How to cite:
Dian Alanudin, Ahmad Fadgham Khaza’inullah (2024) Strategi Transformasi Digital di Era Big
Data: Peran TOE Framework Adopsi Analitik Bisnis, dan Retensi Pengetahuan (06) 09,
E-ISSN:
2684-883X
STRATEGI TRANSFORMASI DIGITAL DI ERA BIG DATA: PERAN TOE
FRAMEWORK ADOPSI ANALITIK BISNIS, DAN RETENSI PENGETAHUAN
Dian Alanudin, Ahmad Fadgham Khaza’inullah
Institut Teknologi dan Bisnis Jakarta, Indonesia
Email: [email protected], [email protected]
Abstrak
Revolusi Industri 4.0 ditandai dengan pengintegrasian teknologi digital seperti analitik big
data, Internet of Things, kecerdasan buatan, dan robotika ke dalam proses bisnis tradisional.
Transformasi ini telah memicu peningkatan besar dalam penggunaan internet serta melahirkan
inovasi yang mengubah cara kita hidup dan bekerja. Untuk tetap unggul di era digital ini,
perusahaan harus menerapkan strategi transformasi digital yang melibatkan pemanfaatan alat
dan platform digital untuk mengoptimalkan operasi, menurunkan biaya, dan meningkatkan
efisiensi. Adopsi transformasi digital memungkinkan perusahaan untuk merespons perubahan
pasar dengan lebih cepat dan tepat, memperoleh wawasan tentang perilaku dan preferensi
pelanggan, serta mendorong pertumbuhan dan profitabilitas. Dalam lingkungan bisnis yang
cepat berubah saat ini, transformasi digital menjadi kebutuhan esensial bagi perusahaan yang
ingin berkembang. Studi ini, yang melibatkan analisis data dari 327 perusahaan e-commerce,
mengusulkan model yang menawarkan wawasan berharga mengenai tindakan praktis serta
memperdalam pemahaman tentang pentingnya strategi transformasi digital di era big data,
dengan mempertimbangkan peran TOE Framework (Teknologi-Organisasi-Lingkungan),
adopsi analitik bisnis, retensi pengetahuan, dan kapabilitas dinamis untuk mencapai
keunggulan kompetitif.
Kata Kunci: Transformasi Digital, Kerangka TOE, Analitik Bisnis, Retensi Pengetahuan,
Keunggulan Kompetitif.
Abstract
The Industrial Revolution 4.0 is characterized by the integration of digital technologies such
as big data analytics, the Internet of Things, artificial intelligence, and robotics into
traditional business processes. This transformation has triggered a huge increase in the use
of the internet and gave birth to innovations that change the way we live and work. To stay
ahead in this digital era, companies must implement a digital transformation strategy that
involves the use of digital tools and platforms to optimize operations, lower costs, and
improve efficiency. The adoption of digital transformation allows companies to respond more
quickly and appropriately to market changes, gain insights into customer behavior and
preferences, and drive growth and profitability. In today's fast-changing business
environment, digital transformation is an essential necessity for companies looking to thrive.
The study, which involves analyzing data from 327 e-commerce companies, proposes a model
that offers valuable insights into practical actions as well as deepens understanding of the
importance of digital transformation strategies in the era of big data, taking into account the
JOURNAL SYNTAX IDEA
p–ISSN: 2723-4339 e-ISSN: 2548-1398
Vol. 6, No. 09, September 2024
Dian Alanudin, Ahmad Fadgham Khaza’inullah
3926 Syntax Idea, Vol. 6, No. 09, September 2024
role of the TOE Framework (Technology-Organization-Environment), the adoption of
business analytics, knowledge retention, and dynamic capabilities to achieve competitive
advantage.
Keywords : Digital Transformation, TOE Framework, Business Analytics, Knowledge
Retention, Competitive Advantage.
PENDAHULUAN
Revolusi Industri 4.0 telah mengubah secara drastis cara hidup manusia, dengan
kemunculan kecerdasan buatan yang memperkenalkan inovasi dan realitas baru untuk masa
depan (Davenport et al., 2020). Perusahaan di seluruh dunia perlu menyesuaikan pandangan
mereka terhadap dunia saat ini untuk mencapai keunggulan kompetitif di masa depan
(Waldemar & Maciej, 2016). Seiring dengan pergeseran dari sumber daya tradisional seperti
emas dan minyak ke aset yang lebih abstrak seperti data dan informasi, pengelolaan dan
eksplorasi sumber daya ini menjadi semakin krusial (Devece et al., 2017). Penelitian (Devece
et al., 2017) menilai pentingnya manajemen informasi dalam organisasi, menekankan bahwa
meskipun strategi transformasi digital yang berbasis data sangat penting, banyak perusahaan
belum siap menghadapi tantangan ini. Kemampuan untuk mentransfer pengetahuan mengenai
penggunaan data dari individu ke individu atau ke dalam organisasi masih terbatas. Hal ini
disebabkan oleh kurangnya kapasitas dan keahlian organisasi untuk mengoptimalkan
penggunaan data (Sivarajah et al., 2017; ur Rehman et al., 2016).
TOE Framework yang diperkenalkan oleh Tornatsky dan Fleischer (1990) penting
dalam menentukan inovasi teknologi selama transformasi digital. Transformasi digital
mencakup pemanfaatan teknologi digital untuk meningkatkan operasi bisnis dan menciptakan
peluang baru (Vial, 2019), serta integrasi teknologi di berbagai fungsi perusahaan seperti
pemasaran dan manajemen rantai pasokan. Analisis bibliometrik oleh (Merigó et al., 2015)
mendukung pentingnya adopsi inovasi organisasi. Teknologi memungkinkan perusahaan
untuk beradaptasi dengan perubahan dan mengeksplorasi peluang pasar, serta berpotensi
menjadi pelopor (Wilden et al., 2013).
Dalam konteks big data, (Obitade, 2019) menunjukkan perlunya pengembangan
kemampuan manajemen pengetahuan untuk menciptakan strategi transformasi digital yang
efektif. Analitik bisnis harus diterjemahkan menjadi wawasan yang dapat ditindaklanjuti
untuk membantu keputusan bisnis. Dengan mengembangkan manajemen pengetahuan dan
memanfaatkan analitik bisnis, organisasi dapat merespons perubahan dengan lebih baik dan
mencapai keunggulan kompetitif. Pengetahuan, sebagai sumber daya tak berwujud,
merupakan kunci untuk keunggulan kompetitif dan perlu dipertahankan untuk mencegah
kehilangan pengetahuan. Banyak perusahaan memahami pentingnya wawasan dari analitik
bisnis tetapi kesulitan memaksimalkan penggunaannya karena pengetahuan sering kali tidak
dipertahankan dalam organisasi (Levallet & Chan, 2018). Untuk tetap kompetitif, perusahaan
perlu mengembangkan kemampuan pengetahuan dan dinamisnya (Peñate, Robaina, & Nieves,
2019). Analitik bisnis dan retensi pengetahuan dapat meningkatkan kemampuan perusahaan
untuk merasakan dan memanfaatkan peluang dari karyawan, pelanggan, dan pesaing, serta
meningkatkan efisiensi dan kualitas (Conboy et al., 2020; Rijmenam et al., 2019). Kapabilitas
dinamis, yang didefinisikan sebagai kemampuan untuk mengintegrasikan, membangun, dan
mengonfigurasi kompetensi untuk menghadapi perubahan, memainkan peran penting dalam
hal ini (Teece et al., 1997).
