PENDAHULUAN

Di era digital yang terus berkembang, penggunaan teknologi informasi telah menjadi bagian penting dalam kegiatan sehari-hari, baik di sektor pemerintahan, pendidikan, maupun perusahaan swasta. Daya saing dan perkembangan suatu instansi atau perusahaan telah menjadi salah satu faktor yang sangat berpengaruh pada penggunaan teknologi infromasi dan komunikasi saat ini. Penggunaan teknologi juga dapat membantu manusia dalam menyelesaikan berbagai macam pekerjaan. Teknologi adalah sarana untuk meningkatkan kemampuan manusia dan suatu instrument perubahan. Teknologi juga merupakan objek benda yang digunakan untuk kemudahan aktivitas manusia seperti mesin, perkakas atau perangkat keras [1].

Pemanfaatan teknologi memungkinkan suatu instansi atau perusahaan dapat membantu departemen yang ada di dalam instansi atau perusahaan tersebut untuk mengelola informasi dalam jumlah yang besar dengan lebih efisien, akurat, dan real-time. Salah satu aspek yang mengalami digitalisasi teknologi adalah sistem presensi atau kehadiran. Adanya website ini dirancang untuk meningkatkan efisiensi, akurasi, dan kemudahan dalam melakukan presensi, baik bagi pengguna individu maupun organisasi. Hal tersebut tidak hanya dapat membantu proses administrasi, tetapi juga mendukung transparansi dan mengurangi potensi manipulasi data kehadiran [2].

Suatu instansi atau perusahaan yang memiliki karyawan pasti akan melakukan absensi. Absensi merupakan dokumen yang mencatat jam hadir setiap karyawan di perusahaan. Catatan jam hadir karyawan ini dapat berupa daftar catatan tangan atau pembukuan.

Sistem absensi merupakan hal yang penting bagi dosen di Universitas Gunadarma. Sebagai salah satu institusi pendidikan terkemuka di Indonesia, Universitas Gunadarma telah menerapkan berbagai sistem berbasis teknologi untuk mendukung operasional akademik dan administratifnya. Salah satu sistem yang diterapkan adalah Website Monitoring Sekretariat Dosen, yang dirancang untuk mencatat kehadiran secara digital dengan harapan dapat mempermudah akses, meningkatkan akurasi, dan memungkinkan pelaporan yang lebih cepat [3]. Namun, keberhasilan implementasi Website Monitoring Sekretariat Dosen ini tidak hanya diukur dari fungsionalitas atau fitur yang tersedia, tetapi juga dari tingkat kepuasan para penggunanya, khususnya admin Sekretariat Dosen yang memanfaatkan sistem tersebut dalam kegiatan kerja sehari-hari. Oleh karena itu, penilaian terhadap kepuasan pengguna menjadi hal penting untuk mengetahui apakah website tersebut telah benar-benar membantu, memenuhi kebutuhan, dan memberikan pengalaman penggunaan yang efektif [4].

Analisis kualitas sistem diperlukan untuk menilai kualitas website absensi online apakah aplikasi telah memenuhi harapan dan kebutuhan pengguna. Model Delone dan McLean adalah kerangka kerja yang dapat digunakan untuk mengukur kualitas website dengan mempresentasikan enam variable, yaitu: Kualitas sistem, kualitas informasi, kualitas layanan, penggunaan, kepuasan pengguna dan manfaat bersih. Variable yang didapat akan dilakukan pengujian hipotesis menggunakan metode Structural Equation Model (SEM) berbasis Partial Least Square (PLS) sebagai faktor penentu keputusan dan kepuasan pengguna [5].

