Dania Marwati Firdaus
Universitas Islam Sultan Agung, Indonesia
Email: daniamarwati@gmail.com
|
Abstrak |
|
Penelitian ini bertujuan untuk menganalisis
peningkatan kinerja Kader Pembangunan Manusia (KPM) melalui variabel kualitas
pelatihan, kompetensi sumber daya manusia (SDM), dan kinerja aplikasi e-HDW
2.0. E-HDW adalah aplikasi yang dikembangkan oleh Kementerian Desa, Pembangunan
Daerah Tertinggal, dan Transmigrasi (Kemendesa PDTT) untuk mendukung
perencanaan, pelaksanaan, dan pengendalian program konvergensi stunting di
tingkat desa. Pada akhir Agustus 2023, Kemendesa melakukan pembaruan aplikasi
menjadi e-HDW 2.0, yang memerlukan pembelajaran teknis baru bagi KPM,
sehingga adaptasi terhadap perubahan ini menjadi fokus utama penelitian.
Metode penelitian yang digunakan adalah kuantitatif dengan desain survei, di
mana populasi penelitian terdiri dari 266 kader pembangunan desa terdaftar di
Kabupaten Kendal, dan sampel ditentukan menggunakan metode sensus. Analisis
data dilakukan dengan teknik statistik deskriptif dan inferensial untuk
menguji hubungan antar variabel. Hasil penelitian menunjukkan adanya pengaruh
positif yang signifikan antara kualitas pelatihan, kompetensi SDM, dan
kinerja aplikasi e-HDW 2.0 terhadap peningkatan kinerja KPM. Kesimpulan dari
penelitian ini adalah bahwa peningkatan kualitas pelatihan dan kompetensi SDM
berkontribusi terhadap kinerja aplikasi e-HDW 2.0, yang pada gilirannya
meningkatkan kinerja KPM. Implikasi dari hasil penelitian ini menekankan
pentingnya peningkatan kualitas pelatihan dan dukungan teknis berkelanjutan
bagi KPM untuk memaksimalkan penggunaan aplikasi e-HDW 2.0 dalam program
konvergensi stunting. Kata kunci: Kualitas Pelatihan; Kompetensi; Kinerja
Aplikasi e-HDW 2.0; Kinerja KPM. |
|
|
|
Abstract |
|
This study aims to
analyze the improvement of the performance of Human Development Cadres (KPM)
through the variables of training quality, human resource competence (HR),
and the performance of the e-HDW 2.0 application. E-HDW is an application
developed by the Ministry of Villages, Development of Disadvantaged Regions,
and Transmigration (Kemendesa PDTT) to support the
planning, implementation, and control of stunting convergence programs at the
village level. At the end of August 2023, the Ministry of Villages updated
the application to e-HDW 2.0, which requires new technical learning for KPM,
so that adaptation to these changes is the main focus of the research. The
research method used is quantitative with a survey design, where the research
population consists of 266 registered village development cadres in Kendal
Regency, and the sample is determined using the census method. Data analysis
was carried out using descriptive and inferential statistical techniques to
test the relationship between variables. The results of the study show that
there is a significant positive influence between training quality, HR
competence, and e-HDW 2.0 application performance on improving KPM
performance. The conclusion of this study is that the improvement of the
quality of training and HR competencies contributes to the performance of the
e-HDW 2.0 application, which in turn improves the performance of KPM. The
implications of the results of this study emphasize the importance of
improving the quality of training and continuous technical support for KPM to
maximize the use of the e-HDW 2.0 application in stunting convergence
programs. Keywords: Training Quality; Competencies; e-HDW
2.0 Application Performance; KPM Performance. |
*Correspondence
Author:
Email:
PENDAHULUAN
Berdasarkan
hasil Riset Kesehatan Dasar (Riskesdas) 2018 diperoleh fakta bahwa bayi usia di
bawah lima tahun (balita) yang menderita stunting mencapai 30,8%. Artinya,
sebanyak 7 juta balita di Indonesia saat ini yang merupakan generasi bangsa
terancam kurang memiliki daya saing di masa depan. Pencegahan stunting sangat
dibutuhkan untuk memastikan generasi muda Indonesia memiliki masa depan yang
cerah (Laili &
Andriani, 2019; Nurfatimah et al., 2021). Menteri Desa, Pembangunan
Daerah Tertinggal, dan Transmigrasi telah menetapkan bahwa penggunaan Dana Desa
Tahun 2019 diprioritaskan salah satunya untuk pencegahan stunting. Peraturan
Menteri Desa, Pembangunan Daerah Tertinggal, dan Transmigrasi Nomor 13 Tahun
2023 tentang Petunjuk Operasional Atas Fokus Penggunaan Dana Desa Tahun 2024
dan Peraturan Menteri Desa, Pembangunan Daerah Tertinggal, dan Transmigrasi
Nomor 7 Tahun 2023 tentang Prioritas Penggunaan Dana Desa Tahun 2024, khususnya
pada Pasal 6 diatur bahwa Dana Desa diprioritaskan untuk kegiatan pelayanan
gizi dan pencegahan anak kerdil (stunting) yang meliputi: penyediaan air bersih
dan sanitasi; pemberian makanan tambahan dan bergizi untuk balita; pelatihan
pemantauan perkembangan kesehatan ibu hamil atau ibu menyusui; bantuan Posyandu
untuk mendukung kegiatan pemeriksaan berkala kesehatan ibu hamil atau ibu
menyusui; pengembangan apotik hidup Desa dan produk hotikultura untuk memenuhi
kebutuhan gizi ibu hamil atau ibu menyusui; pengembangan ketahanan pangan di
Desa; dan kegiatan penanganan kualitas hidup lainnya yang sesuai dengan
kewenangan Desa dan diputuskan dalam musyawarah Desa.
Salah
satu upaya untuk memastikan bahwa Dana Desa diprioritaskan untuk pencegahan
stunting, dilakukan melalui fasilitasi konvergensi pencegahan stunting di Desa (Klemm et al., 2022;
Syahrul & Ikhsan, 2022). Fasilitasi konvergensi
dimaksud berupa pendampingan kepada Pemerintahan Desa dan masyarakat Desa untuk
mengarahkan pilihan penggunaan Dana Desa kepada kegiatan-kegiatan pembangunan
Desa yang berdampak langsung pada percepatan pencegahan stunting yang dikelola
secara terpadu dengan sumber-sumber pembiayaan pembangunan lainnya.
Pendampingan
dalam pencegahan stunting di Desa dilakukan oleh tenaga pendamping masyarakat
Desa dan Kader Pembangunan Manusia (KPM). Namun demikian kegiatan pendampingan
dimaksud juga dimungkinkan dilakukan oleh berbagai pegiat pembangunan dan
pemberdayaan masyarakat Desa.
Kader
Pembangunan Manusia (KPM) adalah warga masyarakat Desa yang dipilih melalui
musyawarah desa yang bekerja untuk membantu pemerintah desa dalam memfasilitasi
masyarakat desa dalam merencanakan, melaksanakan dan mengawasi pembangunan
sumber daya manusia di desa yang berada dibawah naungan Kementerian Desa,
Pembangunan Daerah Tertinggal dan Transmigrasi. Kader Pembangunan Manusia (KPM)
mulai dibentuk pada tahun 2019 berdasarkan Surat Edaran dari Direktorat
Jenderal Pembangunan dan Pemberdayaan Masyarakat Desa, Kementerian Desa,
Pembangunan Daerah Tertinggal dan Transmigrasi dengan Nomor
07/PMD.00.01/II/2019 perihal Konvergensi Pencegahan Stunting di Desa.
e-HDW
adalah aplikasi yang dikembangkan oleh Kementerian Desa PDTT dengan dukungan
Bank Dunia untuk membantu melakukan perencanaan, pelaksanaan, serta
pengendalian (monitoring dan evaluasi) terhadap pelaksanaan program konvergensi
stunting di tingkat desa (Nurjanah et al.,
2024). Penanganan stunting telah
ditetapkan sebagai salah astu isu sekaligus program prioritas nasional pada
Rencana Pembangunan Jangka Menengah Nasional (RPJMN) tahun 2015-2019, dan
kemudian berlanjut dalam RPJMN 2020-2024 dengan target penurunan prevalensi
stunting dari 24,4% pada tahun 2021 menjadi 14% pada tahun 2024.