Analitik bisnis mempengaruhi kemampuan organisasi untuk memanfaatkan data guna
mengidentifikasi ancaman dan peluang, serta melakukan pembaruan berkelanjutan. Para
Strategi Transformasi Digital di Era Big Data: Peran TOE Framework Adopsi Analitik Bisnis,
dan Retensi Pengetahuan
Syntax Idea, Vol. 6, No. 09, September 2024 3927
sarjana sebelumnya berpendapat bahwa kapabilitas dinamis merupakan inti dari data itu
sendiri (Conboy et al., 2020; Vidgen et al., 2017). Kaitan antara analitik bisnis, retensi
pengetahuan, dan kapabilitas dinamis memberikan wawasan tentang bagaimana perusahaan
dapat merasakan, merebut, dan mengubah sumber daya untuk merespons lingkungan yang
tidak pasti. Pertanyaan penelitian ini adalah apakah TOE Framework, adopsi analitik bisnis,
dan retensi pengetahuan adalah faktor kritis dalam menciptakan kapabilitas dinamis dan
mencapai keunggulan kompetitif dalam strategi transformasi digital, serta apakah model ini
telah diuji secara empiris dalam literatur.
METODE PENELITIAN
Dalam bagian ini, hipotesis penelitian dikembangkan berdasarkan studi sebelumnya
dalam literatur mengenai konteks analitik bisnis. Model penelitian disajikan pada Gambar 1
.
Gambar 1. Model Teoritis Strategi Transformasi Digital di Era Big Data
Oleh karena itu, dalam konteks ini, peneliti merumuskan keadaan menjadi hipotesis
sebagai berikut:
H1: Faktor teknologi berpengaruh positif dan signifikan terhadap faktor organisasi
Dalam TOE Framework, hipotesis pertama mengusulkan bahwa faktor teknologi
memiliki dampak positif dan signifikan terhadap faktor organisasi (Zhu et al., 2006).
Komponen Organisasi dari TOE Framework mengacu pada karakteristik internal dan sumber
daya organisasi yang mempengaruhi adopsi inovasi teknologi. Hipotesis ini menekankan
pentingnya teknologi dalam membentuk cara organisasi beroperasi dan beradaptasi dengan
perubahan baru. Dari perspektif TOE, faktor teknologi meliputi kompleksitas, aset Teknologi
Informasi (TI), dan kompatibilitas teknologi dalam organisasi (Marques et al., 2019;
Ramanathan et al., 2017; H.-Y. Wang & Wang, 2010; Zhang et al., 2020). Faktor-faktor ini
mempengaruhi keputusan organisasi untuk mengadopsi dan menerapkan perubahan teknologi.
Faktor organisasi mengacu pada struktur, budaya, dan praktik organisasi, yang dapat
memfasilitasi atau menghambat adopsi teknologi baru. Oleh karena itu, hipotesis ini
mengusulkan bahwa organisasi yang secara efektif mengelola faktor teknologi dan
menyelaraskannya dengan faktor organisasi mereka lebih mungkin untuk mencapai adopsi
dan implementasi baru yang sukses. Kompleksitas teknologi terkait dengan seberapa mudah
organisasi akan menerapkan inovasi. Ketika proses belajar untuk menggunakan kemajuan
Dian Alanudin, Ahmad Fadgham Khaza’inullah
3928 Syntax Idea, Vol. 6, No. 09, September 2024
teknologi baru sulit bagi karyawan, perusahaan cenderung menunda adopsi. Prosedur untuk
mempelajari dan menerapkan teknologi harus sederhana dan mudah dipahami. Selain itu,
Rogers (1983) berpendapat bahwa beberapa karakteristik teknologi yang mempengaruhi
adopsi terkait dengan keunggulan relatif. Karakteristik keunggulan relatif berarti apakah
peningkatan teknologi baru akan lebih baik dibandingkan dengan generasi teknologi
sebelumnya. Penelitian sebelumnya juga mendukung hasil bahwa aset TI sebagai faktor
signifikan dalam adopsi teknologi (Gangwar, 2018). Kompatibilitas teknologi baru dengan
kebutuhan bisnis adalah determinan kritis untuk meningkatkan faktor organisasi dalam
mengadopsi teknologi baru (Alshamaila et al., 2013; Chen & Ma, 2014; Verma &
Bhattacharyya, 2017) Berdasarkan penjelasan ini, hipotesis pertama dari studi ini adalah
faktor teknologi memiliki dampak positif dan signifikan terhadap faktor organisasi.
H2: Faktor teknologi berpengaruh positif dan signifikan terhadap faktor lingkungan
Organisasi dengan aset Teknologi Informasi (TI) yang kuat dan canggih biasanya
memiliki kemampuan yang lebih baik untuk memantau kepatuhan terhadap peraturan
pemerintah serta mampu mengusulkan atau mengubah peraturan tersebut (Zhu, Kraemer et
al., 2005, 2006). Sebagai contoh, sistem informasi yang canggih dapat membantu organisasi
mengumpulkan, menganalisis, dan melaporkan data yang diperlukan untuk kepatuhan regulasi
secara lebih efisien. Kompatibilitas yang tinggi antara berbagai aset TI dalam organisasi
memungkinkan integrasi dan pertukaran informasi yang lancar, yang mendukung kepatuhan
terhadap peraturan pemerintah karena data dapat dibagikan di berbagai sistem tanpa hambatan
atau ketidakefisienan. Namun, kompleksitas aset TI dapat mempengaruhi kemampuan
organisasi untuk beradaptasi dan mematuhi peraturan pemerintah (Lin & Wu, 2014).
Organisasi dengan lingkungan TI yang kompleks mungkin mengalami kesulitan dalam
menerapkan perubahan atau pembaruan yang diperlukan untuk memenuhi persyaratan
regulasi dengan cepat. Selain itu, aset TI, kompatibilitas, dan kompleksitas juga
mempengaruhi tekanan dari pesaing. Organisasi yang memanfaatkan aset TI canggih dan
mempertahankan kompatibilitas tinggi dapat memperoleh keunggulan kompetitif melalui
peningkatan efisiensi operasional, proses yang lebih efisien, dan pengalaman pelanggan yang
lebih baik. Keunggulan ini dapat menekan pesaing untuk berinvestasi dalam teknologi serupa
agar tetap kompetitif. Namun, kompleksitas aset TI dapat mempengaruhi kemampuan
organisasi untuk berinovasi dan merespons perubahan pasar, dengan organisasi yang memiliki
lingkungan TI lebih kompleks mungkin menghadapi tantangan dalam menyesuaikan sistem
dan proses mereka dengan cepat, yang dapat menyebabkan kerugian kompetitif (Lacity et al.,
2010)v. Dengan demikian, hipotesis ini bertujuan untuk membuktikan bahwa faktor teknologi
memiliki pengaruh positif dan signifikan terhadap faktor lingkungan.
H3: Faktor organisasi berpengaruh positif dan signifikan terhadap adopsi analitik
bisnis
Faktor-faktor organisasi seperti dukungan dari manajemen puncak, lingkungan data
organisasi, dan pertimbangan biaya memiliki dampak positif dan signifikan terhadap adopsi
analitik bisnis. Dukungan dari manajemen puncak merupakan faktor kunci dalam proses
Strategi Transformasi Digital di Era Big Data: Peran TOE Framework Adopsi Analitik Bisnis,
dan Retensi Pengetahuan
Syntax Idea, Vol. 6, No. 09, September 2024 3929
adopsi analitik bisnis (Dubey et al., 2016; Gangwar, 2018; H.-Y. Wang & Wang, 2010).
Manajer perlu memastikan bahwa mereka mendapatkan dukungan yang memadai dari tim
manajemen puncak untuk berhasil menerapkan analitik bisnis. Kurangnya dukungan dari
manajemen puncak sering kali menjadi alasan utama kegagalan dalam adopsi analitik bisnis
(Wang et al., 2010). Selain itu, aspek seperti sumber data, penambangan data, aksesibilitas
data, kualitas data, dan budaya berbasis data dalam organisasi memainkan peran penting
dalam mengembangkan lingkungan manajemen data yang efektif. Penting bagi organisasi
untuk memaksimalkan penggunaan dan relevansi data di seluruh fungsi mereka, serta untuk
menghindari penyimpanan data yang terpisah dalam silo agar dapat meningkatkan kualitas
data. Studi sebelumnya menunjukkan tantangan terkait kualitas data dan fungsinya dalam
adopsi analitik bisnis (Mathew, 2012). (Baker, 2012) menyebutkan bahwa faktor organisasi
berhubungan dengan proses komunikasi yang mendukung atau menghambat inovasi dalam
konteks organisasi. Penelitian juga menunjukkan bahwa kualitas sumber daya manusia,
termasuk ketersediaan pengetahuan teknis di kalangan karyawan, mempengaruhi kemampuan
organisasi untuk mengadopsi analitik bisnis (Chong & Olesen, 2017). Berdasarkan uraian ini,
hipotesis ketiga dari penelitian ini adalah bahwa faktor organisasi memiliki pengaruh positif
dan signifikan terhadap adopsi analitik bisnis.