Penelitian terdahulu dilakukan oleh Dani, Ari dan Heri dari Universitas Widyatama yang berjudul “Perancangan Sistem Presensi Online dengan QR Code Menggunakan Metode Prototyping” Jurnal Teknologi dan Informasi (JATI), Vol. 14, No. 1 yang terbit pada 2022. Metode yang digunakan untuk pengembangan adalah metode prototyping. Hasil penelitian menunjukkan bahwa sistem presensi online berbasis QR Code mampu memenuhi kebutuhan pengguna dengan menyediakan proses presensi yang lebih cepat, efisien, dan akurat dibandingkan metode manual. Adapun kelemahan pada sistem yaitu memerlukan koneksi internet yang stabil untuk memastikan pencatatan kehadiran secara real-time. QR Code juga berpotensi dipalsukan jika tidak disertai mekanisme keamanan tambahan [6].

Penelitian terdahulu dilakukan oleh Rifa dan Yuni dari Universitas Negeri Surabaya yang bejudul “Analisis Perbandingan Metode Pengenalan Wajah untuk Absensi Online dengan KNN dan Local Binary Pattern Histogram (LBPH)” Journal of Informatics and Computer Science, Vol. 5, No. 4 yang terbit pada 2022. Metode yang digunakan untuk pengembangan adalah k-Nearest Neighbor (KNN) dan Local Binary Pattern Histogram (LBPH). Hasil penelitian menunjukkan bahwa KNN lebih efektif untuk sistem absensi berbasis pengenalan wajah karena memiliki akurasi tertinggi sebesar 98,52% saat menggunakan nilai k=1. Sedangakan pada metode Local Binary Pattern Histogram (LBPH) akurasi tingkat kecocokannya sebesar 81% untuk pengenalan wajah individu. Namun penelitian ini juga memiliki kelemahan yaitu terbatasnya dataset yang hanya melibatkan 10 individu, sehingga hasilnya kurang representatif untuk populasi lebih besar. Peneliti juga tidak membahas secara mendalam faktor-faktor yang menyebabkan perbedaan kinerja antara k-Nearest Neighbor (KNN) dan Local Binary Pattern Histogram (LBPH).

Penelitian terdahulu dilakukan oleh Indra dan Oky dari Universitas Bina Sarana Informatika yang berjudul “Penerapan Metode Waterfall dalam Perancangan Sistem Absensi Online untuk Pegawai Yayasan SD ISLAM ASSA’ADAH” Jurnal Teknik Informatika Unis (JUTIS), Vol. 10, No.1 yang terbit pada tahun 2022. Metode yang digunakan untuk pengembangan adalah metode waterfall. Hasil penelitian menunjukkan bahwa sistem yang dirancang meningkatkan efisiensi, fleksibilitas, dan akurasi dalam pengelolaan absensi. Namun penelitian ini memiliki kekurangan yaitu hanya fokus pada fungsionalitas sistem tanpa mengevaluasi aspek pengalaman pengguna (user experience) secara mendalam [7].

Berdasarkan uraian di atas, muncul gagasan untuk melakukan analisis kualitas Website Monitoring Sekretariat Dosen dengan metode PLS-SEM. Fokus utama analisis ini akan ditunjukkan pada pengguna website tersebut yaitu bagian administrasi Sekretariat Dosen. Adanya penelitian ini akan membantu dalam mengevaluasi sejauh mana sistem ini memenuhi harapan dan kebutuhan pengguna. Hasil analisis ini akan memberikan wawasan yang berharga untuk perbaikan dan pengembangan lebih lanjut sistem ini guna mendukung keberhasilan website ini di masa depan.

Kebaruan penelitian ini terletak pada integrasi model Delone dan McLean dengan pendekatan PLS-SEM yang difokuskan secara spesifik pada evaluasi kualitas Website Monitoring Sekretariat Dosen, yang belum banyak dikaji pada penelitian sebelumnya. Selain menilai aspek fungsional, penelitian ini juga menganalisis keterkaitan antara kualitas system, kualitas informasi, kualitas layanan, penggunaan, kepuasan pengguna, dan manfaat bersih secara menyeluruh. Dengan demikian penelitian ini menawarkan model evaluasi yang lebih komorehensif dan berbasis data empiris dalam mengukur keberhasilan system absensi berbasis web di perguruan tinggi.