Dari
sisi aplikasi e-HDW eksisting, dibutuhkan penyesuaian agar mampu mengatasi
kendala seperti gangguan sinyal saat pendataan oleh KPM, respon penyampaian
informasi yang membutuhkan waktu lama pada platform mobile selaras dengan
bertambahnya jumlah database, data ganda kelompok sasaran layanan, hingga
penyesuaian score cards layanan desa. Kondisi-kondisi tersebut berimplikasi
pada dilakukannya pengembangan aplikasi e-HDW berbasis Android dan e-HDW
berbasis Website 2.0 untuk mengoptimalkan kinerja KPM saat melakukan input data
dan pelaporan dalam upaya meningkatkan konvergensi penurunan stunting di desa.
Sejak
Februari hingga Agustus 2023 Aplikasi eHDW Eksisting mengalami error yang menyebabkan
pendataan dilakukan secara manual. Hal ini tentu mengganggu kinerja KPM selaku
Kader di Desa dalam melakukan pendataan. Menurut Kasi PSBMD (Pemberdayaan
Sosial Budaya Masyarakat Desa) Dispermasdes, Yesie Purwandari menegaskan
semenjak error e-HDW eksisting, KPM mengalami kendala dalam melaksanakan
tugasnya, karena melakukan pendataan secara manual yang rumit dan perlu
pendataan yang sangat teliti sehingga membutuhkan waktu yang lebih lama. Hingga
pada akhir bulan Agustus 2023, Kemendesa melakukan update pada Aplikasi menjadi
eHDW 2.0 yang mana diharapkan menjadi solusi atas permasalahan yang sangat
kompleks.
Gap
antara kualitas pelatihan dan kinerja menunjukkan bahwa meskipun pelatihan yang
berkualitas diberikan, peningkatan kinerja pegawai seringkali tidak signifikan.
Hal ini disebabkan oleh beberapa faktor, seperti ketidaksesuaian materi
pelatihan dengan kebutuhan spesifik pekerjaan, metode pelatihan yang tidak
efektif, serta kurangnya dukungan dan tindak lanjut dari manajemen setelah
pelatihan. Selain itu, tanpa adanya mekanisme evaluasi yang tepat untuk
mengukur transfer pengetahuan dan keterampilan ke tempat kerja, dampak
pelatihan terhadap kinerja tidak dapat dioptimalkan. Akibatnya, meski pelatihan
berkualitas telah dilakukan, jika tidak didukung dengan implementasi yang baik,
kinerja pegawai tidak mengalami peningkatan yang diharapkan (Fajri, 2019).
Gap
antara kompetensi dan kinerja mengeksplorasi ketidaksesuaian antara kemampuan
yang dimiliki karyawan dan kinerja aktual mereka di tempat kerja. Karyawan
mungkin memiliki kompetensi teknis dan perilaku yang dibutuhkan untuk pekerjaan
mereka, sering kali ada faktor-faktor lain seperti motivasi, budaya organisasi,
dan kondisi kerja yang mempengaruhi bagaimana kompetensi tersebut diterapkan
dalam situasi nyata. Gap ini bisa muncul karena kurangnya peluang untuk
menggunakan keterampilan yang dimiliki, kurangnya dukungan dari manajemen, atau
hambatan dalam proses kerja yang menghalangi penerapan kompetensi secara
efektif. Pada proses ini menekankan pentingnya kompetensi yang dimiliki
karyawan dapat dioptimalkan dan berdampak dalam kinerja mereka (Muslimat, 2020).
Kualitas
pelatihan diberikan untuk memperkenalkan dan mengajarkan penggunaan aplikasi
baru, adopsi dan pemanfaatannya di tempat kerja sering kali tidak maksimal (Margaryan et al.,
2015; Yip et al., 2019). Hal ini disebabkan oleh
beberapa faktor, seperti kurangnya relevansi dan praktik langsung dalam
pelatihan, metode pelatihan yang kurang interaktif, dan dukungan
pasca-pelatihan yang minim. Selain itu, resistensi terhadap perubahan,
keterbatasan waktu untuk mempelajari aplikasi baru, dan tidak adanya insentif
atau motivasi yang cukup untuk menggunakan aplikasi tersebut juga memperburuk
masalah ini. Akibatnya, meski karyawan telah menerima pelatihan, aplikasi baru
sering kali tidak digunakan secara efektif, mengurangi potensi manfaat dan
efisiensi yang diharapkan dari implementasi teknologi tersebut (Destiani et al., 2023).
Pegawai
dapat memiliki kompetensi pengetahuan dasar tentang aplikasi yang digunakan.
Faktor seperti kurangnya kompetensi pegawai, dan perbedaan dalam tingkat
kemampuan dasar di antara pegawai dapat menjadi hambatan dalam penerapan
praktis penggunaan aplikasi. Gap ini dapat menyebabkan penurunan tingkat
kompetensi, sehingga tidak memberikan pengaruh yang maksimal pada kinerja
aplikasi. Pada proses ini menekankan perlunya peningkatan kompetensi
berkelanjutan yang disesuaikan dengan kebutuhan pegawai, serta sistem dukungan
yang responsif untuk memastikan pegawai dapat memanfaatkan aplikasi secara
efektif dan optimal dalam pekerjaan mereka (Suryani et al., 2021).
Pengaruh
kinerja penggunaan aplikasi terhadap kinerja pegawai menyoroti bagaimana efektivitas
dan efisiensi aplikasi yang digunakan dalam pekerjaan berdampak langsung pada
produktivitas dan hasil kerja pegawai. Aplikasi yang dirancang dengan baik dan
dioptimalkan untuk tugas-tugas spesifik dapat meningkatkan kinerja pegawai
dengan menyediakan alat yang mempermudah proses kerja, mengurangi waktu yang
diperlukan untuk menyelesaikan tugas, dan meminimalkan kesalahan. Sebaliknya,
aplikasi yang lambat, sering mengalami gangguan, atau sulit digunakan dapat
menyebabkan frustrasi, penurunan motivasi, dan inefisiensi, yang pada
gilirannya menghambat kinerja pegawai. Pada proses ini penting untuk memahami
sejauh mana aplikasi dapat menjadi pendorong atau penghambat kinerja pegawai,
serta mengidentifikasi area untuk perbaikan dalam pengembangan dan implementasi
teknologi di tempat kerja.
Hubungan
antara pelatihan, kompetensi, dan kinerja aplikasi Electronic Human Development
Worker (eHDW) terhadap kinerja Kader Pembangunan Manusia (KPM) masih kurang
diteliti secara komprehensif (La Ode Syaiful
Islamy Hisanuddin et al., 2023). Saat ini, literatur
seringkali hanya fokus pada masing-masing elemen secara terpisah, seperti
pelatihan dan kompetensi. Namun, diperlukan penelitian yang lebih mendalam yang
mempertimbangkan bagaimana pelatihan yang diberikan kepada KPM dan kompetensi
yang dimiliki dapat mempengaruhi kualitas kinerja mereka. Selain itu, penting
untuk meneliti sejauh mana kinerja aplikasi eHDW memfasilitasi atau menghambat
kinerja KPM.
