolaan industri di Indonesia [2]. Adanya SIINas memberikan kebutuhan strategis perusahaan di kehidupan digital pada sektor industri melalui fitur yang ada didalamnya seperti e-Service, e-reporting, sertadatadan informasi. Digitalisasi industri ini sejalan dengan penelitian dari [3] yang menyatakan sebgai bentul upaya pemerintah mendorong transformasi digital dan menciptakan ekosistem bisnis yang transparan serta mudah diakses oleh semua pihak.​ Sesuai dengan Peraturan Presiden (Perpres) No. 82 Tahun 2023 sebagai langkah mendorong percepatan transformasi digital dan integrasi layanan digital secara nasional, birokrasi di seluruh jenjang pemerintahan. Kebijakan ini bertujuan untuk mempercepat digitalisasi proses pemerintahan, memperkuat hubungan antar layanan digital, serta mengoptimalkan penyelenggaraan pemerintahan yang berbasis digital.

Keberadaan SIINas digunakan ditujukan kepada perusahaan, asosiasi industri, pengelola kawasan industri, pemda, masyarakat, serta kalangan internal kementerian perindustrian, dan diperkuat pada Pasal 64 menyatakan bahwasannya wajib memiliki dan menggunakan akun SIINas dan melaporkan kegiatannya secara lengkap, akurat, dan tepat waktu. Namun, pada penerapannya masih belum banyak perusahaan yang memiliki akun dari SIINas itu sendiri sesuai dengan data dari BPS Jawa Timur jumlah perusahaan di Jawa Timur sebanyak 1.811.089 perusahaan sedangkan data dari Dinas Perindustrian dan Perdagangan Provinsi Jawa Timur jumlah perusahaan yang terdaftar pada SIINas hanya sebesar 10.569 perusahaan. Berdasarkan pengalaman peneliti pada saat melaksanakan magang pada bulan Agustus 2023 sampai dengan Januari 2024 di Dinas Perindustrian dan Perdagangan Jawa Timur, kondisi ini disebabkan oleh oleh minimnya pemahaman perusahaan terhadap kewajiban pelaporan industri, kurangnya pengetahuan tentang cara registrasi, pelaporan, serta manfaat SIINas itu sendiri. Masalah yang ditemukan ini sejalan dengan penelitian yang juga dilakukan oleh [4] yang menyatakan Kurangnya pemahaman masyarakat, khususnya pelaku usaha kecil, mengenai cara mengakses dan memanfaatkan laman web SIINas serta berbagai layanan yang disediakan, menjadi permasalahan utama dalam implementasi sistem ini.

Permasalahan yang ada mengenai penggunaan SIINas tersebut menjadikan penelitian ini, dengan menerapkan pendekatan kerangka melalui kerangka kerja Technology-Organization-Environment (TOE) sebagai dasar analisis, serta menambahkan variabel kepuasan pengguna sistem guna mengevaluasi dampak adopsi SIINas terhadap pengalaman dan persepsi pengguna dalam menggunakan sistem tersebut. Penggunaan kerangka kerja TOE sendiri pada penelitian [5] menjelaskan kerangka TOE tersebut mengidentifikasi tiga dimensi utama teknologi, organisasi, dan lingkungan yang memengaruhi keputusan organisasi dalam mengadopsi teknologi. Selain itu terdapat penelitian dari [6] juga menyatakan TOE framework memiliki pengaruh yang signifikan terhadap adopsi teknologi. Sehingga hal ini membuktikan penggunaan konsep pendekatan TOE efektif untuk mengeksplorasi beberapa masalah sistem informasi, dan mengenali faktor-faktor yang mempengaruhi keputusan organisasi dalam melakukan adopsi teknologi. Namun, kajian yang secara spesifik mengulas penggunaan SIINas masih sangat terbatas, terlebih lagi pada konteks penggunaannya di tingkat daerah seperti Provinsi Jawa Timur.