METODE

A.Tahap Penelitian

Proses melakukan analisis kualitas dan kemudahan penggunaan website menggunakan model Delone dan McLean melibatkan beberapa langkah yang sistematis. Analisis statistik yang digunakan adalah model struktural menggunakan Partial Least square (PLS) menggunakan software SmartPLS 4.1.0.9.

B.Instrumen Penelitian

Pengumpulan data pada penelitian ini menggunakan metode kuesioner yang disebar melalui Google Form kepada 80 admin pengguna Website Monitoring Sekretariat Dosen untuk mendapatkan data informasi terkait penggunaan sistem. Kuesioner tersebut berisi pernyataan dengan alat ukur jawaban yang diberikan menggunakan 5 poin skala likert.

C. Populasi dan Sampel

Populasi dalam penelitian ini adalah administrator sekretariat dosen yang berjumlah 80 admin.

1. Populasi
2. Sampel

Dalam penelitian ini, jumlah populasi adalah 80 admin yang artinya tidak lebih dari 100 orang, maka penulis mengambil seluruh jumlah populasi sebagai responden. Teknik pengambilan sampel yang digunakan dalam penelitian ini adalah teknik sampling jenuh dimana semua anggota populasi diikutsertakan sebagai sampel.

D. Metode Analisis Data

Model analisis yang digunakan adalah Structural Equation Modelling (SEM) dengan Partial Least Square (PLS). Software yang digunakan untuk melakukan analisis adalah SmartPLS 4.1.0.9. Jenis penelitian ini dilakukan berdasarkan analisis data yang disebut dengan penelitian explanatory, yaitu dengan melakukan uji hipotesis terkait pengaruh variabel independent (X) terhadap variabel dependen (Y) [8].

HASIL DAN PEMBAHASAN

A.Hasil Pengumpulan Data

Teknik pengumpulan data penelitian dilakukan dengan cara menyebarkan kuesioner secara langsung dan tidak langsung kepada responden. Penyebaran kuesioner secara langsung dilakukan menggunakan metode survei kepada responden di lingkungan sekretariat dosen kampus sekitar Depok, sedangkan penyebaran kuesioner secara tidak langsung (melalui kuesioner online) dilakukan menggunakan bantuan google formulir. Populasi pada penelitian ini adalah admin sekretariat dosen yang menggunakan website monitoring yakni sebanyak 80 responden [9]. Data profil responden dapat dilihat pada Tabel 1

Tabel 1 Data Profil Responden

Berdasarkan data profil responden, mayoritas usia responden adalah sekitar 30-40 tahun, dengan jenis kelamin penjawab terbanyak yaitu perempuan.

B.Hasil PLS-SEM

Analisis dengan metode PLS-SEM dilakukan pada Aplikasi SmartPLS 4.1.1.6 dengan melakukan perhitungan menggunakan fitur calculate -> PLS Algorithm. Hasil analisis berdasarkan data kuesioner sebanyak 80 responden dapat dilihat pada Gambar 1

Gambar Hasil Analisis PLS-SEM

Pada gambar 1 ditunjukkan enak konstruk yang saling terhubung, yaitu K1 (Kualitas Informasi), KS (Kualitas Sistem), dan KP (Kualitas Pelayanan) yang mememgaruhi P (Penggunaan) dan KPG (Kepuasan Pengguna) [10]. Selanjutnya, P berhubungan dengan KPG, dan keduanya berpengaruh terhadap MB (Manfaat Bersih).

C. Evaluasi Model Pengukuran (Outer Model)

Evaluasi Outer Model bertujuan untuk mengevaluasi kualitas dan validitas indikator yang digunakan untuk mengukur variabel laten atau konstruk dalam analisis. Evaluasi ini melalui tiga tahap pengujian, yaitu Convergent Validity, Discriminant Validity, dan Uji Reliabilitas [11].