H4: Faktor lingkungan berpengaruh positif dan signifikan terhadap adopsi analitik
bisnis
Faktor lingkungan seperti tekanan dari pesaing dan jenis industri memainkan peran
penting dalam menentukan adopsi teknologi, seperti yang diungkapkan oleh banyak penelitian
tentang adopsi analitik (Chwelos et al., 2001) (Gangwar, 2018) (Ramanathan et al., 2017).
Organisasi sering memantau inovasi teknologi yang diterapkan oleh pesaing mereka, dan
cenderung mengadopsi analitik bisnis jika pesaing mereka juga melakukannya. Interaksi
dengan pesaing, baik langsung maupun tidak langsung, mempengaruhi keputusan perusahaan
untuk mengadopsi analitik bisnis, karena perusahaan sering meniru praktik analitik yang
berhasil dari pesaing mereka. Beberapa penelitian menunjukkan bahwa jenis industri
merupakan prediktor signifikan untuk adopsi analitik bisnis (Chwelos et al., 2001; Dutta &
Bose, 2015; Marques et al., 2019). Organisasi yang beroperasi dalam industri dengan
kebutuhan pemrosesan informasi yang tinggi cenderung lebih mungkin untuk mengadopsi
analitik bisnis guna mencapai tujuan mereka. Selain itu, perusahaan sering mengikuti langkah
pesaing mereka dalam mengimplementasikan analitik bisnis untuk meningkatkan pelayanan
kepada pelanggan dan memenuhi kebutuhan mereka secara lebih efektif (Y. Wang & Byrd,
2017) . Tekanan dari orientasi pelanggan juga telah ditemukan sebagai pendorong bagi
beberapa organisasi dalam adopsi analitik bisnis. Berdasarkan penjelasan ini, hipotesis
keempat dari studi ini adalah bahwa faktor lingkungan memiliki pengaruh positif dan
signifikan terhadap adopsi analitik bisnis.
H5: Adopsi analitik bisnis berdampak positif dan signifikan terhadap retensi
pengetahuan
Dian Alanudin, Ahmad Fadgham Khaza’inullah
3930 Syntax Idea, Vol. 6, No. 09, September 2024
Adopsi analitik bisnis memainkan peran kunci dalam meningkatkan retensi pengetahuan
dengan mencegah kehilangan informasi (Nadège Levallet & Chan, 2018). Dalam konteks
perdagangan elektronik, analitik bisnis yang efektif mengelola data pelanggan serta
kemampuan dan kompetensi karyawan, yang pada akhirnya memberikan perusahaan
keunggulan kompetitif (Aghamirian et al., 2015; Erickson & Rothberg, 2013). Dengan
mengadopsi analitik bisnis, perusahaan dapat mengelola dan menganalisis big data secara
efisien dan akurat, menghasilkan wawasan yang mendalam untuk pengambilan keputusan
(Sahay & Ranjan, 2008; Trieu, 2017). Keberhasilan dalam pengelolaan big data sangat
bergantung pada penggunaan analitik bisnis untuk mengolah informasi yang relevan guna
mendukung strategi dan manajemen perusahaan. Analitik bisnis berfungsi untuk memperkuat
retensi pengetahuan perusahaan melalui proses akuisisi dan penyimpanan data. Penelitian
menunjukkan bahwa adopsi analitik bisnis menyediakan alat dan perangkat lunak yang
diperlukan untuk menghasilkan informasi berkualitas tinggi, yang mendukung keputusan
yang lebih baik (DeGroote & Marx, 2013; LaValle et al., 2010; Wade & Hulland, 2004).
(Delen & Demirkan, 2013) menegaskan bahwa adopsi analitik bisnis dirancang untuk
memberikan pengetahuan menyeluruh kepada pengambil keputusan, membantu mereka dalam
membuat keputusan yang tepat dan efisien. Penelitian sebelumnya oleh Gustavsson &
Jonsson (2008) menunjukkan bahwa TI dapat meningkatkan kualitas informasi dalam
organisasi. Adopsi analitik bisnis memungkinkan pengambil keputusan untuk membuat
penilaian yang lebih baik melalui informasi yang akurat dan relevan (Lismont et al., 2017;
Rouhani et al., 2016). Penelitian tentang kematangan sistem intelijen bisnis juga menunjukkan
bahwa analitik bisnis jelas meningkatkan pengetahuan perusahaan melalui peningkatan
kualitas informasi (Popovič et al., 2014). Berdasarkan penjelasan ini, hipotesis kelima dari
studi ini adalah bahwa adopsi analitik bisnis memiliki pengaruh positif dan signifikan
terhadap retensi pengetahuan.
H6: Adopsi analitik bisnis berdampak positif dan signifikan terhadap kapabilitas
dinamis
Adopsi analitik bisnis memberikan wawasan yang lebih mendalam mengenai peluang
baik internal maupun eksternal. Dengan adopsi analitik bisnis, perusahaan dapat lebih baik
mengidentifikasi kebutuhan untuk meningkatkan metode operasional, mengawasi peluang dan
ancaman internal, serta menemukan ketidakefisienan dalam proses bisnis yang ada untuk
meningkatkan efisiensi dan efektivitas. Selain itu, analitik bisnis membantu dalam mendeteksi
peluang dan ancaman di lingkungan eksternal, mengenali peluang perubahan organisasi yang
didorong oleh kondisi pasar, dan memperkirakan opsi yang dapat diambil berdasarkan situasi
sekitar. Adopsi analitik bisnis juga berfungsi sebagai pendorong kapabilitas dinamis dengan
memungkinkan perusahaan untuk merespons masalah dan peluang penjualan dengan cepat.
Ini menciptakan strategi yang mendukung transformasi dan penyesuaian proses bisnis tepat
waktu, serta memungkinkan perusahaan untuk beradaptasi dengan cepat terhadap perubahan
kompetitif dan mengalokasikan sumber daya secara efisien (Torres et al., 2018). Analitik
bisnis memiliki dampak yang signifikan dalam memperkuat kapabilitas dinamis perusahaan,
membantu dalam mengelola sumber daya dengan lebih baik, membangun keterampilan data
Strategi Transformasi Digital di Era Big Data: Peran TOE Framework Adopsi Analitik Bisnis,
dan Retensi Pengetahuan
Syntax Idea, Vol. 6, No. 09, September 2024 3931
dan analitis di dalam organisasi, serta mengatasi kekurangan keterampilan teknis. Penelitian
oleh (Aydiner et al., 2019; Vidgen et al., 2017) menunjukkan bahwa adopsi analitik bisnis
meningkatkan kemampuan perusahaan untuk menghasilkan analitik yang dapat dipercaya,
mengelola data, memaksimalkan penggunaan data, dan pada akhirnya memperkuat kapabilitas
dinamis. Berdasarkan penjelasan ini, hipotesis keenam dari studi ini adalah bahwa adopsi
analitik bisnis memiliki pengaruh positif dan signifikan terhadap kapabilitas dinamis.