Analisis terhadap literatur terdahulu menunjukkan adanya kesenjangan dalam evaluasi sistem SIINas baik dari sisi adopsi maupun persepsi kepuasan pengguna. Tidak adanya kajian mendalam menyebabkan minimnya masukan yang dapat digunakan untuk menyempurnakan sistem. Dalam penerapan teknologi, menurut [7] evaluasi yang mendalam sangat diperlukan guna memastikan bahwa implementasi teknologi dapat berjalan secara optimal dan efisien sesuai dengan tujuan penerapannya. Dengan mempertimbangkan hal tersebut, penelitian ini penting dilakukan untuk mengevaluasi faktor-faktor yang memengaruhi adopsi SIINas serta bagaimana adopsi tersebut berdampak terhadap kepuasan pengguna. Dalam konteks penelitian ini, kerangka TOE akan dipadukan dengan analisis terhadap kepuasan pengguna sistem untuk mengevaluasi tidak hanya faktor-faktor pendorong adopsi SIINas, tetapi juga sejauh mana sistem tersebut memberikan dampak positif terhadap pengalaman pengguna dan efektivitas operasional dari perusahaan. Adapun tujuan dari penelitian ini adalah untuk menganalisis pengaruh aspek teknologi, organisasi, dan lingkungan terhadap adopsi SIINas, serta menganalisis pengaruh adopsi SIINas terhadap kepuasan pengguna sistem di lingkungan industri di Provinsi Jawa Timur.

Metode

Penelitian ini menggunakan pendekatan kuantitatif dengan tujuan untuk menganalisis pengaruh faktor teknologi, organisasi, dan lingkungan terhadap adopsi teknologi serta dampaknya terhadap kepuasan pengguna Sistem Informasi Industri Nasional (SIINas) di Provinsi Jawa Timur. Subjek dalam penelitian ini adalah perusahaan industri di wilayah Provinsi Jawa Timur yang telah menggunakan SIINas. Pengumpulan data dalam penelitian ini dimulai dari bulan April 2025 hingga data terpenuhi pada bulan Juni 2025. Seluruh data yang terkumpul kemudian diolah menggunakan perangkat lunak Smart-PLS dengan pendekatan Partial Least Square Structural Equation Modeling (PLS-SEM).

Sampel dalam peneliti ini diambil dengan melalui teknik purposive sampling. Purposive sampling didefinisikan sebagaimana dijelaskan oleh [8] yang berarti teknik pengambilan sampel yang didasarkan pada pertimbangan atau kriteria tertentu, dimana tidak semua anggota populasi memiliki peluang yang sama untuk terpilih sebagai responden. Sebanyak 76 respomden dipilih menggunakan teknik purposive sampling berdasarkan kategori pengguna baru dan pengguna lama dari 38 kabupaten/kota di Jawa Timur. Jumlah sampel tersebut telah memenuhi kriteria yang sesuai berdasarkan [9], yang menyatakan bahwa Partial Least Square (PLS) tetap dapat digunakan secara optimal meskipun ukuran sampel relatif kecil (kurang dari 100 responden). PLS mampu menjelaskan hubungan antara dua atau lebih variabel laten secara valid dalam kondisi jumlah data yang terbatas.

Pengumpulan data dilakukan dengan menyebarkan kuesioner secara daring kepada responden dengan menggunakan skala Likertyang efektif sebagai alat ukur untuk menilai sikap, pandangan tertentu, dan persepsi seseorang atau kelompok [10]. Setelah data terkumpul data akan diolah dan dianalisis menggunakan software Smart PLS4. SmartPLS 4 adalah perangkat lunak yang digunakan untuk analisis Structural Equation Modeling (SEM) dengan pendekatan Partial Least Squares (PLS). Analisis ini memungkinkan peneliti untuk menguji hubungan antar variabel laten secara simultan, serta mengevaluasi baik model pengukuran (outer model) maupun model struktural (inner model) secara menyeluruh [11].