1. Uji Validitas Konvergen (Convergent Validity)

Berdasarkan kriteria penilaian PLS uji validitas konvergen bernilai valid apabila nilai Loading Factor ≥ 0,7 dan nilai AVE ≥ 0,5. Tabel 2 menunjukkan Nilai muatan outer loading dan Tabel 3 menunjukkan Nilai AVE (Avarage Variance Extracted)

Tabel 2 Nilai Muatan Outer Loading

Tabel 3 Nilai AVE

Pada pengujian validitas konvergen yang dilakukan, semua konstruk memiliki nilai muatan outer loading > 0,7 dan nilai AVE > 0.5 yang sudah memenuhi kriteria. Uji validitas konvergen dinyatakan valid.

2.Uji Validitas Diskriminan (Discriminant Validity)

Uji validitas diskriminan dapat dilihat melalui tabel nilai Cross Loading. Berdasarkan kriteria pengujian PLS uji validitas diskriminan bernilai valid apabila skor blok indikator terhadap konstruk cross loading > skor cross loading konstruk lainnya. Tabel 4.4 menunjukkan tabel skor cross loading [12].

Tabel 4 Skor Cross Loading

Pada hasil pengujian validitas diskriminan pada cross loading, semua hasil skor blok indikator terhadap konstruk cross loading bernilai lebih besar dari skor cross loading lainnya. Sehingga uji validitas diskriminan dinyatakan valid.

3. Uji Reliabilitas

Uji reliabilitas bertujuan untuk mengevaluasi sejauh mana indikator yang digunakan untuk mengukur variabel laten atau konstruk dapat diandalkan atau konsisten. Berdasarkan kriteria PLS, uji reliabilitas dinyatakan memenuhi syarat jika nilai Cronbach’s alpha dan composite reliability ≥ 0,7. Table 4.5 menyajikan hasil pengujian kedua indicator tersebut dalam penelitian ini [13].

Tabel 5 Hasil Cronbach’s alpha dan composite reliability

Pada hasil pengujian reliabilitas pada tabel diatas, semua konstruk memiliki Cronbach’s Alpha dan Composite Reliability lebih besar dari 0.7. Sehingga dapat disimpulkan indikator yang digunakan dalam kuesioner diterima karena dapat diandalkan atau konsisten.

D. Evaluasi Model Struktural (Inner Model)

Evaluasi Inner Model bertujuan untuk menganalisis dan menguji hubungan antar variabel laten dalam model teoritis yang diusulkan pada saat pengukuran observasi. Evaluasi Inner Model dapat dilakukan dengan 3 tahap evaluasi sebelum melakukan uji hipotesis, yaitu R-Square, Q-Square dan Goodness of Fit.

1. Koefisien Determinasi R2 (R-Square)

Uji R-Square digunakan untuk mengindikasikan besarnya kombinasi variabel indepen secara bersama-sama mempengaruhi nilai variabel dependen. Nilainya berkisar 0 sampai 1, semakin mendekati angka satu maka model prediksi penelitian yang dikeluarkan akan semakin baik. Menurut Hair et al. (2019), interpretasi nilai R2 dalam PLS-SEM adalah:

0,75 = kuat

0,50 = moderat

0.25 = lemah

Berdasarkan hasil pengolahan data menggunakan SmartPLS, diperoleh nilai R-Square sebagaimana ditunjukkan pada Tabel 6

Tabel 6 Nilai R-Square

Hasil tabel 6 menjelaskan bahwa :

a. Variabel Penggunaan (P)

Nilai R-Square variabel Penggunaan (P) sebesar 0,440 menunjukkan bahwa 44,0% variasi Penggunaan dapat dijelaskan oleh variabel Kualitas Informasi (KI), Kualitas Sistem (KS), dan Kualitas Pelayanan (KP). Sementara itu, 56,0% sisanya dipengaruhi oleh faktor lain di luar model penelitian. Nilai ini termasuk dalam kategori moderat, sehingga dapat disimpulkan bahwa model memiliki kemampuan yang cukup baik dalam menjelaskan variabel Penggunaan.

b. Variabel Kepuasan Pengguna (KPG)