H7: Retensi pengetahuan berdampak positif dan signifikan terhadap kapabilitas
dinamis
Untuk memanfaatkan pengetahuan yang ada, melindungi, dan menciptakan pengetahuan
baru, perusahaan perlu mengembangkan strategi retensi pengetahuan. Ini melibatkan
pembangunan keterampilan, sumber daya teknis dan fisik, pengetahuan, budaya, serta struktur
yang mendukung dinamisme (Prieto & Easterby-Smith, 2006). Retensi pengetahuan berfungsi
untuk mengubah pengetahuan tacit individu menjadi pengetahuan eksplisit yang berguna di
tingkat organisasi (Levy, 2011; Paulin & Suneson, 2015). Perusahaan harus menyerap
pengetahuan secara efektif, yang akan meningkatkan kapabilitas dinamis mereka untuk
memantau dan memahami tren dari lingkungan internal dan eksternal. Dengan cara ini,
perusahaan dapat berkembang dan beradaptasi dengan pasar yang terus berubah, sehingga
meningkatkan kapabilitas dinamis mereka (Tseng & Lee, 2014). Kapabilitas dinamis yang
baik memperoleh manfaat dari manajemen pengetahuan yang diubah menjadi kinerja
perusahaan dan berdampak pada tingkat organisasi. Manajemen pengetahuan yang efektif
berkontribusi pada peningkatan kapabilitas dinamis (Tseng & Lee, 2014). Menurut Zollo &
Winter (2002), perusahaan perlu mentransformasikan pengetahuan individu menjadi
pengetahuan organisasi dan mempertahankan proses pembelajaran serta berbagi pengetahuan
untuk meningkatkan kapabilitas dinamis mereka dalam merespons dan beradaptasi dengan
perubahan lingkungan. Penelitian juga menunjukkan bahwa kemampuan eksplorasi
manajemen pengetahuan adalah komponen penting dari kapabilitas dinamis (Tseng & Lee,
2014). Retensi pengetahuan tidak hanya meningkatkan operasi dan proses yang lebih baik
tetapi juga berusaha untuk belajar dari sumber internal dan eksternal untuk menemukan ide
atau teknik baru yang dapat diterapkan dalam inovasi. (Drucker & Maciariello, 2014)
mencatat bahwa tujuan utama manajemen berbasis pengetahuan adalah menciptakan efek dan
menerapkan manajemen pengetahuan secara efektif untuk operasi perusahaan yang lebih baik.
Pengetahuan mencakup kemampuan asimilasi dan akuisisi, serta eksploitasi dan transformasi
pengetahuan baru (Prieto & Easterby-Smith, 2006). Retensi pengetahuan memberikan
organisasi wawasan mengenai tren eksternal dan kondisi pasar yang membantu mereka
beradaptasi dan berkembang dengan cepat, memperkuat kapabilitas dinamis (Tseng & Lee,
2014; Y. Wang & Byrd, 2017). Proses pembelajaran, penggunaan kembali, dan berbagi
pengetahuan harus dipertahankan untuk meningkatkan kapabilitas dinamis perusahaan dalam
merespons dan beradaptasi dengan perubahan lingkungan (Shuen, 1994). Transformasi ini
terkait dengan pemanfaatan kapabilitas pengetahuan organisasi dan retensinya (Bowman dan
Ambrosini, 2003; Iansiti dan Clark, 1994; Cepeda dan Vera, 2007). Shuen (1994)
menjelaskan bahwa kapabilitas dinamis berasal dari mekanisme pembelajaran yang
Dian Alanudin, Ahmad Fadgham Khaza’inullah
3932 Syntax Idea, Vol. 6, No. 09, September 2024
melibatkan akumulasi pengalaman, penghubungan pengetahuan, dan pengkodean. Oleh
karena itu, retensi pengetahuan organisasi merupakan faktor krusial untuk pengembangan
kapabilitas dinamis (Tseng & Lee, 2014; Y. Wang & Byrd, 2017).
H8: Kapabilitas Dinamis Berdampak Positif dan Signifikan terhadap Keunggulan
Kompetitif
Kapabilitas dinamis mempengaruhi keunggulan kompetitif melalui proses sensing,
seizing, dan transforming sumber daya, yang memungkinkan penciptaan produk yang lebih
baik dan diferensiasi pasar (Akter et al., 2016; Barney, 2014). Dalam konteks Industri 4.0,
kapabilitas dinamis sangat penting untuk mengikuti tren otomatisasi dan pertukaran data.
Untuk meningkatkan keunggulan kompetitif, penting untuk menilai kapabilitas dinamis dalam
meraih peluang dengan merancang, mengintegrasikan, dan memanfaatkan perubahan (Helfat
& Winter, 2011; Helfat & Peteraf, 2009). Kapabilitas dinamis membantu organisasi
mengatasi perubahan dalam visi jangka pendek dan panjang. Dukungan manajemen berperan
sebagai pendorong utama kapabilitas dinamis dan berkontribusi pada keunggulan kompetitif.
Dukungan ini mencakup penyediaan sumber daya yang memadai dan infrastruktur yang
diperlukan untuk meningkatkan keunggulan kompetitif. Selain itu, akuisisi sumber daya
relasional atau lingkungan juga penting untuk mendukung peningkatan kinerja kompetitif
perusahaan. Menurut Sirmon et al. (2007), kapabilitas dinamis mencakup proses menyusun
portofolio sumber daya perusahaan, menggabungkannya untuk membangun kapabilitas, dan
memanfaatkan kapabilitas tersebut untuk menciptakan serta mempertahankan nilai bagi
pelanggan dan pemilik. Melalui manajemen sumber daya, pandangan proses dari Resource-
Based Theory (RBT) menjelaskan bagaimana sumber daya VRIO dibangun, dimodifikasi, dan
dikonfigurasi ulang oleh kapabilitas dinamis untuk menghasilkan keunggulan kompetitif
(Simon et al., 2007). Kapabilitas dinamis juga memungkinkan akomodasi pembelajaran
organisasi dan faktor-faktor lingkungan untuk meningkatkan dan mempengaruhi keunggulan
kompetitif (Akter et al., 2016; Schilke, 2014). Oleh karena itu, hipotesis kedelapan dari studi
ini menyatakan bahwa kapabilitas dinamis memiliki dampak positif dan signifikan terhadap
keunggulan kompetitif.
H9: Retensi Pengetahuan Berdampak Positif dan Signifikan Terhadap Keunggulan
Kompetitif
Teece (1998) mendukung pentingnya penggunaan pengetahuan sehari-hari untuk
membangun keunggulan kompetitif dan kapabilitas perusahaan. Daya saing perusahaan
berasal dari proses penciptaan pengetahuan baru (eksplorasi) dan pemanfaatan pengetahuan
yang ada (Smith & Prieto, 2008). Untuk mencapai tujuan strategis, perusahaan perlu
mengembangkan dan memanfaatkan sumber daya pengetahuan secara efektif. Retensi
pengetahuan bertujuan untuk meningkatkan kinerja perusahaan dengan mencegah kehilangan
pengetahuan (Nadège Levallet & Chan, 2018). Perusahaan yang berhasil mengembangkan
dan menggunakan sumber daya pengetahuan secara optimal menunjukkan kapabilitas retensi
pengetahuan yang kuat, yang penting untuk meraih keunggulan kompetitif (Andrews & Smits,
2018). Retensi pengetahuan harus diterapkan untuk memanfaatkan data dan informasi yang
Strategi Transformasi Digital di Era Big Data: Peran TOE Framework Adopsi Analitik Bisnis,
dan Retensi Pengetahuan
Syntax Idea, Vol. 6, No. 09, September 2024 3933
tersedia dalam perusahaan guna meningkatkan layanan pelanggan, proses, dan operasi, serta
memperbaiki posisi mereka dalam berbagai aspek kompetisi seperti kecepatan, responsivitas,
kualitas, harga, dan inovasi. Selain itu, retensi pengetahuan dari data pelanggan, kemampuan
karyawan, dan kompetensi dapat membantu perusahaan meraih keunggulan kompetitif di
bidang perdagangan elektronik (Aghamirian et al., 2015). Dengan strategi ini, perusahaan
dapat mempertahankan posisi yang lebih baik dibandingkan pesaing melalui keunggulan
kompetitif mereka (Eidizadeh et al., 2017). Penelitian sebelumnya menunjukkan bahwa
perusahaan yang sukses sering kali memiliki kapabilitas untuk beradaptasi dalam kondisi
pasar yang tidak pasti saat ini (Ibrahim dan Goodwin, 1986; Vorhies dan Morgan, 2005).