Tabel 1. Tabel Research Gap
|
No |
Research Gap |
Sumber |
Temuan |
|
1 |
Terdapat
perbedaan hasil penelitian pengaruh kualitas pelatihan terhadap kinerja
pegawai |
(Pohan
et al., 2022) (Felicia,
2018) |
Kualitas
pelatihan berpengaruh positif dan signifikan terhadap kinerja pegawai |
|
(Fajri,
2019) |
Kualitas
pelatihan tidak berpengaruh positif dan signifikan terhadap kinerja pegawai |
||
|
2 |
Terdapat
perbedaan hasil penelitian pengaruh kompetensi terhadap kinerja pegawai |
(Saptalia
et al., 2022) |
Kompetensi
berpengaruh positif dan signifikan terhadap kinerja pegawai |
(Kharisma,
2020) |
Kompetensi
tidak berpengaruh positif dan signifikan terhadap kinerja pegawai |
||
|
3 |
Terdapat
perbedaan hasil penelitian kinerja aplikasi menggunakan teori Technologi
Acceptance Model (TAM) terhadap kinerja pegawai |
(Prasetyo,
2020) (Hantono
et al., 2023) (Lestari
et al., 2019) |
TAM
berpengaruh positif dan signifikan terhadap kinerja pegawai |
|
(Ariyani & Maghfiroh, 2022) |
TAM tidak
berpengaruh positif dan signifikan terhadap kinerja pegawai |
Tujuan
penelitian ini adalah untuk menganalisis pengaruh tingkat kualitas pelatihan
dan tingkat kompetensi terhadap kinerja KPM dan kinerja aplikasi e-HDW 2.0
dalam konteks perencanaan kesehatan di desa, serta menganalisis pengaruh
kinerja aplikasi e-HDW 2.0 terhadap kinerja KPM. Hasil penelitian diharapkan
memberikan kontribusi yang berarti bagi pengembangan ilmu ekonomi, khususnya dalam
bidang manajemen, serta menjadi referensi untuk penelitian selanjutnya terkait
pengaruh kinerja aplikasi e-HDW 2.0 terhadap kinerja KPM di Kabupaten Kendal.
Selain itu, penelitian ini juga diharapkan memberikan masukan yang berguna bagi
para kader pembangunan manusia (KPM) dalam memahami kinerja aplikasi e-HDW 2.0
dan dampaknya, guna meningkatkan efektivitas pendataan dan membantu proses
pengambilan keputusan berdasarkan laporan e-HDW.
METODE PENELITIAN
Jenis Penelitian
Pada penelitian ini, peneliti
menggunakan metode kuantitatif (Caroline, 2019). Metode kuantitatif dapat
diartikan sebagai metode penelitian yang berlandaskan pada filsafat posotivism,
digunakan untuk meneliti pada populasi atau sampel tertentu dan pengumpulan
data menggunakan instrumen penelitian, analisis data bersifat kuantitatif dengan
tujuan untuk menguji hipotesis yang ditetapkan.
Populasi dan Sampel
Populasi dalam penelitian ini
terdiri dari seluruh objek yang ingin diteliti, yaitu para kader pembangunan
desa yang terdaftar di Kabupaten Kendal, dengan total 266 kader berdasarkan
data terkini (Sugiyono, 2022). Sampel, yang merupakan bagian dari populasi,
ditentukan menggunakan metode sensus, di mana seluruh populasi dijadikan
sebagai sampel, sehingga jumlah sampel dalam penelitian ini adalah sebanyak 266
orang.
Sumber dan Jenis Data
Sumber data yang digunakan
dalam penelitian ini adalah data primer dan data sekunder. Data primer
merupakan data yang dikumpulkan atau didapatkan oleh penulis secara langsung.
Menurut Sikumbang, (2013), data primer adalah data
yang didapat secara langsung dari lapangan atau objek penelitian, baik berupa
pengukuran, pengamatan, maupun wawancara. Dalam penelitian ini, sumber data
primer diperoleh dari jawaban kuesioner secara tidak langsung melalui google
form yang disebarkan kepada responden. Sedangkan data sekunder adalah sumber
data yang digunakan untuk melengkapi data-data yang telah ada dari data primer
atau penelitian sebelumnya (Sugiyono, 2022). Pada penelitian ini, data sekunder
yang digunakan penulis diperoleh dari penelitian terdahulu seperti buku,
jurnal, artikel dan sejenisnya.
Metode Pengumpulan Data
Metode pengumpulan data dalam
penelitian ini meliputi observasi, wawancara, studi dokumen, dan penggunaan
skala pengukuran. Observasi dilakukan dengan pengamatan langsung terhadap
pelaksanaan E-HDW 2.0 di Kabupaten Kendal, mencatat temuan termasuk kendala dan
potensi perbaikan. Wawancara dilaksanakan dengan KPM, petugas pelaksana, dan
pemangku kepentingan untuk memperoleh pandangan mereka mengenai kinerja
aplikasi E-HDW 2.0 dan dampaknya terhadap kinerja KPM, baik melalui rekaman
atau catatan ringkas. Selain itu, studi dokumen dilakukan dengan mengumpulkan
dan menganalisis dokumen terkait implementasi E-HDW 2.0 untuk mendapatkan
wawasan tentang kinerja aplikasi dan KPM. Untuk mengukur persepsi responden,
penelitian ini menggunakan skala Likert, yang sesuai dengan definisi Sugiyono
(2022) sebagai skala yang mengukur sikap, pendapat, dan persepsi individu atau
kelompok terhadap fenomena sosial, dengan variabel yang dijabarkan menjadi
indikator untuk menyusun item-item instrumen.
Teknik Analisis Data
Analisis data dalam penelitian
ini menggunakan metode Partial Least Square (PLS) dengan software SmartPLS
versi 3, yang merupakan teknik dalam Structural Equation Modeling (SEM) yang
menawarkan fleksibilitas lebih tinggi dalam menghubungkan teori dan data serta
melakukan analisis jalur dengan variabel laten. PLS tidak memerlukan asumsi
distribusi normal multivariate dan dapat menangani sampel kecil, membuatnya
ideal untuk penelitian ini yang melibatkan empat variabel laten dengan
indikator refleksif. Metode ini memungkinkan konfirmasi dan penjelasan hubungan
antar variabel laten, serta dapat menganalisis konstruk dengan indikator
refleksif dan formatif. Pendekatan second order factor menggunakan repeated
indicators approach, yang meskipun mengulang indikator, tetap dapat diestimasi
dengan algoritma standar PLS. Dengan menggunakan bootstrapping, SmartPLS
mengatasi masalah normalitas dan tidak memerlukan jumlah minimum sampel,
sehingga cocok untuk model kompleks yang dihadapi dalam penelitian ini, yang
terdiri dari model pengukuran dan model struktural.
HASIL DAN PEMBAHASAN
1.
Analisis Data
Model pada penelitian ini
dilakukan menggunakan metode Partial Square (PLS) yang didukung oleh software
Smartpls 3.0.
a) Convergen Validity
Uji validitas data dilakukan
dengan melakukan uji convergen vaidity, yaitu dengan melihat korelasi skor
item/indikator dengan skor konstruk.
Hasil dari korelasi antar skor item/indikator dengan skor konstruk dapat
dilihat pada Gambar 1. dan tabel 3.