Nilai R-Square untuk variabel Kepuasan Pengguna (KPG) adalah sebesar 0,464. Artinya, 46,4% variasi Kepuasan Pengguna dapat dijelaskan oleh variabel Kualitas Informasi (KI), Kualitas Sistem (KS), Kualitas Pelayanan (KP), dan Penggunaan (P). Sisanya sebesar 53,6% dipengaruhi oleh variabel lain yang tidak diteliti. Nilai ini termasuk dalam kategori moderat, yang menunjukkan bahwa model memiliki kemampuan prediktif yang cukup baik terhadap Kepuasan Pengguna [14].

c. Variabel Manfaat Bersih (MB)

Nilai R-Square variabel Manfaat Bersih (MB) sebesar 0,522, yang berarti bahwa 52,2% variasi Manfaat Bersih dapat dijelaskan oleh variabel Penggunaan (P) dan Kepuasan Pengguna (KPG). Sementara itu, 47,8% sisanya dijelaskan oleh faktor lain di luar model. Nilai ini termasuk dalam kategori moderat mendekati kuat, sehingga menunjukkan bahwa model memiliki kemampuan prediktif yang baik dalam menjelaskan Manfaat Bersih.

2.Predictive Relevance Q2 (Q-Square)

Evaluasi Predictive Relevance dilakukan untuk mengukur seberapa baik nilai yang dihasilkan oleh model. Berdasarkan kriteria penilaian PLS nilai Q-Square dikatakan baik jika hasil perhitungan > 0. Pada penelitian ini nilai Q2 yang diperoleh adalah:

Q2 = 1 – (1-1-…(1-

Q2 = 1 – (1-0,440)(1-0,464)(1-0,522)

Q2 = 1 – (0,560)(0,536)(0,478)

Q2 = 1 – (0,14347648)

Q2 = 0,85 x 100% = 85%

Hasil yang diperoleh berdasarkan perhitungan nilai Q-Square sebesar 0.85, nilai yang dihasilkan oleh model lebih besar dari 0 sehingga nilai predictive relevance dapat dikatakan baik dengan presentase sebesar 85%.

3. Goodness of Fit (GoF)

Evaluasi Goodness of Fit (GoF) dilakukan untuk menggambarkan tingkat kelayakan model secara keseluruhan. Nilai GoF diperoleh dari akar kuadrat dari rata-rata communalities atau AVE dikalikan dengan nilai rata-rata R-Square. Berdasarkan kriteria pengujian PLS Nilai GoF terbentang antara 0 sampai 1 dengan interpretasi nilai-nilai : 0.1 (GoF kecil), 0.25 (GoF moderate) dan 0.36 (GoF besar). Tabel 4.7 menunjukkan hasil perhitungan nilai rata-rata communalities dan R-Square.

Tabel 7 Rata-rata nilai communalities dan R-Square

Pencarian nilai GoF dapat dilakukan dengan menggunakan rumus sebagai berikut:

Berdasarkan hasil perhitungan nilai GoF diatas, diperoleh nilai sebesar 0.58 yang menunjukkan bahwa nilai GoF tergolong besar karena lebih tinggi dari 0,36 sebagai syarat instrument yang baik.

E. Uji Hipotesis

Pengujian hipotesis dilakukan dengan metode Bootstrapping pada aplikasi SmartPLS, hasil T-Statistic yang didapat akan dibandingkan dengan nilai T-table. Pada penelitian ini untuk mendapatkan pencarian nilai T-table didapat dengan menetukan nilai df (Degree Of Freedom), karena menggunakan SmartPLS maka nilai df adalah sama dengan jumlah sampel yang digunakan yaitu 80, kemudian test type yang digunakan adalah dua arah (two-tailed) dan tingkat signifikansi yang digunakan adalah 5% = 0.05. Kemudian dilakukan perhitungan T-table dengan menggunakan rumus Excel yaitu TINV (Tingkat Signifikansi: Degree of Freedom). Maka didapat hasil T-Table bernilai 1.981. hasil T-table yang didapat akan dibandingkan dengan T-Statistic hasil bootstraping pada aplikasi SmartPLS. Hipotesis akan diterima apabila nilai T-Statistic > T-Table (1.981). Tabel 4.8 menunjukkan hasil uji hipotesis [15].