Perusahaan-perusahaan ini mampu bertransformasi dan memenuhi harapan pelanggan melalui
alokasi sumber daya yang efisien serta perbaikan kompetensi dan kapabilitas, menghasilkan
layanan dan produk yang lebih baik dibandingkan pesaing mereka. Retensi pengetahuan
memberikan keuntungan seperti fleksibilitas, pengurangan biaya, manajemen yang lebih
efektif, dan keberhasilan pasar (Hitt et al., 2000).
Studi ini mengumpulkan data dari 327 perusahaan e-commerce yang beroperasi di
Indonesia, yang berada dalam pasar yang sangat kompetitif. Penelitian ini menggunakan
desain kuantitatif untuk menilai baik kualitas maupun kuantitas respons. Kami menerapkan
metode evaluasi ahli untuk menilai wording kuesioner dengan manajer e-commerce
terkemuka dan tim manajemen puncak untuk memastikan relevansi dan pemahaman
kuesioner. Penelitian ini menggunakan probability sampling. Menurut Hair et al. (2011),
faktor loading dari indikator harus lebih dari 0,6 untuk setiap konstruk. Kami juga melakukan
uji Bartlett untuk mengukur kecukupan sampel dengan ukuran Kaiser-Meyer-Olkin (KMO)
dan kegunaan analisis faktor. Reliabilitas konstruk diperiksa menggunakan statistik
Cronbach's alpha, yang harus lebih tinggi dari 0,7 (Rhemtulla, 2016). Manajemen menengah
hingga puncak perusahaan e-commerce diundang sebagai responden, karena mereka memiliki
pengetahuan langsung mengenai adopsi analitik bisnis, retensi pengetahuan, dan proses
kapabilitas dinamis yang mendukung keunggulan kompetitif. Survei didistribusikan melalui
formulir elektronik dan dikembalikan secara langsung oleh responden. Kami menerima 342
survei yang terisi, namun setelah menghapus data yang hilang, sampel akhir terdiri dari 327
perusahaan. Rata-rata usia perusahaan adalah lebih dari 12 tahun, dengan 50,65 persen berusia
lebih dari sepuluh tahun. Dalam hal pendidikan, 49 persen responden memiliki gelar
pascasarjana, 42,4 persen memiliki gelar sarjana, dan 8,06 persen memiliki gelar diploma atau
pendidikan tinggi.
Responden didominasi oleh pria (77,8 persen) dibandingkan wanita (22,2 persen),
sebuah distribusi yang sesuai dengan tren di bidang IT dan analitik bisnis. Dalam hal posisi,
26,9 persen responden berada pada manajemen puncak, 69,3 persen pada manajemen
menengah, dan 3,8 persen pada posisi lainnya. Mayoritas responden adalah manajemen
menengah (69,3 persen). Perusahaan yang disurvei beroperasi lebih dari 25 tahun (9,9
persen), antara 5 hingga 25 tahun (80,4 persen), dan kurang dari 5 tahun (9,6 persen). Dalam
hal ukuran perusahaan, 59,9 persen adalah perusahaan besar dengan lebih dari 100 karyawan,
36,5 persen perusahaan menengah dengan 20-99 karyawan, 1,8 persen perusahaan kecil
dengan 10-49 karyawan, dan 11,3 persen adalah mikro-perusahaan dengan kurang dari 20
Dian Alanudin, Ahmad Fadgham Khaza’inullah
3934 Syntax Idea, Vol. 6, No. 09, September 2024
karyawan. Perusahaan kecil dan mikro dikeluarkan dari analisis. Dalam hal jenis media e-
commerce, responden dapat memilih lebih dari satu jenis. Aplikasi berbasis web adalah yang
paling banyak dipilih (93,6 persen), diikuti oleh aplikasi mobile (78,4 persen), media sosial
commerce (77,2 persen), dan pesan instan (17,3 persen). Secara umum, perusahaan lebih
sering menggunakan situs web, aplikasi mobile, dan media sosial commerce untuk
mempromosikan produk dan layanan mereka, menggunakan platform seperti Instagram,
Facebook, TikTok, dan lainnya. Penggunaan media sosial commerce memiliki keuntungan
dibandingkan dengan membuat media sosial commerce sendiri. Kesimpulannya, aplikasi
berbasis web adalah yang paling banyak digunakan, karena lebih murah dibandingkan
membangun aplikasi mobile. Media e-commerce kedua dan ketiga yang paling banyak
digunakan adalah aplikasi mobile dan media sosial commerce, sementara penggunaan pesan
instan adalah yang paling sedikit dengan hanya 17,3 persen responden.
Penelitian ini mengadopsi model persamaan struktural dua langkah (SEM) untuk
memperkirakan model (Anderson dan Gerbing, 1988). Langkah pertama adalah memeriksa
validitas dan reliabilitas model pengukuran. Pemeriksaan dimulai dengan mengevaluasi faktor
loading standar (SFL) dari setiap indikator (item). Jika SFL kurang dari 0,50, indikator
tersebut tidak valid dan harus dihapus. Seperti yang disebutkan di atas, semua item disertakan,
dan tidak ada item yang dihapus karena SFL kurang dari 0,5. Demikian pula, variabel harus
dihapus jika SFL kurang dari 0,5. Tidak ada variabel dengan SFL kurang dari 0,5, sehingga
semua variabel dianggap valid. Selanjutnya, kami memeriksa reliabilitas variabel dengan
menguji variansi yang diekstraksi (AVE) dan reliabilitas konstruk (CR). Dimensi atau
variabel dianggap reliabel jika AVE sama dengan atau lebih besar dari 0,50 dan CR sama
dengan atau lebih besar dari 0,60. Ukuran sampel minimum untuk SEM adalah lima kali
jumlah indikator yang dimodelkan (Bentler dan Chou, 1987). Dalam sampel kami yang terdiri
dari 327 perusahaan dengan 90 indikator, sampel kami berada di bawah persyaratan
minimum. Oleh karena itu, kami menyederhanakan dimensi variabel dengan melakukan
parceling (Rhemtulla, 2016) dan menggunakan skor variabel laten (Jöreskog et al., 2006), di
mana model analisis konfirmasi tingkat kedua diubah menjadi model analisis konfirmasi
tingkat pertama. Parceling mengurangi jumlah indikator menjadi 17 dan membuat ukuran
sampel kami memadai. Hal ini menghasilkan estimasi parameter yang lebih stabil untuk
sampel kecil (Bandalos, 2002) dan meningkatkan kecocokan model. Langkah kedua dari SEM
adalah menganalisis dan hasilnya ditunjukkan di tabel 1.
HASIL DAN PEMBAHASAN
Tabel 2 dan Gambar 1 menunjukkan hasil pengujian hipotesis. Kesembilan hipotesis
didukung secara empiris. Dukungan untuk H1 dan H2 menunjukkan bahwa Faktor Teknologi
(TF) memiliki efek positif dan signifikan terhadap Faktor Organisasi (OF) dan Faktor
Lingkungan (EF). Faktor teknologi adalah pendorong utama transformasi digital. Temuan ini
konsisten dengan sifat TF yang memicu perubahan signifikan karena ia secara substansial
mengubah cara teknologi diadopsi. Faktor teknologi seharusnya dianggap relatif mudah
dipahami dan digunakan, sebagai aset TI, dan kompatibel atau dianggap konsisten dengan
nilai-nilai yang ada, pengalaman masa lalu, dan kebutuhan calon pengadopsi. Implementasi
Strategi Transformasi Digital di Era Big Data: Peran TOE Framework Adopsi Analitik Bisnis,
dan Retensi Pengetahuan
Syntax Idea, Vol. 6, No. 09, September 2024 3935
dimulai dengan mengumpulkan kebutuhan bisnis untuk mempengaruhi faktor organisasi dan
meningkatkan faktor lingkungan agar sesuai dengan kebutuhan bisnis. Regulasi pemerintah,
dukungan regulasi, dan tekanan kompetitif dapat didorong oleh kemajuan teknologi. Selain
itu, organisasi harus melakukan perubahan dan meningkatkan teknologi ini sebagai respons
untuk menghadapi era digital, atau organisasi akan kehilangan peluang dan pekerjaan yang
saat ini mereka miliki. Perusahaan perlu terus-menerus memperbarui infrastruktur teknologi
dan perangkat lunak mereka. Kondisi ini adalah perubahan yang harus dilakukan, dan
memerlukan alat serta perbaikan teknologi untuk melaksanakan dan menerapkan transformasi
digital. Faktor teknologi mendorong faktor organisasi untuk meningkat. Faktor organisasi
juga dianggap dan merujuk pada karakteristik perusahaan yang memfasilitasi atau membatasi
implementasi transformasi digital, seperti dukungan manajemen puncak, komunikasi
organisasi, dan kualitas sumber daya manusia. Faktor organisasi juga harus terkait dengan
penciptaan produk, layanan, atau diferensiasi pasar. Temuan ini menerangkan bahwa, seiring
dengan meningkatnya faktor teknologi, faktor organisasi dan lingkungan juga akan
ditingkatkan secara efektif.