Gambar 1. Uji validitas
Tabel 2. Loading Faktor
|
Variabel |
Indikator |
Nilai Loading Factor |
|
Kualitas Pelatihan (X1) |
KP1 |
0,745 |
|
KP2 |
0,818 |
|
|
KP3 |
0,817 |
|
|
KP4 |
0,833 |
|
|
KP5 |
0,736 |
|
|
Kompetensi SDM (X2) |
KS1 |
0,817 |
|
KS2 |
0,835 |
|
|
KS3 |
0,864 |
|
|
KS4 |
0,843 |
|
|
KS5 |
0,830 |
|
|
Kinerja KPM (Y) |
KK1 |
0,675 |
|
KK2 |
0,856 |
|
|
KK3 |
0,828 |
|
|
KK4 |
0,899 |
|
|
KK5 |
0,874 |
|
|
Kinerja Aplikasi (Z) |
KA1 |
0,751 |
|
KA2 |
0,866 |
|
|
KA3 |
0,880 |
|
|
KA4 |
0,853 |
|
|
KA5 |
0,716 |
Berdasarkan hasil Nilai
Loading Factor pada Gambar 1 atau Tabel 2 diatas terdapat indikator
dengan nilai Loading Factor dibawah 0,7 yaitu pada variabel Kinerja KPM
Indikator KK 1 sehingga akan dikeluarkan dari model. Ini artinya indikator
tersebut mempunyai korelasi yang rendah dengan variabel Kinerja KPM.
Selanjutnya dilakukan reestimasi kembali, dan hasilnya menunjukkan bahwa semua
indikator telah mempunyai nilai loading diatas 0,7 dan siginifikan sehingga
memenuhi convergen validity. Hasil loading factor yang baru ditunjukan pada tabel 3. berikut:
Tabel 3. Loading Factor
|
Variabel |
Indikator |
Nilai Loading Factor |
|
Kualitas Pelatihan (X1) |
KP1 |
0,745 |
|
KP2 |
0,818 |
|
|
KP3 |
0,817 |
|
|
KP4 |
0,833 |
|
|
KP5 |
0,736 |
|
|
Kompetensi SDM (X2) |
KS1 |
0,817 |
|
KS2 |
0,835 |
|
|
KS3 |
0,864 |
|
|
KS4 |
0,843 |
|
|
KS5 |
0,830 |
|
|
Kinerja KPM (Y) |
KK2 |
0,856 |
|
KK3 |
0,828 |
|
|
KK4 |
0,899 |
|
|
KK5 |
0,874 |
|
|
Kinerja Aplikasi (Z) |
KA1 |
0,751 |
|
KA2 |
0,866 |
|
|
KA3 |
0,880 |
|
|
KA4 |
0,853 |
|
|
KA5 |
0,716 |
Dari tabel diatas ditunjukkan
bahwa nilai dari loading factor dapat dianggap baik karena sudah menunjukkan
bahwa setiap indikatornya telah memenuhi syarat validitas data yaitu
>0,7.
b) Discriminant Validity
Discriminant Validity dapat
dilihat dari cross loading antara indikator dengan konstruk lain. Hasilnya
menunjukkan bahwa korelasi semua konstruk dengan indikatornya masing masing
lebih tinggi dibandingkan korelasi indikator dengan konstruk lainnya
Tabel 4. Nilai Discriminant Validity (Cross Loading)
|
Konstruk |
X1 Kualitas Pelatihan |
X2 Kompetensi SDM |
Y Kinerja KPM |
Z Kinerja Aplikasi |
|
KA1 |
0,411 |
0,360 |
0,381 |
0,751 |
|
KA2 |
0,548 |
0,501 |
0,497 |
0,866 |
|
KA3 |
0,573 |
0,590 |
0,559 |
0,880 |
|
KA4 |
0,480 |
0,588 |
0,544 |
0,853 |
|
KA5 |
0,352 |
0,440 |
0,496 |
0,716 |
|
KK1 |
0,417 |
0,506 |
0,675 |
0,459 |
|
KK2 |
0,426 |
0,683 |
0,856 |
0,529 |
|
KK3 |
0,389 |
0,668 |
0,828 |
0,517 |
|
KK4 |
0,515 |
0,660 |
0,899 |
0,519 |
|
KK5 |
0,507 |
0,642 |
0,874 |
0,518 |
|
KP1 |
0,745 |
0,448 |
0,368 |
0,370 |
|
KP2 |
0,818 |
0,510 |
0,440 |
0,474 |
|
KP3 |
0,817 |
0,526 |
0,478 |
0,451 |
|
KP4 |
0,833 |
0,533 |
0,447 |
0,547 |
|
KP5 |
0,736 |
0,423 |
0,403 |
0,459 |
|
KS1 |
0,486 |
0,817 |
0,611 |
0,519 |
|
KS2 |
0,470 |
0,835 |
0,616 |
0,432 |
|
KS3 |
0,497 |
0,864 |
0,671 |
0,519 |
|
KS4 |
0,490 |
0,843 |
0,626 |
0,536 |
|
KS5 |
0,638 |
0,830 |
0,676 |
0,573 |
c) Nilai Discriminant Validity
(Cross Loading)
Dari tabel 4. dapat dilihat bahwa
Discriminant Validity dapat dilihat dari
cross loading antara indikator dengan konstruk lain. Hasilnya
menunjukkan bahwa korelasi semua konstruk dengan indikatornya masing-masing
lebih tinggi dibandingkan korelasi indikator dengan konstruk lainnya. Hal ini
juga dapat dikatakan bahwa setiap item berkorelasi lebih kuat dengan dimensi
yang diukur dan berkorelasi lemah dengan dimensi yang tidak diukur. Berdasarkan
hal tersebut dapat disimpulkan bahwa evaluasi validitas diskriminan telah terpenuhi.
Discriminant validity juga
diuji dengan membandingkan akar kuadrat Average Variance Extracted (AVE) untuk
setiap konstruk dengan korelasi antara konstruk dengan konstruk lainnya. Angka
diagonal pada tabel menunjukkan akar kuadrat AVE. Pada table 5. terlihat bahwa akar kuadrat
AVE mempunyai nilai yang lebih tinggi dibandingkan korelasi konstruk dengan
konstruk lainnya. Hal ini mengindikasikan bahwa semua konstruk dalam model yang
diestimasi adalah valid karena telah memenuhi kriteria discriminant validity
Tabel 5. Nilai Korelasi Konstruk dan
Akar Kuadrat AVE
|
|
X1
Kualitas Pelatihan |
X2
Kompetensi SDM |
Y
Kinerja KPM |
Z
Kinerja Aplikasi |
|
X1 Kualitas Pelatihan |
0,791 |
|||
|
X2 Kompetensi SDM |
0,620 |
0,838 |
||
|
Y Kinerja KPM |
0,543 |
0,765 |
0,830 |
|
|
Z Kinerja Aplikasi |
0,587 |
0,619 |
0,613 |
0,816 |
d) Uji Reliabilitas
Uji
reliabilitas dapat dilihat melalui nilai Average Variance Extraced (AVE),
Composite Reliability, serta Cronbach Alpha. Hasilnya dapat dilihat pada tabel 6 berikut:
Tabel 6. Nilai relibilitas
|
|
Cronbach's Alpha |
Composite Realibility (rho_α) |
Composite Realibility (rho_c) |
AVE |
|
X1 Kualitas Pelatihan |
0,850 |
0,857 |
0,893 |
0,626 |
|
X2 Kompetensi SDM |
0,894 |
0,895 |
0,922 |
0,702 |
|
Y Kinerja KPM |
0,884 |
0,893 |
0,917 |
0,689 |
|
Z Kinerja Aplikasi |
0,873 |
0,888 |
0,908 |
0,666 |
Uji reliabilitas ini digunakan
untuk mengetahui sejauh mana alat ukur bisa dikatakan reliabel. Apabila nilai
Composite Reliability dan Crocbach Alpha lebih dari 0,7 untuk Confirmatory
Research dan 0.6 – 0.7 masih dapat diterima untuk Explanatory Research (Imam
Ghozali).