Tabel 8 Hasil Uji Hipotesis

Hasil pengujian hipotesis tabel 8Koefisien dan Jalur T-Statistic diatas adalah sebagai berikut:

1. Pengaruh variabel Kualitas Informasi dengan Penggunaan mengahsilkan T-Statistics sebesar 2.703 > 1.981. Kesimpulan yang didapat adalah kualitas informasi berpengaruh signifikan terhadap penggunaan sistem informasi Website Monitoring Sekretariat Dosen. Sehingga hasil hipotesis H1 diterima.
2. Pengaruh variabel Kualitas Informasi dengan Kepuasan Penggunaan menghasilkan T-Statistics sebesar 2.367 > 1.981. Kesimpulan yang didapat adalah kualitas informasi berpenagruh signifikan terhadap penggunaan sistem infromasi Website Monitoring Sekretariat Dosen. Sehingga hasil hipotesis H2 diterima.
3. Pengaruh variabel Kualitas Sistem dengan Penggunaan menghasilkan T-Statistics sebesar 2.700 > 1.981. Kesimpulan yang didapat adalah kualitas sistem berpengaruh signifikan terhadap penggunaan sistem infromasi Website Monitoring Sekretariat Dosen. Sehingga hasil hipotesis H3 diterima.
4. Pengaruh variabel Kualitas Sistem dengan Kepuasan Penggunaan menghasilkan T-Statistics sebesar 2.020 > 1.981. Kesimpulan yang didapat adalah kualitas sistem berpengaruh signifikan terhadap kepuasan penggunaan sistem infromasi Website Monitoring Sekretariat Dosen. Sehingga hasil hipotesis H4 diterima.
5. Pengaruh variabel Kualitas Pelayanan dengan Penggunaan menghasilkan T-Statistics sebesar 4.290 > 1.981. Kesimpulan yang didapat adalah kualitas pelayanan berpengaruh signifikan terhadap penggunaan sistem infromasi Website Monitoring Sekretariat Dosen. Sehingga hasil hipotesis H5 diterima.
6. Pengaruh variabel Kualitas Pelayanan dengan Kepuasan Penggunaan menghasilkan T-Statistics sebesar 2.367 > 1.981. Kesimpulan yang didapat adalah kualitas pelayanan berpengaruh signifikan terhadap penggunaan sistem infromasi Website Monitoring Sekretariat Dosen. Sehingga hasil hipotesis H6 diterima.
7. Pengaruh variabel Penggunaan Sitem dengan Kepuasan Penggunaan menghasilkan T-Statistics sebesar 2.092 > 1.981. Kesimpulan yang didapat adalah penggunaan berpengaruh signifikan terhadap kepuasan pengguna sistem infromasi Website Monitoring Sekretariat Dosen. Sehingga hasil hipotesis H7 diterima.
8. Pengaruh variabel Penggunaan dengan Manfaat Bersih menghasilkan T-Statistics sebesar 3.647 > 1.981. Kesimpulan yang didapat adalah penggunaan berpengaruh signifikan terhadap manfaat bersih sistem infromasi Website Monitoring Sekretariat Dosen. Sehingga hasil hipotesis H8 diterima.
9. Pengaruh variabel Kepuasan Pengguna dengan Manfaat Bersih menghasilkan T-Statistics sebesar 4.537 > 1.981. Kesimpulan yang didapat adalah kepuasan pengguna berpengaruh signifikan terhadap manfaat bersih sistem infromasi Website Monitoring Sekretariat Dosen. Sehingga hasil hipotesis H10 diterima.