Variabel yang dianalisis dalam penelitian ini mencakup faktor teknologi, organisasi, lingkungan sebagai variabel bebas, serta variabel adopsi teknologi, dan kepuasan pengguna sebagai variabel terikat. Teknik analisis data dilakukan menggunakan metode Partial Least Square - Structural Equation Modeling (PLS-SEM) untuk menguji hubungan antar variabel, teori yang digunakan sebagai acuan dari hasil penelitian berdasarkan penelitian yang dilakukan oleh [12]. Langkah pertama dalam penelitian ini dilakukan dengan penyusunan inner model dan perancangan outer model. Setelah itu pengujian, dilakukan melalui dua tahapan utama, yaitu evaluasi outer model dan inner model. Evaluasi outer model mencakup dua jenis, yakni model formatif yang diuji melalui convergent validity, collinearity, dan significant weight, serta model reflektif yang dianalisis melalui uji validitas konvergen, validitas diskriminan, dan reliabilitas. Sementara itu, inner model dievaluasi dengan melihat nilai R-Squares dan Q-Squares. Selanjutnya dilakukan uji hipotesis dengan melihat nilai t-statistik dan nilai dari p-value. Sehingga akhirnya diperoleh model persamaan struktural melalui hasil dari nilai koefisien jalur.

Kerangka penelitian ini sejalan dengan penelitian yang dilakukan oleh [13] yang dapat dilihat pada Gambar 1. Yang menggambarkan bagaimana ketiga faktor dalam model TOE (Technology-Organization-Environment) dengan indikatornya yang memengaruhi adopsi teknologi dengan indikatornya, yang pada akhirnya berdampak pada kepuasan pengguna dari sistem. Hubungan antar variabel tersebut membentuk alur dalam model konseptual yang digunakan. Kerangka ini sekaligus menjadi dasar dalam penyusunan dan pengujian hipotesis pada penelitian

Figure 1. Kerangka Konseptual

Hasil dan Pembahasan

A. Penyusunan Inner Model

Visualisasi inner modeldilakukan sesuai dengan model teoritis yang telah disusun sebelumnya. Tujuan dari visualisasi tersebut adalah untuk memudahkan penelitian ini dalam memahami hubungan kausal yang akan dianalisis dalam penelitian ini. Visualisasi ini juga menjadi dasar dalam menginterpretasikan arah serta kekuatan pengaruh antar variabel laten dalam model penelitian.

Penyusunan inner modelditampilkan pada Gambar 2.dengan variabel adopsi teknologi (Y1) dipengaruhi oleh tiga faktor utama dalam kerangka TOE, yaitu teknologi (X1), organisasi (X2), dan lingkungan (X3). Ketiga variabel bebas tersebut berkontribusi terhadap tingkat adopsi teknologi SIINas oleh perusahaan industri di Jawa Timur. Selanjutnya, tingkat adopsi teknologi tersebut (Y1) memberikan pengaruh langsung terhadap kepuasan pengguna (Y2) terhadap penggunaan sistem SIINas

Figure 2. Inner Model

B. Analisi Outer Model

Visualisasi outer model meemperlihatkan hubungan antara variabel dengan indikator digambarkan melalui konstruksi diagram jalur. Diagram tersebut memberikan visualisasi mengenai kontribusi setiap indikator terhadap konstruk yang diwakilinya, sekaligus memperlihatkan arah hubungan antar variabel dalam penelitian.

Hubungan antara variabel laten dengan indikator-indikator disajikan pada Gambar 3. yang merepresentasikannya dalam model struktural penelitian ini. Variabel Technology, Organization, dan Environment dikategorikan sebagai variabel formatif karena dibentuk oleh kontribusi langsung dari masing-masing indikatornya. Sementara itu, variabel Adopsi Teknologi dan Kepuasan Pengguna diklasifikasikan sebagai variabel reflektif, di mana indikator-indikatornya mencerminkan hasil dari konstruk laten tersebut.