Dukungan untuk H3 menunjukkan bahwa OF memiliki efek positif dan signifikan
terhadap BAA. OF, seperti mengalokasikan waktu dari manajemen puncak untuk program
analitik bisnis, meninjau rencana, menindaklanjuti hasil, dan memfasilitasi masalah
manajemen yang terlibat dengan integrasi teknologi informasi dan komunikasi (TIK),
meningkatkan adopsi analitik bisnis yang efektif dalam organisasi (Ramamurthy et al., 2008).
Selain itu, OF adalah faktor internal dalam organisasi. Oleh karena itu, perusahaan perlu
memanfaatkan sumber daya ini secara efektif. Tanpa insentif internal yang melengkapi, OF
tidak dapat dimanfaatkan secara luas. Akibatnya, perusahaan tidak dapat memprediksi masa
depan dan merencanakan dengan baik. Sebaliknya, OF ditingkatkan untuk memaksimalkan
kemampuan peramalan berbasis data BAA. Yang menggunakan analitik deskriptif, prediktif,
dan preskriptif untuk membuat keputusan yang lebih baik, memperoleh wawasan, dan
mendorong tindakan yang bergantung pada sumber daya yang kuat seperti OF. Hal ini
tercermin dari hubungan positif dan signifikan yang diamati dalam hasil penelitian ini.
Sumber daya terakhir dalam TOE Framework adalah lingkungan yang mempengaruhi BAA.
Pengaruh dari lingkungan bisnis eksternal memungkinkan perusahaan untuk memfasilitasi
BAA dengan mengumpulkan data dan informasi dari luar perusahaan. Selain itu, dampak
tekanan kompetitif dan regulasi pemerintah dari lingkungan eksternal mempengaruhi BAA
secara signifikan. Dukungan untuk H4, studi ini menemukan bahwa EF memiliki efek positif
dan signifikan terhadap BAA.
Hipotesis kelima diterima, sejalan dengan pengembangan teori. Adopsi analitik bisnis
diperkirakan memiliki hubungan positif dan signifikan dengan retensi pengetahuan.
Hubungan ini adalah yang tertinggi dibandingkan dengan semua hubungan dalam studi ini.
Penelitian ini menggunakan asumsi bahwa analitik bisnis memberikan pemahaman yang lebih
baik tentang data rutin perusahaan, yang dapat meningkatkan kepuasan kebutuhan pelanggan.
Fokus pada analitik bisnis sebagai pendorong proses bisnis yang dapat merangsang akses
pengetahuan, berbagi, dan mendukung perusahaan dalam mengembangkan keterampilan
analitik. Studi ini menemukan bahwa perusahaan yang ingin meningkatkan retensi
Dian Alanudin, Ahmad Fadgham Khaza’inullah
3936 Syntax Idea, Vol. 6, No. 09, September 2024
pengetahuan mereka memerlukan peningkatan penting dalam adopsi analitik bisnis sebagai
faktor penentu. Studi ini menekankan hubungan yang jelas antara penyimpanan pengetahuan,
akuisisi pengetahuan, serta pengambilan pengetahuan. Adopsi analitik bisnis meningkatkan
semua fase ini. Perusahaan akan memiliki akuisisi pengetahuan yang lebih baik dengan
pemrosesan data dan pengolahan yang lebih baik dalam analitik bisnis. Penyimpanan
pengetahuan cenderung memudahkan penggunaan kembali pengetahuan dengan
menggunakan adopsi analitik bisnis. Analitik deskriptif dan prediktif meningkatkan
penyimpanan pengetahuan perusahaan. Analitik prediktif memperbaiki pengambilan
pengetahuan perusahaan. Dengan analitik prediktif, penggunaan kembali pengetahuan akan
dipertahankan dan ditingkatkan. Dengan kata lain, kehilangan pengetahuan akan berkurang.
Studi ini juga sejalan dan mendukung studi sebelumnya oleh (N Levallet & Chan, 2016;
Nadège Levallet & Chan, 2018). Penyimpanan pengetahuan adalah faktor dominan yang
menjelaskan retensi pengetahuan yang dipengaruhi oleh adopsi analitik bisnis. Ini
menjelaskan bahwa data yang luas dikombinasikan dengan penambangan data menggunakan
perangkat lunak analitik bisnis meningkatkan penyimpanan pengetahuan perusahaan. Studi ini
memberikan wawasan dan determinan retensi pengetahuan bagi perusahaan dan menunjukkan
bahwa adopsi analitik bisnis memiliki dampak positif langsung pada retensi pengetahuan.
Penambangan data dalam akuisisi data dan pemrosesan dalam analitik bisnis adalah salah satu
mekanisme transfer pengetahuan. Selain itu, studi ini menunjukkan bahwa adopsi analitik
bisnis adalah faktor penentu dan pendorong retensi pengetahuan dalam menjaga pengetahuan
(de Holan et al., 2004). Singkatnya, studi ini menyimpulkan bahwa adopsi analitik bisnis
adalah aspek kritis dalam meningkatkan retensi pengetahuan perusahaan dan mendukung H5.
Hasil signifikan dari H6 menunjukkan bahwa BAA (Business Analytics Adoption)
berpengaruh positif dan signifikan terhadap Kemampuan Dinamis. BAA berkontribusi pada
DC (Dynamic Capability) melalui proses deskriptif, prediktif, dan preskriptif untuk
merasakan, merebut, dan mentransformasi dalam kondisi ketidakpastian dan ambigu. BAA
meningkatkan proses merasakan, mengkoordinasikan, belajar, mengintegrasikan, dan
mengkonfigurasi ulang, yang pada akhirnya meningkatkan tingkat daya saing. Perspektif
kemampuan dinamis membantu menjelaskan bagaimana memanfaatkan analitik big data
untuk mendeteksi, mengantisipasi, dan merespons lingkungan yang tidak pasti. Pengujian
hipotesis dalam penelitian ini menunjukkan bahwa adopsi analitik bisnis memang
mempengaruhi kemampuan dinamis (H6 diterima). Ini berarti bahwa adopsi analitik bisnis
dianggap sebagai faktor penentu dalam menghasilkan kemampuan dinamis. Dengan adopsi
analitik bisnis, perusahaan cenderung memiliki kemampuan yang lebih baik dalam
merasakan, merebut, dan mentransformasikan sumber daya untuk memanfaatkan peluang
eksternal. Dengan akuisisi dan pemrosesan data yang lebih baik, perusahaan memiliki data
deskriptif yang lebih baik untuk merasakan peluang di luar yang tersedia. Dengan prediktif
yang lebih baik, perusahaan memiliki sumber daya yang lebih baik untuk merebut sebagai
pelopor pertama untuk merespons dan memanfaatkan peluang yang telah mereka tangkap
lebih awal. Dengan preskriptif, perusahaan meningkatkan kemampuan mereka dalam
mentransformasikan sumber daya mereka. Akuisisi dan pemrosesan data adalah persyaratan
dasar yang harus dimiliki semua perusahaan.