Hasil penelitian ini selaras dengan model kesuksesan sistem informasi DeLone dan McLean yang menyatakan bahwa kualitas sistem, kualitas informasi, dan kualitas layanan merupakan determinan utama yang memengaruhi penggunaan dan kepuasan pengguna, yang selanjutnya berdampak pada manfaat bersih sistem.Temuan ini menunjukkan bahwa semakin baik kualitas informasi, system, dan layanan, semakin tinggi penggunaan dan kepuasan penggunaan. Hubungan signifikan antara penggunaa, kepuasan, dan manfaat bersih memperkuat model DeLone dan McLean bahwa keberhasilan system ditentukan tidak hanya oleh aspek teknis, tetapi juga pengalaman pengguna, sehingga Website Monitoring Sekretariat Dosen terbukti meningkatkan efisiensi dan kemudahan akses informasi.

Hasil ini sejalan dengan Dani, Ari, dan Heri (2022) serta Indra dan Oky (2022) yang menunjukkan peningkatan efisiensi dan efektivitas system presensi berbasis teknologi. Namun, penelitian ini lebih komprehensif karena juga mengkaji kepuasan pengguna dan manfaat bersih melalui PLS-SEM, sehingga memberikan Gambaran yang lebih menyeluruh serta memperkaya bukti empiris implementasi system informasi di perguruan tinggi.

KESIMPULAN

Berdasarkan penelitian yang telah dilakukan, hasil analisis menunjukkan bahwa seluruh hipotesis dalam penelitian ini dinyatakan diterima. Hasil pengujian menunjukkan bahwa kualitas informasi, kualitas sistem, dan kualitas pelayanan memiliki pengaruh signifikan terhadap penggunaan dan kepuasan pengguna Website Monitoring Sekretariat Dosen. Hal ini menunjukkan bahwa kualitas sistem informasi yang baik berperan penting dalam meningkatkan tingkat penggunaan serta kepuasan pengguna terhadap sistem yang digunakan.

Selain itu, penggunaan system berpengaruh singifikan terhadap kepuasan pengguna, yang menunjukkan bahwa kemudahan dan kenyamanan akses menjadi factor penting dalam pengalaman pengguna. Penggunaan dan kepuasan juga berdampak pada manfaat bersih yang diraskan dalam pekerjaan. Hasil ini menunjukkan bahwa model penelitian mampu menjelaskan hubungan antar variable secara baik. Dengan demikian, Website Monitoring Dosen terbukti memberikan manfaat nyata, terutama dalam meningkatkan efisiensi pengelolaan presensi dosen dan mendukung administrasi akademik. Temuan ini juga mengonfirmasi bahwa model DeLone dan McLean mampu menjelaskan keberhasilan system secara menyeluruh.

Untuk pengembangan selanjutnya, system disarankan difokuskan pada peningkatan kualitas layanan dan pengalaman pengguna, seperti menyempurnakan antarmuka, peningkatan akses, serta penambahan fitur bantuan pengguna. Selain itu, perlu dilakukan pengembangan sistem yang lebih adaptif dan terintegrasi dengan sistem akademik lainnya untuk meningkatkan efisiensi kerja secara menyeluruh. Penelitian selanjutnya juga disarankan untuk menambahkan variabel lain di luar model, seperti faktor keamanan sistem dan kemudahan penggunaan (usability), serta melibatkan jumlah responden yang lebih luas agar hasil penelitian menjadi lebih komprehensif dan representatif.

UCAPAN TERIMA KASIH

Penulis mengucapkan terima kasih kepada seluruh pihak yang telah mendukung pelaksanaan penelitian ini, khususnya pengelola dan pengguna Website Monitoring Sekretariat Dosen Universitas Gunadarma yang telah berpartisipasi dalam pengumpulan data. Apresiasi juga disampaikan kepada dosen pembimbing serta rekan-rekan yang telah memberikan masukan selama proses penelitian. Semoga hasil penelitian ini dapat memberikan manfaat dalam meningkatkan kualitas sistem informasi dan kepuasan pengguna di lingkungan Universitas Gunadarma.