Pada uji reliabilitas tabel 6. menunjukkan bahwa nilai AVE
semua konstruk berkisar antara 0,601 sampai 0,821. Semua konstruk mempunyai
nilai AVE lebih dari 0,5 sehingga memenuhi pesyaratan reliabilitas. Nilai
Composite Reliability dari empat konstruk yang diuji mempunyai nilai antara 0,856
sampai dengan 0,960. Semua konstruk mempunyai nilai Composite Reliability lebih
dari 0,70 sehingga dapat dikatakan reliabel. Nilai Cronbach’s Alpha, berkisar
antara 0,783 sampai dengan 0,950. Karena Cronbach’s Alpha mempunyai nilai lebih
dari 0,70 maka dapat dikatakan semua konstruk reliabel. Reliabilitas juga
diperkuat dengan nilai Composite Reliability semua konstruk yang mempunyai
nilai lebih besar daripada pada Cronbach’s Alpha. Jadi, dapat disimpulkan bahwa
konstruk Kualitas Pelatihan, Kompetensi SDM, Kinerja KPM dan Kinerja Aplikasi
semuanya reliabel.
1) Evaluasi model Struktural / Analisis Inner
Model
Analisis Inner Model adalah
untuk mengevaluasi dengan memeriksa kuadrat dari konstelasi dependen r dan
semakin tinggi nilai R Square maka akan semakin baik kemampuan model prediksi
dari penelitian yang dilakukan serta semakin baik pula statistik uji koefisien.
Tabel 7. Hasil Uji Koefisien
Determinasi
|
|
R-Square |
R-Square Adjusted |
|
Y Kinerja KPM |
0,618 |
0,614 |
|
Z Kinerja Aplikasi |
0,450 |
0,446 |
Dari tabel 7. memperlihatkan bahwa nilai
R-Square pada Variabel Kinerja KPM sebesar 0,618. Hal ini menyatakan bahwa
model persamaan 1 memiliki nilai model dengan kategori sedang atau moderat,
artinya pengaruh Kualitas Pelatihan dan Kompetensi SDM terhadap Kinerja KPM adalah
sebesar 62,8% kemudian sisanya didapatkan dari variabel lain. Persamaan 2
memiliki nilai sebesar 0,450 yang termasuk model kategori rendah, artinya
Kualitas Pelatihan dan Kompetensi SDM terhadap Kinerja Aplikasi adalah sebesar
45% kemudian sisanya didapatkan dari variabel lain. Nilai adjusted R-Square
variabel Kinerja KPM (Y) sebesar 0,614, hal tersebut menandakan bahwa variabel
Kualitas Pelatihan (X1), Kompetensi SDM (X2) dan Kinerja Aplikasi (Z) mampu
menjelaskan variabel Kinerja KPM (Y) sebesar 61,4% sedangkan sisanya 38,6%
dijelaskan oleh variabel lain, sehingga dapat disimpulkan bahwa model sebagai
substantial.
Nilai Adjusted R-Square
variabel Kinerja Aplikasi (Z) sebesar 0,446, hal tersebut menandakan bahwa
variabel Kualitas Pelatihan (X1) dan Kompetensi SDM (X2) mampu menjelaskan
Kinerja Aplikasi (Z) sebesar 44,6% sedangkan sisanya 55,4 & dijelaskan oleh
variabel lain, sehingga dapat disimpulkan bahwa model sebagai substantial.
2) Hasil Uji Hipotesis
Dalam pengujian hipotesis akan
menganalisis apakah terdapat pengaruh yang signifikan antara variabel
independen terhadap variabel dependen. Menguji hipotesis dapat dilihat dari
nilai T. Statistik dan P. Value. Menguji hipotesis menggunakan nilai statistik
maka untuk nilai tingkat kesalahan sebesar 5 nilai T. Statistic yang digunakan
adalah 1.96. sehingga kriteria penerimaan hipotesis adalah diterima ketika T.
Statistic >1.96. Untuk menerima hipotesis menggunakan P. Value maka dapat
diterima jika P. Values <0.05. dilihat dari Original Sample apabila nilai
original sample bernilai negatif maka
arah pengaruhnya adalah negatif demikian pula sebaliknya. Tabel 8. merupakan hasil nilai T.
Statistic dan P. Value.
Tabel 8. Hasil Uji Hipotesis
|
Original
Sample |
Sample
Mean |
Standard
Deviation |
T Statistics |
P Values |
Keterangan |
|
|
X1 Kualitas Pelatihan -> Y
Kinerja KPM |
0,024 |
0,023 |
0,054 |
0,439 |
0,661 |
Ditolak |
|
X1 Kualitas Pelatihan -> Z
Kinerja Aplikasi |
0,330 |
0,332 |
0,062 |
5,340 |
0,000 |
Diterima |
|
X2 Kompetensi SDM -> Y
Kinerja KPM |
0,622 |
0,622 |
0,055 |
11,286 |
0,000 |
Diterima |
|
X2 Kompetensi SDM -> Z
Kinerja Aplikasi |
0,414 |
0,415 |
0,059 |
7,067 |
0,000 |
Diterima |
|
Z Kinerja Aplikasi -> Y
Kinerja KPM |
0,195 |
0,194 |
0,062 |
3,161 |
0,002 |
Diterima |
Hasil pengujian hipotesis
dapat dijelaskan sebagai berikut:
a) Pengaruh Kualitas Pelatihan
terhadap Kinerja KPM menunjukkan bahwa nilai koefisien β = 0,024 dan P Value sebesar 0,661 >
0,05. Hal tersebut menyatakan bahwa Kualitas Pelatihan tidak berdampak
signifikan pada Kinerja KPM sehingga (H1
Ditolak).
b) Pengaruh Kualitas Pelatihan
terhadap Kinerja Aplikasi menunjukkan bahwa nilai koefisien β = 0,330 dan P Value sebesar 0,000 <
0,05. Hal tersebut menyatakan bahwa Kualitas Pelatihan berdampak positif dan
signifikan terhadap Kinerja Aplikasi. Hal ini dapat diartikan bahwa semakin
meningkat Kualitas Pelatihan, maka Kinerja Aplikasi akan semakin bagus, dengan
demikian hipotesis ke 2 yang diajukan dalam penelitian ini dapat diterima.
c) Pengaruh Kompetensi SDM
terhadap Kinerja KPM menunjukkan bahwa nilai koefisien β = 0,622 dan nilai P Value sebesar
0,000 < 0,05. Hal tersebut menyatakan bahwa Kompetensi SDM berdampak positif
dan signifikan terhadap Kinerja KPM. Hal ini dapat diartikan bahwa semakin
meningkat Kompetensi SDM, maka Kinerja KPM akan semakin bagus, dengan demikian
hipotesis ke 3 yang diajukan dalam penelitian ini dapat diterima.
d) Pengaruh Kompetensi SDM
terhadap Kinerja Aplikasi menunjukkan bahwa
nilai koefisien β = 0,414
dan nilai P Value sebesar 0,000 < 0,05. Hal tersebut menyatakan bahwa Kompetensi
SDM berdampak positif dan signifikan terhadap Kinerja Aplikasi. Hal ini dapat
diartikan bahwa semakin meningkat Kompetensi SDM, maka Kinerja Aplikasi akan
semakin bagus, dengan demikian hipotesis ke 4 yang diajukan dalam penelitian
ini dapat diterima.
e) Pengaruh Kinerja Aplikasi
terhadap Kinerja KPM menunjukkan bahwa nilai koefisien β = 0,195 dan P Value sebesar 0,002 <
0,05. Hal tersebut menyatakan bahwa Kinerja Aplikasi berdampak positif dan
signifikan terhadap Kinerja KPM. Hal ini dapat diartikan bahwa semakin
meningkat Kinerja Aplikasi, maka Kinerja KPM akan semakin bagus, dengan
demikian hipotesis ke 5 yang diajukan dalam penelitian ini dapat diterima.