Figure 3. Outer Modeldan Konstruksi Diagram Jalur

C. Analisis Outer Model Formatif

Model formatif berfokus pada kontribusi masing-masing indikator dalam membentuk konstruk yang diukur. Dalam proses evaluasi model formatif, terdapat tiga aspek utama yang harus diperhatikan, yaitu convergent validity, collinearity, dan significant weight.Ketiga aspek ini penting untuk memastikan bahwa konstruk yang dibentuk benar-benar merepresentasikan variabel laten secara akurat dalam model penelitian. Hasil pengujian outer model formatif dalam penelitian ini diperoleh.

Pengujian convergent validitymelalui nilai path coefficients dari masing-masing indikator terhadap konstruknya. Nilai path coefficients yang diperoleh berada di atas ambang batas minimal 0,7. Hasil ini mengindikasikan bahwa hubungan antara indikator dan konstruk bersifat relevan dan konsisten, sehingga model telah memenuhi syarat validitas konvergen yang diperlukan untuk keabsahan pengukuran dalam penelitian ini dengan hasil pada Gambar 4. dibawah ini.

Figure 4. Hasil Pengujian Convergent Validity

Hasil nilai dari Variance Inflation Factor (VIF) pada indikator formatif penelitian ini. Nilai VIF yang tinggi menunjukkan adanya indikasi multikolinearitas yang dapat mempengaruhi akurasi estimasi model. Sebagai acuan, nilai VIF yang digunakan yaitu kurang dari 5, untuk memastikan bahwa tidak terjadi multikolinearitas yang berlebihan antar indikator. Berdasarkan hasil yang diperoleh, seluruh indikator memiliki nilai VIF dalam rentang 1,262 hingga 3,125. Oleh karena itu, dapat dikatakan bahwa model ini tidak mengalami masalah multikolinearitas, yang dijelaskan pada Tabel 1. dibawah ini

Tabel 1. Hasil Pengujian Collinearity

Hasil nilai dari pengujian significant weigh melalui nilai p-value pada indikator formatif penelitian ini. Indikator dianggap memiliki kontribusi signifikan terhadap konstruk formatif apabila nilai p-value-nya kurang dari 0,05. memiliki kontribusi signifikan terhadap variabel laten apabila nilai P-value yang dihasilkan berada di bawah 0,05. Sebaliknya, jika nilai P-value melebihi, maka indikator tersebut dianggap tidak memberikan pengaruh yang signifikan. Hasil yang didapatkan menunjukkan pada variabel Teknologi (X1), indikator X1.2 dan X1.3 menunjukkan pengaruh signifikan (P-value = 0,000), sementara X1.1 tidak signifikan (P-value = 0,976). Pada variabel Organisasi (X2), hanya X2.3 yang signifikan (P-value = 0,000), sedangkan X2.1(P-value = 0,067) dan X2.2 (P-value = 0,571) tidak signifikan. Untuk variabel Lingkungan (X3), indikator X3.1 dan X3.3 signifikan (P-value = 0,000), sementara X3.2 tidak signifikan (P-value = 0,776), seperti yang dijelaskan pada Tabel 2. dibawah ini.

Tabel 2. Hasil Pengujian Significant Weight

D. Analisis Outer Model Reflektif

Model reflektif berfokus pada hubungan antara indikator dengan konstruk yang diwakilinya. Evaluasi terhadap model reflektif dilakukan melalui tiga aspek utama, yaitu validitas konvergen, validitas diskriminan, dan reliabilitas. Ketiga aspek ini berguna untuk memastikan bahwa konstruk yang digunakan dalam penelitian benar-benar merepresentasikan keadaan yang diteliti secara akurat dan dapat dipercaya.