Strategi Transformasi Digital di Era Big Data: Peran TOE Framework Adopsi Analitik Bisnis,
dan Retensi Pengetahuan
Syntax Idea, Vol. 6, No. 09, September 2024 3937
Hipotesis ketujuh (H7, diterima) menggambarkan hubungan antara retensi pengetahuan
dan kemampuan dinamis. Penelitian ini mendukung pandangan bahwa retensi pengetahuan
adalah penggerak utama kemampuan dinamis. Menurut penelitian ini, mekanisme
pembelajaran dan sumber daya pengetahuan adalah hal yang krusial untuk mengembangkan
kemampuan dinamis. Temuan ini sejalan dengan hasil empiris sebelumnya mengenai
pengaruh kemampuan dinamis dan manajemen pengetahuan terhadap kinerja perusahaan
(Tseng & Lee, 2014). Ini mengkonfirmasi pentingnya pengetahuan untuk kemampuan
dinamis dalam kinerja perusahaan (Permana & Ellitan, 2020) (Tseng & Lee, 2014). Retensi
pengetahuan sangat terkait dengan kemampuan dinamis. Untuk memiliki kemampuan dinamis
yang lebih baik melalui retensi pengetahuan, perusahaan harus memiliki proses dalam
menggunakan pengetahuan untuk mengembangkan produk dan layanan baru, menerapkan dan
menggunakan pengetahuan untuk menyesuaikan diri dengan lingkungan kompetitif yang
berubah, serta dapat dengan cepat menerapkan pengetahuan untuk kebutuhan kompetitif yang
kritis.
Retensi pengetahuan dianggap sebagai penentu dan sumber penting untuk menciptakan
keunggulan kompetitif perusahaan (H8, diterima). Penelitian ini sejalan dan membuktikan
bahwa semua dimensi retensi pengetahuan, yaitu akuisisi pengetahuan, penyimpanan
pengetahuan, dan pengambilan pengetahuan, memiliki korelasi dan hubungan langsung dalam
meningkatkan keunggulan kompetitif. Akuisisi pengetahuan yang lebih baik, penyimpanan
pengetahuan, serta penggunaan atau pengambilan pengetahuan yang lebih baik memberikan
dampak yang lebih baik pada praktik bisnis, proses, dan rutinitas sehari-hari (Knowledge,
2004). Pada akhirnya, penentu ini akan meningkatkan keunggulan kompetitif perusahaan.
Retensi pengetahuan sangat berkorelasi dengan keunggulan kompetitif. Perusahaan cenderung
lebih memahami operasional dan kebutuhan pelanggan mereka. Studi sebelumnya
menemukan dan mendukung bahwa pengetahuan adalah penggerak keunggulan kompetitif.
Keunggulan kompetitif yang berasal dari pengambilan pengetahuan sebagai sumber daya
fundamental merupakan dorongan bagi pertumbuhan perusahaan. Dalam perusahaan e-
commerce, penggunaan kembali informasi dan pengetahuan untuk menyelesaikan masalah
baru, menyesuaikan keputusan strategis, dan menyediakan serta membuat pengetahuan dapat
diakses oleh semua pihak yang membutuhkannya akan menciptakan keunggulan kompetitif.
Misalnya, ketika sebuah perusahaan menghadapi masalah dalam meningkatkan pengalaman
pelanggan melalui layanan pelanggan, sangat penting untuk mengetahui cara memberikan
layanan pelanggan yang lebih baik. Dalam e-commerce ritel online, layanan pelanggan
penting untuk menyelesaikan masalah secepat mungkin untuk "semua" pelanggan sebanyak
mungkin. Kontak langsung atau panggilan langsung untuk menangani masalah pelanggan
tidak begitu diperlukan seperti dalam bisnis tradisional. Kebanyakan pelanggan e-commerce,
terutama pengguna akhir ritel online, lebih nyaman menggunakan komunikasi digital tidak
langsung, seperti email, chat ke layanan pelanggan, atau bahkan chatbot. Meskipun demikian,
pengetahuan ini perlu digunakan untuk menyelesaikan masalah dalam meningkatkan
pengalaman pelanggan melalui layanan pelanggan. Dengan menggunakan chatbot, mengirim
email, chat langsung menggunakan situs web atau aplikasi seluler, atau menggunakan media
sosial untuk menghubungi layanan pelanggan adalah contoh penggunaan kembali informasi
Dian Alanudin, Ahmad Fadgham Khaza’inullah
3938 Syntax Idea, Vol. 6, No. 09, September 2024
untuk menyelesaikan masalah dalam situasi baru. Pengetahuan ini akan mengubah dan
memperbaiki perilaku, rutinitas, atau proses agar lebih baik dan, pada akhirnya, akan
menciptakan keunggulan kompetitif bagi perusahaan.
Dalam hipotesis ini (H9, diterima), kemampuan dinamis diprediksi mempengaruhi
hubungan antara kemampuan dinamis dan keunggulan kompetitif secara positif. Kemampuan
dinamis memainkan peran krusial dalam memanfaatkan peluang baru dari luar. Peluang baru
dikumpulkan dari wawasan analitik bisnis dan memberikan perusahaan kemampuan yang
lebih baik dalam mendeteksi, merebut, dan mengubah sumber daya untuk menciptakan
diferensiasi dalam produk dan pasar. Kemampuan dinamis dapat meningkatkan kemungkinan
perusahaan menengah dan besar untuk menjadi pelopor pertama. Keuntungan sebagai pelopor
dalam memanfaatkan peluang dari luar meningkatkan keunggulan kompetitif perusahaan.
Studi ini menemukan bahwa kemampuan dinamis perusahaan, terutama kemampuan untuk
mendeteksi peluang luar, mempengaruhi hubungan antara kemampuan dinamis dan
keunggulan kompetitif. Hasil studi ini menganggap kemampuan dinamis sebagai kunci untuk
mencapai keunggulan kompetitif perusahaan. Hasilnya juga menekankan bahwa keunggulan
kompetitif perusahaan dapat dicapai melalui pengembangan kemampuan dinamis. Kondisi ini
terjadi karena kemampuan dinamis akan mengubah sifat dari 'kemampuan biasa' organisasi
menjadi 'kemampuan tingkat lebih tinggi.' Keunggulan kompetitif adalah keuntungan
sementara yang selalu perlu diperbarui. Dengan pembaruan yang terus-menerus, perubahan
terus-menerus, atau adaptasi terhadap situasi saat ini, keunggulan kompetitif dapat dicapai.
Singkatnya, perusahaan perlu membangun kemampuan dinamis untuk memperoleh daya
saing.
Tabel 2. Hasil dari Hypothesis Testing
Estimates
T
Statistics
P
Values
H1: Technological Factors-> Organizational Factors
0.657
6.993
0.000
H2: Technological Factors -> Environmental Factors
0.661
9.180
0.000
H3: Organizational Factors -> Business Analytics
Adoption
0.532
6.046
0.000
H4: Environmental Factors -> Business Analytics
Adoption
0.396
3.920
0.000
H5: Business Analytics Adoption->Knowledge
Retention
0.832
28.313
0.000
H6: Business Analytics Adoption->Dynamic Capability
0.255
3.152
0.002
H7: Knowledge Retention->Dynamic Capability
0.669
8.603
0.000
H8: Knowledge Retention->Competitive Advantage
0.246
2.967
0.000
H9: Dynamic Capability->Competitive Advantage
0.618
6.377
0.000
Temuan ini menyoroti model yang diusulkan untuk strategi transformasi digital di era
big data, serta pentingnya TOE Framework yang menunjukkan bahwa adopsi analitik bisnis
(BAA) memediasi melalui retensi pengetahuan (KR) dan kemampuan dinamis (DC) untuk
menciptakan keunggulan kompetitif. Sejalan dengan era transformasi digital, faktor teknologi
adalah pendahulu yang mempengaruhi faktor organisasi dan lingkungan. Hasil penting
lainnya dari studi ini memberikan perspektif baru terhadap literatur sebelumnya,
menunjukkan bahwa faktor teknologi (TF) sebagai pendahulu dan penggerak untuk faktor
organisasi (OF) dan faktor lingkungan (EF). Hubungan antara TF dan EF (0,661) sedikit lebih
Strategi Transformasi Digital di Era Big Data: Peran TOE Framework Adopsi Analitik Bisnis,
dan Retensi Pengetahuan
Syntax Idea, Vol. 6, No. 09, September 2024 3939
tinggi dibandingkan dengan hubungan antara TF dan OF (0,657). Selain itu, dukungan EF
terhadap BAA merupakan faktor terendah dibandingkan dengan OF. Seperti yang terlihat
pada Tabel 2 dan Gambar 1, koefisien untuk H4 adalah 0,396, dan koefisien terendah
dibandingkan dengan H3 (0,532). Jadi, di antara kedua faktor tersebut, faktor organisasi
memiliki dampak tertinggi pada BAA, diikuti oleh faktor lingkungan, seperti yang terlihat
dari hasil bahwa semua faktor (OF dan EF) secara signifikan dan positif mendukung BAA.