3) Pengaruh Tidak Langsung
Tabel 9. Hasil Pengujian Efek Mediasi
|
Original Sample (O) |
Sample Mean (M) |
Standard Deviation (STDEV) |
T Statistics (|O/STDEV|) |
P Values |
|
|
X1 Kualitas Pelatihan -> Z
Kinerja Aplikasi -> Y Kinerja KPM |
0,065 |
0,065 |
0,025 |
2,589 |
0,010 |
|
X2 Kompetensi SDM -> Z Kinerja Aplikasi -> Y Kinerja
KPM |
0,081 |
0,080 |
0,026 |
3,159 |
0,002 |
Penjelasan tabel
a) Berdasarkan hasil pengujian
membuktikan bahwa Kinerja Aplikasi dapat memediasi Kualitas Pelatihan terhadap
Kinerja KPM. Hal tersebut ditunjukkan dari hasil Nilai Original Sample (O) atau
nilai koefisien jalur X1 Kualitas Pelatihan -> Z Kinerja Aplikasi -> Y
Kinerja KPM bernilai positif yaitu 0,065, berdasarkan hal tersebut menandakan
bahwa variabel Kinerja Aplikasi (Z) memiliki hubungan positif untuk memediasi
variabel Kualitas Pelatihan (X1) terhadap Kinerja Aplikasi (Y). Nilai T
Statistik sebesar 2,589 > 1,96 dan nilai P Values sebesar 0,010 < 0,05
yang artinya Kinerja Aplikasi dapat memediasi pengaruh Kualitas Pelatihan
terhadap Kinerja KPM. Hal ini dapat juga dikatakan bahwa Kualitas Pelatihan
secara tidak langsung dapat meningkatkan Kinerja KPM melalui Kinerja Aplikasi.
b) Berdasarkan hasil pengujian
membuktikan bahwa Kinerja Aplikasi dapat memediasi Kompetensi SDM terhadap
Kinerja KPM. Hal tersebut ditunjukkan dari hasil Nilai Original Sample (O) atau
nilai koefisien jalur X2 Kompetensi SDM -> Z Kinerja Aplikasi -> Y
Kinerja KPM bernilai positif yaitu 0,081, berdasarkan hal tersebut menandakan
bahwa variabel Kinerja Aplikasi (Z) memiliki hubungan positif untuk memediasi
variabel Kompetensi SDM (X2) terhadap Kinerja Aplikasi (Y). Nilai T Statistik
sebesar 3,159 > 1,96 dan nilai P Values sebesar 0,002 < 0,05 yang artinya
Kinerja Aplikasi dapat memediasi pengaruh Kompetensi SDM terhadap Kinerja KPM.
Hal ini dapat juga diartikan bahwa Kompetensi SDM secara tidak langsung dapat
meningkatkan Kinerja KPM melalui Kinerja Aplikasi.
2.
Pembahasan
1)
Pengaruh Kualitas Pelatihan terhadap Kinerja
KPM
Berdasarkan tabel 9.
menunjukkan bahwa Kualitas Pelatihan terhadap Kinerja KPM tidak berpengaruh
signifikan. Dengan nilai original sample sebesar 0,024 dan nilai P Value
sebesar 0,661 (di atas 0,05). Dengan demikian, hasil ini sejalan dengan
penelitian Tangdigiling (2020) dan Fajri (2019), yang menyatakan bahwa kualitas
pelatihan tidak memiliki pengaruh signifikan terhadap kinerja pegawai (Fajri, 2019). Kualitas pelatihan diukur
melalui beberapa indikator sesuai pada tabel 3.2. Namun, meskipun kualitas
pelatihan dinilai dengan indikator-indikator tersebut, hasil uji hipotesis
menunjukkan bahwa indikator-indikator tersebut tidak memberikan dampak
signifikan terhadap peningkatan kinerja KPM. Berdasarkan hasil tersebut dapat disimpulkan
bahwa hipotesis pertama ditolak. Hal ini disebabkan oleh indikator yang
digunakan mungkin tidak sepenuhnya mencerminkan kebutuhan spesifik Kinerja KPM
atau cara mereka menjalankan peran, sehingga pelatihan yang diberikan kurang
relevan untuk meningkatkan kinerja mereka. Tidak ada bukti yang meyakinkan
bahwa Kualitas Pelatihan langsung memengaruhi Kinerja KPM berdasarkan data yang
dianalisis. Hal ini menunjukkan bahwa efek langsung Kualitas Pelatihan terhadap
Kinerja KPM tidak cukup kuat untuk dianggap berarti secara statistik, sehingga
hipotesis tersebut tidak dapat diterima.
Namun, meskipun Kualitas
Pelatihan tidak memiliki pengaruh langsung terhadap Kinerja KPM, pelatihan yang
berkualitas dapat meningkatkan kemampuan atau efisiensi dalam penggunaan
aplikasi (Kinerja Aplikasi). Selanjutnya, peningkatan Kinerja Aplikasi tersebut
berdampak signifikan pada peningkatan Kinerja KPM. Dengan demikian, Kualitas
Pelatihan secara tidak langsung dapat meningkatkan Kinerja KPM melalui Kinerja
Aplikasi.
2)
Pengaruh Kualitas Pelatihan
terhadap Kinerja Aplikasi
Berdasarkan tabel 9.
menunjukkan bahwa kualitas pelatihan berpengaruh positif dan signifikan
terhadap kinerja aplikasi. Dengan nilai original sample sebesar 0,330 dan nilai
P Value sebesar 0,000 (di atas 0,05) sehingga dapat diartikan bahwa bahwa
kualitas pelatihan berpengaruh signifikan terhadap kinerja aplikasi diterima.
Dengan demikian, hasil ini sejalan dengan penelitian Prasetyo (2020) dan
Hantono et al. (2023) yang menyatakan bahwa pelatihan yang berkualitas
meningkatkan kinerja aplikasi melalui model Technology Acceptance Model (TAM) (Hantono et al.,
2023). Berdasarkan indikator dalam
Tabel 3.2, kualitas pelatihan diukur melalui beberapa aspek, seperti kompetensi
instruktur, relevansi materi, dan efektivitas metode pelatihan, yang semuanya
berperan dalam meningkatkan pemahaman peserta.
3)
Pengaruh Kompetensi SDM
terhadap Kinerja KPM
Berdasarkan tabel 9.
menunjukan bahwa kompetensi SDM berpengaruh positif dan signifikan terhadap
kinerja KPM. Dengan nilai original sample sebesar 0,662 dan nilai P Value
sebesar 0,000 (di atas 0,05) sehingga menunjukkan bahwa hipotesis yang
menyatakan kompetensi SDM berpengaruh signifikan terhadap kinerja KPM diterima.