Hasil nilai dari pengujian validitas konvergen. Dalam penelitian ini, pengujian validitas dilakukan dengan melihat nilai AVE dan nilai outer loading setiap variabel dan indikator reflektif. Hasil dari outer loading, seluruh indikator mempunyai outer loading melebihi 0,7, yaitu antara 0,802 hingga 0,913. Hal tersebut menunjukkan bahwa setiap indikator memberikan kontribusi yang cukup kuat dalam menggambarkan variabel laten yang diukur, sehingga kriteria untuk memenuhi convergent validity dapat terpenuhi. Selanjutnya untuk nilai AVE untuk variabel adopsi teknologi sebesar 0,725 dan untuk variabel kepuasan pengguna sebesar 0,773. Nilai AVE dinyatakan memenuhi syarat apabila melebihi 0,5. Dengan demikian, hasil tersebut menunjukkan bahwa indikator-indikator yang digunakan mampu menjelaskan lebih dari 50% varians dari masing-masing variabel laten. Oleh karena itu, dapat disimpulkan bahwa kedua variabel tersebut telah memenuhi persyaratan validitas konvergen.pada model reflektif, , hasil yang didapatkan dapat dilihat pada Tabel 3. dibawah ini.

Tabel 3. Hasil Pengujian Validitas Konvergen

Hasil nilai dari pengujian validitas diskriminan pada nilai Heterotrait-Monotrait Ratio (HTMT). Pengujian dilakukan dengan membandingkan rasio korelasi antar konstruk berbeda (heterotrait-heteromethod) dengan korelasi antar indikator dalam konstruk yang sama (monotrait-heteromethod). Hasil diatas menunjukkan hasil nilai HTMT antara variabel adopsi teknologi dan kepuasan pengguna sebesar 0,809. Nilai tersebut berada di bawah ambang batas 0,90 yang digunakan sebagai standar untuk memastikan terpenuhinya validitas diskriminan. Hasil ini menunjukkan bahwa kedua variabel tersebut meskipun saling berhubungan, tetap dapat dibedakan secara jelas, sehingga tidak terjadi tumpang tindih dalam pengukurannya, hasil yang didapatkan dapat dilihat pada Tabel 4. dibawah ini.

Tabel 4. Hasil Pengujian Validitas Diskriminan HTMT

Hasil nilai dari pengujian validitas diskriminan pada nilai Fornell-Larcker Criterion. Pengujiandigunakan untuk mengukur validitas diskriminan dengan membandingkan nilai akar kuadrat dari AVE (Average Variance Extracted) dengan masing-masing konstruk dengan korelasi antar konstruk. Hasil diatas menunjukkan Fornell-Larcker Criteriondari adopsi teknologi mempunyai AVE sebesar 0,851, dan kepuasan pengguna mempunyai AVE sebesar 0,879. Kedua nilai tersebut lebih tinggi dibandingkan korelasi antar variabel (0,700), sehingga menunjukkan validitas diskriminan telah terpenuhi. Artinya, setiap konstruk memiliki hubungan yang lebih kuat dengan indikator-indikatornya sendiri dibandingkan dengan konstruk lainnya dalam model, hasil yang didapatkan dapat dilihat pada Tabel 5 dibawah ini.

Tabel 5. Hasil Pengujian Validitas Diskriminan Fornell-Larcker Criterion

Hasil nilai dari pengujian reliabilitas melalui nilai composite reliability dan cronbach’s alpha. Jika hasil tinggi pada kedua ukuran tersebut, berarti indikator-indikator yang digunakan secara konsisten mampu merepresentasikan variabel laten yang sama. Hasil didapatkan menunjukkan Nilai Cronbach's alpha untuk adopsi teknologi sebesar 0,873, sedangkan untuk kepuasan pengguna sebesar 0,913. Sementara itu, composite reliability menunjukkan nilai 0,862 untuk adopsi teknologi dan 0,911 untuk kepuasan pengguna. Seluruh hasil nilai tersebut berada di atas ambang minimum 0,6, yang berarti tingkat reliabilitasnya dapat diterima. Berdasarkan hasil tersebut, disimpulkan kedua variabel memiliki konsistensi internal yang baik, sehingga indikator yang digunakan dalam model ini mampu secara merepresentasikan konstruk yang diukur, hasil yang didapatkan dapat dilihat pada Tabel 6. dibawah ini.

Tabel 6. Hasil Pengujian Realibilitas

E. Analisis Inner Model

Evaluasi inner model dalam penelitian ini bertujuan untuk menilai seberapa kuat hubungan antar variabel laten dalam model struktural yang telah dibangun. Pengujian dilakukan untuk melihat kemampuan model dalam menjelaskan variabilitas data melalui dua ukuran utama, yaitu nilai R-Squares (R²) serta Q-Squares (Q²). Dengan ini akan diketahui seberapa baik model mampu menjelaskan dan memprediksi konstruksi endogen yang menjadi fokus dalam penelitian terhadap variabel terikat.

Hasil nilai dari pengujian R-Square untuk mengetahui sejauh mana variabel independen dalam model mampu menjelaskan variasi yang terjadi pada variabel dependen. Semakin tinggi nilai R-Square, maka semakin baik kemampuan model dalam memprediksi variabel dependen tersebut. Hasil yang didapatkan menunjukkan variabel adopsi teknologi (Y1) memiliki nilai 0,771, nilai ini menunjukkan 77,1% dengan kategori prediktif yang kuat (substansial). Sementara itu, variabel kepuasan pengguna (Y2) memiliki nilai R-Square sebesar 0,490, yang berarti 49% variasinya dijelaskan oleh variabel adopsi teknologi (Y1), dengan kategori prediktif sedang (moderate) , hasil yang didapatkan dapat dilihat pada Tabel 7. dibawah ini.

Tabel 7. Hasil Pengujian R-Squares (R²)

Hasil nilai dari pengujian Q-Square untuk mengevaluasi kemampuan prediktif model terhadap variabel endogen. Nilai Q-Square yang positif menunjukkan model memiliki kemampuan prediktif yang baik, sedangkan nilai mendekati nol atau negatif mengindikasikan lemahnya prediksi model. Hasil yang didapatkan menunjukkan variabel adopsi teknologi sebesar 0,530, sedangkan variabel kepuasan pengguna sebesa 0,208. Dengan hasil Q-Square melebihi 0, dapat disimpulkan model penelitian ini memiliki kemampuan prediksi cukup bagus), hasil yang didapatkan dapat dilihat pada Tabel 8. dibawah ini.

Tabel 8. Hasil Pengujian Q-Squares (Q²)

F. Uji Hipotesis

Pengujian hipotesis dilakukan untuk mengetahui apakah setiap variabel eksogen memberikan pengaruh yang signifikan terhadap variabel endogen dalam model. Suatu hubungan dikatakan signifikan apabila nilai t-statistik yang diperoleh lebih besar dari 1,96 dan nilai dari p-value lebih kecil dari 0,05 [14]. Pengujian ini berfungsi untuk membuktikan apakah hipotesis yang diajukan dalam penelitian dapat diterima atau ditolak. Pengujian dilakukan dengan cara melakukan bootstrapping.

Hasil uji hipotesis melalui analisis bootstrapping hubungan antar variabel dalam model menunjukkan pengaruh yang signifikan, dan hipotesis diterima. Hal ini dilihat dari nilai t-statistic yang seluruhnya melebihi angka 1,96 dan p-value yang lebih kecil dari 0,05, hasil tersebut dijelaskan secara rinci sebagai berikut, dengan rincian pada Tabel 9. dibawah ini.

1.Teknologi (X1) berpengaruh terhadap Adopsi Teknologi (Y1) dengan t-statistic 2,870 (p = 0,004).

2.Organisasi (X2) berpengaruh terhadap Adopsi Teknologi (Y1) dengan t-statistic 3,331 (p = 0,001),

3.Lingkungan (X3) berpengaruh paling kuat terhadap Adopsi Teknologi (Y1) t-statistic 5,347 (p = 0,000).

4.Adopsi Teknologi (Y1) berpengaruh signifikan terhadap Kepuasan Pengguna (Y2) t-statistic 8,700 (p = 0,000).