Dengan demikian, hasil ini sejalan dengan penelitian oleh Muslimat (2020) dan
Saptalia et al. (2022) yang menyatakan bahwa Kompetensi berpengaruh positif dan
signifikan terhadap kinerja pegawai (Muslimat, 2020;
Saptalia et al., 2022). Pengaruh positif kompetensi
SDM terhadap kinerja KPM menunjukkan bahwa indikator-indikator pada Tabel 3.2
memainkan peran penting dalam memperbaiki kinerja KPM. Kompetensi SDM yang kuat
memperkuat kemampuan KPM dalam menjalankan tugasnya dengan baik, meningkatkan
kualitas, pengetahuan, inisiatif, dan kerja sama.
4)
Pengaruh Kompetensi SDM
terhadap Kinerja Aplikasi
Berdasarkan tabel 9.
menunjukan bahwa kompetensi SDM berpengaruh signifikan terhadap kinerja
aplikasi. Dengan nilai original sample sebesar 0,414 dan nilai P Value sebesar
0,000 (di atas 0,05) sehingga hipotesis yang menyatakan bahwa kompetensi SDM
berpengaruh positif dan signifikan terhadap kinerja aplikasi diterima. Dengan
demikian, hasil ini sejalan dengan penelitian oleh Muslimat (2020) dan Saptalia
et al. (2022) menunjukkan bahwa kompetensi SDM meningkatkan efektivitas kinerja
pegawai, termasuk dalam mengadopsi dan menggunakan teknologi baru (Muslimat, 2020;
Saptalia et al., 2022). Pengaruh positif kompetensi
SDM terhadap kinerja aplikasi menunjukkan bahwa indikator-indikator pada Tabel
3.2 memainkan peran penting dalam kompetensi SDM yang baik memberikan dasar
yang kuat bagi pengguna untuk memanfaatkan aplikasi secara lebih efektif dan
efisien. Ini meningkatkan persepsi kemudahan (perceived ease of use) dan
manfaat (perceived usefulness) aplikasi, dua faktor penting dalam model TAM
yang berhubungan langsung dengan kinerja aplikasi. Dengan demikian, hasil ini
sejalan dengan penelitian oleh
5)
Pengaruh Kinerja Aplikasi
terhadap Kinerja KPM
Berdasarkan tabel 9.
menunjukan bahwa kinerja aplikasi berpengaruh positif dan signifikan terhadap
kinerja KPM. Dengan nilai original
sample sebesar 0,195 dan nilai P Value sebesar 0,000 (di atas 0,05) sehingga
dapat diartikan bahwa kinerja aplikasi berpengaruh signifikan terhadap kinerja
KPM diterima. Dengan demikian, hasil ini sejalan dengan penelitian oleh
Prasetyo (2020) dan Hantono et al. (2023), yang menyatakan TAM berpengaruh
positif dan signifikan terhadap kinerja pegawai (Hantono et al.,
2023). Berdasarkan
indikator-indikator pada Tabel 3.2, aplikasi yang berjalan dengan baik
memudahkan KPM dalam mengakses dan mengolah informasi dengan lebih cepat dan
akurat. Kemudahan dan manfaat aplikasi juga menambah motivasi pengguna, yang
pada akhirnya berdampak positif pada kinerja KPM.
6)
Hasil pertanyaan terbuka
a. Berdasarkan hasil dari
kuisioner pertama, bahwa terdapat beberapa aspek yang berperan penting dalam
pelatihan, yaitu metode pengajaran yang efektif, baik untuk penggunaan eHDW 2.0
dan tugas fungsi KPM dan Non KPM, kemudian terkait sumber daya sarana yang
dimiliki oleh KPM untuk penginputan di Aplikasi, masih ada beberapa desa yang
belum mempunyai perangkat memadai, sehingga menjadi kendala saat penginputan,
kemudian pemateri yang mampu menjelaskan kepada KPM dengan baik dan mudah
dipahami, dan juga terkait rencana tindak lanjut dari pelatihan yang cukup
baik. Namun masih ada beberapa catatan yang perlu ditingkatkan yaitu terkait
materi aspek hal teknis aplikasi yang beberapa perlu diberikan pelatihan
tingkat lanjut agar KPM mampu menjalankan aplikasi dengan maksimal. Tidak hanya
terkait hal teknis saja, melainkan juga terkait perlu ada pembelajaran terkait
peningkatan kapasitas individu bagi KPM, dikarenakan masih ada beberapa KPM
yang butuh pengetahuan dasar seperti bagaimana cara paparan materi di depan
umum, meminta data ke warga yang baik, dan koordinasi yang baik dengan
pemerintah desa.
b. Berdasarkan hasil dari
kuesioner kedua menunjukan bahwa mayoritas menganggap kompetensi SDM
berpengaruh dalam pelatihan, baik dari sisi pemateri ataupun peserta. Hal ini
dikarenakan kompetensi SDM yang ada menjadi tolak ukur materi yang disampaikan.
Sehingga pemateri perlu punya keterampilan memahami peserta dengan baik. Dari
hasil kuesioner menunjukan mayoritas mengakui kualitas pemateri baik dalam
memaparkan materi dan mudah dipahami bagi peserta, serta mampu mengajak peserta
diskusi dua arah dan interaktif, sehingga peserta merasa semangat dan tidak
bosan selama pemaparan materi.
c. Berdasarkan hasil dari
kuesioner ketiga menunjukan mayoritas menyatakan performa aplikasi mempengaruhi
produktivitas KPM. Sebagian besar KPM menyatakan bahwa performa aplikasi eHDW
2.0 masih perlu beberapa perbaikan yang serius, yaitu terkait kinerja server
aplikasi yang masih menjadi kendala utama pada aplikasi ini, namun beberapa
menyatakan telah ada perbaikan pada server yang membaik sehingga tidak
mengganggu kinerja KPM waktu penginputan di aplikasi. Selain itu, juga terdapat
catatan terkait aplikasi ini, yaitu masih perlu peningkatan tampilan pada
penggunaan mobile. Saat ini aplikasi ini hanya tersedia di versi Desktop,
meskipun bisa versi mobile namun belum bisa digunakan secara optimal. Banyak
yang menyatakan kualitas aplikasi eHDW 2.0 ini lebih baik dari aplikasi versi
sebelumnya, hal ini membuktikan bahwa fitur aplikasi yang telah disediakan
lebih memudahkan bagi KPM ketika pengisian sasaran dan layanan. Selain itu,
pada aplikasi yang saat ini juga mengurangi beban tugas KPM, karena ada
beberapa fitur yang dialihkan ke Admin desa/ Non KPM.
d. Berdasarkan hasil dari
kuesioner keempat Mayoritas mengisikan bahwa kinerja KPM dalam upaya mendukung
dan melaksanakan program kesehatan di desa sudah baik. Para KPM menyatakan
bahwa sinergi dengan Pemerintah Desa merupakan salah satu aspek yang mendukung
program ini berkelanjutan. Hal ini dikarenakan adanya keterlibatan dari Dinas
Pemberdayaan Masyarakat dan Desa yang turut aktif untuk menguatkan posisi KPM
sebagai pelopor kader di desa dalam upaya pencegahan dan penurunan stunting di
desa. Namun terdapat catatan, masih banyak KPM yang menyatakan bahwa diri
mereka tidak hanya bertugas sebagai KPM namun juga memiliki tugas lain seperti,
menjadi kader posyandu, kader kesehatan desa, bekerja paruh waktu, ataupun
melanjutkan pendidikan. Hal ini menjadi salah satu faktor penghambat kinerja
KPM dalam melaksanakan tugas mereka. Maka dari itu, perlu adanya kepedulian
dari desa dalam menunjuk seseorang untuk menjadi KPM. Jangan sampai hal serupa
ini terjadi dikarenakan nanti akan menghambat program ini menjadi tidak
maksimal.
KESIMPULAN
Penelitian
ini bertujuan untuk menganalisis pengaruh kinerja aplikasi Electronic Human
Development Worker (eHDW) terhadap kinerja Kader Pembangunan Manusia (KPM) di
Kabupaten Kendal menggunakan analisis Smart Partial Square (SmartPLS), dengan
hasil uji hipotesis menunjukkan bahwa kualitas pelatihan tidak berpengaruh
signifikan terhadap kinerja KPM, tetapi berpengaruh positif dan signifikan
terhadap kinerja aplikasi, sedangkan kompetensi sumber daya manusia (SDM)
terbukti berpengaruh positif dan signifikan terhadap kinerja KPM dan aplikasi,
di mana kinerja aplikasi juga berpengaruh positif terhadap kinerja KPM.
Beberapa aspek penting yang mempengaruhi efektivitas pelatihan KPM meliputi
metode pengajaran, ketersediaan sarana, kualitas pemateri, dan rencana tindak
lanjut, di mana kompetensi SDM, baik pemateri maupun peserta, sangat
berpengaruh terhadap keberhasilan pelatihan, dan mayoritas KPM menilai bahwa
performa aplikasi eHDW 2.0 berdampak pada produktivitas mereka, meskipun masih
perlu perbaikan pada kinerja server dan tampilan mobile; meskipun kinerja KPM
dalam mendukung program kesehatan di desa dinilai baik, banyak KPM yang
menghadapi tugas tambahan yang menghambat kinerja mereka, sehingga perhatian
dari pemerintah desa sangat diperlukan dalam penunjukan KPM agar mereka dapat
fokus pada tugas utama. Secara keseluruhan, untuk meningkatkan efektivitas
pelatihan dan kinerja KPM, diperlukan peningkatan sarana, pelatihan lanjutan,
kualitas pemateri, perbaikan aplikasi, dan dukungan dari pemerintah desa untuk
memastikan program kesehatan di desa dapat berjalan lebih maksimal dan
berkelanjutan. Penelitian ini juga memberikan kontribusi teoretis penting dalam
bidang manajemen sumber daya manusia dan teknologi informasi, di mana temuan
mengenai hubungan antara kualitas pelatihan, kompetensi SDM, dan kinerja
aplikasi e-HDW menambah wawasan tentang peran teknologi dalam meningkatkan
efektivitas pelatihan dan kinerja pegawai di sektor publik, serta memberikan
landasan untuk penelitian lebih lanjut dalam pengembangan aplikasi berbasis
teknologi dan pelatihan yang efektif dalam konteks pencegahan stunting dan
pengembangan sumber daya manusia di desa.
Caroline, E. (2019). Metode Kuantitatif. Media Sahabat
Cendekia.
Destiani, G. F., Rifai, A. A., & SE, M.
M. A. K. (2023). Pengaruh Pelatihan Dan Implementasi Sistem Aplikasi Dan Produk
Dalam Pengolahan Data (Sap) Terhadap Kinerja Karyawan Dengan Menggunakan Tam
Pada Pt. Glostar Indonesia I Cikembar Kabupaten Sukabumi (Studi Kasus Pada
Divisi Ppic Pusat): Manajemen Sumberdaya Manusia. Jurnal Mahasiswa Manajemen,
4(3), 40–70.
Fajri, J. (2019). Pengaruh Pelatihan
Kerja dan Lingkungan Kerja Terhadap Kinerja Karyawan Dengan Motivasi Sebagai
Variabel Intervening Pada PT. BPR. BDW. Yogyakarta.
Hantono, H., Tjong, W., & Jony, J.
(2023). Pengaruh Technology Acceptance Model Terhadap Intention To Use Dengan
Kinerja Sebagai Variabel Moderasi Dalam Menggunakan Sistem Informasi Akuntansi.
Owner: Riset Dan Jurnal Akuntansi, 7(2), 1815–1830.
https://doi.org/10.33395/owner.v7i2.1583
Klemm, G. C., Kayanda, R., Kazoba, A.,
McCann, J., Nnally, L. P., & Dickin, K. L. (2022). Translating
multisectoral nutrition policy into community practice: participation of
nutrition officers in Tanzania fosters effective collaborative strategies to
improve child nutrition. Current Developments in Nutrition, 6(4),
nzac030. https://doi.org/10.1093/cdn/nzac030
La Ode Syaiful Islamy Hisanuddin, S.,
Andriani, R., Sos, S., & La Ode Farid Akhyar Hisanuddin, S. (2023). Konvergensi
Kebijakan Penanggulangan Stunting. Deepublish.
Laili, U., & Andriani, R. A. D. (2019).
Pemberdayaan masyarakat dalam pencegahan stunting. Jurnal Pengabdian
Masyarakat IPTEKS, 5(1), 8–12.
https://doi.org/10.32528/pengabdian_iptek.v5i1.2154
Margaryan, A., Bianco, M., &
Littlejohn, A. (2015). Instructional quality of massive open online courses
(MOOCs). Computers & Education, 80, 77–83. https://doi.org/10.1016/j.compedu.2014.08.005
Muslimat, A. (2020). Pengaruh kompetensi
terhadap kinerja karyawan pada PT. Gramedia di Jakarta. Jurnal Ekonomi
Efektif, 2(4), 586–592.
Nurfatimah, N., Anakoda, P., Ramadhan, K.,
Entoh, C., Sitorus, S. B. M., & Longgupa, L. W. (2021). Perilaku pencegahan
stunting pada ibu hamil. Poltekita: Jurnal Ilmu Kesehatan, 15(2),
97–104. https://doi.org/10.33860/jik.v15i2.475
Nurjanah, N., Nasution, B., Wahidar, T. I.,
& Putri, W. E. (2024). Efektivitas Komunikasi Inovasi Aplikasi E-HDW dalam
Meningkatkan Prevalensi Balita Stunting di Kabupaten Bengkalis. Jurnal Riset
Komunikasi, 7(2), 307–321. https://doi.org/10.38194/jurkom.v7i2.1061
Saptalia, H., Idris, M., & Asiati, D.
I. (2022). Pengaruh Kompetensi, Disiplin Kerja dan Motivasi Terhadap Kinerja
Pegawai Sekretariat Daerah Pemerintah Kota Palembang. Jurnal Bisnis,
Manajemen, Dan Ekonomi, 3(4), 248–259.
https://doi.org/10.47747/jbme.v3i4.874
Suryani, N. K., Warmana, G. O., &
Wiguna, I. N. A. (2021). Pengaruh Kompetensi Dan Penggunaan Tehnologi Informasi
Terhadap Kinerja Karyawan:(Studi Pada Sekolah Menengah Atas Dan Kejuruan Di
Propinsi Bali). Jurnal Imagine, 1(1), 1–11.
https://doi.org/10.35886/imagine.v1i1.159
Syahrul, S., & Ikhsan, I. (2022). Local
Government Efforts to Prevent Stunting at the Village Level. Ilomata
International Journal of Social Science, 3(2), 229–238.
https://doi.org/10.52728/ijss.v3i2.481
Yip, J., Wong, S.-H., Yick, K.-L., Chan, K.,
& Wong, K.-H. (2019). Improving quality of teaching and learning in classes
by using augmented reality video. Computers & Education, 128,
88–101. https://doi.org/10.1016/j.compedu.2018.09.014
|
|
© 2025 by the authors. Submitted for possible open access publication
under the terms and conditions of the Creative Commons Attribution (CC BY SA) license (https://creativecommons.org/licenses/by-sa/4.0/). |