Tabel 9. Uji Hipotesis

G. Model Persamaan Struktural

Model persamaan struktural digunakan untuk menggambarkan hubungan kausal antar variabel laten yang diteliti Model ini memungkinkan peneliti untuk mengidentifikasi seberapa besar pengaruh antar variabel namun direpresentasikan melalui sejumlah indikator [15]. Hasil dari persamaan struktural dengan melihat hasil nilai dari koefisien jalur, pada penelitian ini didapatkan hasil sebagai berikut:

1. Variabel Adopsi Teknologi, dipengaruhi oleh hasil dari nilai koefisien jalur Teknologi (X1), Organisasi (X2), dan Lingkungan (X3) :

Y1 = 0,243X1 + 0,265X2 + 0,485X3 + ε1 (1)

Adopsi Teknologi (Y1) memiliki R² = 0,771 = 77,1% variasi dijelaskan oleh X1, X2, X3 → sisanya 22,9%merupakan ε₁.,,,,,

2. Variabel Kepuasan Pengguna, dipengaruhi oleh hasil dari nilai koefisien jalur Adopsi Teknologi (Y1) :

Y2 = 0,700Y1 + ε2 (2)

Kepuasan Pengguna (Y2) memiliki R² = 0,490 = 49% variasi dijelaskan oleh Y1 → sisanya 51% merupakan ε₂

Untuk mengetahui pengaruh tidak langsung dari ketiga variabel bebas (X1, X2, X3) terhadap Kepuasan Pengguna (Y2) melalui Adopsi Teknologi (Y1), dilakukan substitusi persamaan pertama ke dalam persamaan kedua. Hasilnya sebagai berikut:

Y2 = 0,700 × (0,243X1 + 0,265X2 + 0,485X3 + ε₁) + ε₂Y2 = 0,170X1 + 0,186X2 + 0,340X3 + ε (3)

Hasil menunjukkan bahwa ketiga variabel (X1, X2, X3) memberikan pengaruh positif dan signifikan terhadap Adopsi Teknologi (Y1). Faktor Lingkungan (X3) memiliki pengaruh paling dominan terhadap Adopsi Teknologi, ditunjukkan dengan koefisien jalur sebesar 0,485. Selanjutnya, Adopsi Teknologi (Y1) terbukti memberikan pengaruh yang kuat dan signifikan terhadap Kepuasan Pengguna (Y2) dengan koefisien sebesar 0,700. Untuk pengaruh yang terakhir diketahui variabel Teknologi, Organisasi, dan Lingkungan memiliki pengaruh terhadap Kepuasan Pengguna setelah melalui faktor Adopsi Teknologi.

Simpulan

Hasil penelitian ini menunjukkan bahwa ketiga faktor utama dalam kerangka TOE (Technology, Organization, dan Environment) memiliki pengaruh signifikan terhadap adopsi Sistem Informasi Industri Nasional (SIINas) oleh perusahaan industri di Provinsi Jawa Timur. Di antara ketiganya, faktor lingkungan memiliki pengaruh paling dominan terhadap adopsi teknologi. Selanjutnya, adopsi SIINas terbukti memberikan dampak positif terhadap kepuasan pengguna, menunjukkan sistem yang diadopsi secara optimal mampu meningkatkan efektivitas operasional serta kepuasan dalam penggunaan sistem. Adanya penelitian ini membuka peluang bagi penelitian lebih lanjut dengan memperluas cakupan wilayah bukan hanya pada Jawa Timur tetapi pada lingkup nasional. Selain itu, penelitian mendatang disarankan untuk menambahkan variabel lain yang dapat memengaruhi tingkat adopsi teknologi secara lebih luas. Peran user experience membentuk persepsi dan kepuasan pengguna menjadi fokus penting untuk menambah pemahaman pengembangan sistem informasi industri ke depan. Dari penelitian yang telah dilakukan ini, model yang terbentuk menghasilkan bentul keberhasilan implementasi SIINas di lingkungan industri Provinsi Jawa Timur dengan dipengaruhi oleh ketiga faktor teknologi organisasi, dan lingkungan, dengan secara langsung terhadap adopsi teknologi, setelah itu terhadap tingkat kepuasan pengguna sistem yaitu perusahaan yang ada di Jawa Timur.