Meskipun kedua faktor lingkungan dan organisasi mempengaruhi dan meningkatkan BAA,
perusahaan sebaiknya memfokuskan pada faktor organisasi terlebih dahulu, diikuti oleh faktor
lingkungan.
Selain itu, studi ini menunjukkan bahwa BAA memediasi faktor organisasi dan
lingkungan terhadap KR dan DC. Perhitungan tes Sobel untuk faktor organisasi menunjukkan
nilai z adalah 2,792 dengan kesalahan standar 0,049 dan nilai p 0,005. Nilai z yang diperoleh
adalah 2,792 > 1,96, dan nilai p adalah 0,005 < 0,05, sehingga membuktikan bahwa BAA
mampu memediasi hubungan antara OF dan DC. BAA terbukti sepenuhnya memediasi
hubungan antara Faktor Organisasi (OF) dan Retensi Pengetahuan (KR), menunjukkan bahwa
nilai z adalah 5,916, dengan kesalahan standar 0,075 dan nilai p 0. Nilai z yang diperoleh
adalah 5,916 > 1,96 dan nilai p 0 < 0,05, sehingga peran mediasi BAA dalam hubungan OF
dan KR terbukti signifikan. BAA juga terbukti signifikan dalam memediasi faktor lingkungan
terhadap KR. Dari hasil perhitungan Tes Sobel, nilai z adalah 3,885 dengan kesalahan standar
0,085 dan nilai p 0,00, yang membuktikan bahwa BAA sepenuhnya memediasi hubungan
antara Faktor Lingkungan (EF) dan Retensi Pengetahuan (KR). Selain itu, BAA sepenuhnya
memediasi hubungan antara Faktor Lingkungan (EF) dan Kemampuan Dinamis (DC). Nilai z
adalah 2,455 dengan kesalahan standar 0,0411 dan nilai p 0,014. Nilai z yang diperoleh
adalah 2,455 > 1,96, dan nilai p adalah 0,014 < 0,05.
Meskipun semua hipotesis dalam model ini signifikan, hasil dari hubungan dampak
tidak langsung BAA melalui KR (0,832 x 0,669 = 0,557) lebih tinggi dibandingkan dengan
dampaknya langsung pada DC (0,255). Retensi Pengetahuan (KR) terbukti penting dalam
memediasi BAA untuk mencapai Keunggulan Kompetitif (CA). Dalam hubungan BAA
terhadap CA yang dimediasi oleh DC, hasil perhitungan Tes Sobel menunjukkan nilai z
adalah 2,914 dengan kesalahan standar 0,153 dan nilai p 0,00356119. Nilai z yang diperoleh
adalah 2,914 > 1,96, dan nilai p adalah 0,00356119 < 0,05, sehingga membuktikan bahwa DC
mampu memediasi hubungan antara BAA dan CA. Peran mediasi DC terbukti signifikan.
Mediator KR dan DC memainkan peran penting dalam BAA untuk mencapai CA. BAA dan
CA tidak memiliki korelasi langsung dalam penelitian ini. BAA yang dimediasi oleh KR
menuju CA memiliki pengaruh lebih besar (0,832 x 0,246 = 0,204) dibandingkan dengan
yang dimediasi oleh DC menuju CA (0,204 versus 0,255 x 0,618 = 0,158), yang berarti untuk
mempengaruhi CA, BAA lebih baik dimediasi oleh KR daripada oleh DC. Peran penting
BAA adalah mendukung KR dan DC, dan peran KR dan DC yang lebih kuat adalah
memanfaatkan BAA untuk mencapai CA.
Penelitian ini juga menunjukkan bahwa hubungan antara BAA yang dimediasi melalui
KR terlebih dahulu dan kemudian melalui KR dan DC menuju CA
(0,832x0,669x0,618=0,344) adalah elaborasi terbaik untuk mencapai CA. Kesimpulannya,
Dian Alanudin, Ahmad Fadgham Khaza’inullah
3940 Syntax Idea, Vol. 6, No. 09, September 2024
CA dapat bergantung pada peran strategis KR dan DC, dan KR serta DC dapat ditingkatkan
melalui BAA sebagai pembeda dalam era digital ini dengan menciptakan produk baru,
layanan, dan diferensiasi pasar melalui pemanfaatan data yang ekstensif.
KESIMPULAN
Berdasarkan hasil dan pembahasan diperoleh hasil bahwa faktor yang dapat
meningkatkan adopsi analitik bisnis, yang pada gilirannya meningkatkan dampaknya terhadap
retensi pengetahuan, kapabilitas dinamis, dan keunggulan kompetitif. Penelitian ini
menunjukkan bahwa adopsi analitik bisnis berhubungan langsung dengan retensi pengetahuan
(0,832 x 0,669 = 0,557), yang lebih efektif dalam mencapai keunggulan kompetitif
dibandingkan dengan adopsi analitik bisnis yang dimediasi oleh kapabilitas dinamis (0,255).
Sebagai strategi transformasi digital, perusahaan perlu menggunakan analitik bisnis untuk
menangkap peluang eksternal dan mempertahankan pengetahuan dari data. Dengan adopsi
analitik bisnis, kapabilitas dinamis perusahaan akan meningkat, dan pengetahuan perusahaan
akan terjaga. Data dan analitik bisnis memungkinkan perusahaan untuk menciptakan tren
melalui diferensiasi produk dan pasar, yang pada akhirnya berkontribusi pada pencapaian
keunggulan kompetitif. Penelitian ini menggarisbawahi pentingnya penerapan TOE
Framework (Teknologi, Organisasi, dan Lingkungan) dalam adopsi analitik bisnis untuk
mencapai keunggulan kompetitif melalui retensi pengetahuan dan kapabilitas dinamis.
Retensi pengetahuan memperbaiki proses internal, sedangkan kapabilitas dinamis
memungkinkan perusahaan untuk memanfaatkan peluang di lingkungan yang dinamis.
BIBLIOGRAFI
Aghamirian, B., Dorri, B., & Aghamirian, B. (2015). Customer knowledge management application in
gaining organization’s competitive advantage in electronic commerce. Journal of Theoretical
and Applied Electronic Commerce Research, 10(1), 63–78.
Akter, S., Wamba, S. F., Gunasekaran, A., Dubey, R., & Childe, S. J. (2016). How to improve firm
performance using big data analytics capability and business strategy alignment? International
Journal of Production Economics, 182, 113–131.
Alshamaila, Y., Papagiannidis, S., & Li, F. (2013). Cloud computing adoption by SMEs in the north
east of England: A multi‐perspective framework. Journal of Enterprise Information
Management, 26(3), 250–275.
Andrews, M., & Smits, S. J. (2018). Knowing what we know: uncovering tacit knowledge for
improved organizational performance. Journal of Organizational Psychology, 18(5).
Aydiner, A. S., Tatoglu, E., Bayraktar, E., Zaim, S., & Delen, D. (2019). Business analytics and firm
performance: The mediating role of business process performance. Journal of Business
Research, 96, 228–237.
Baker, J. (2012). The technology–organization–environment framework. Information Systems Theory:
Explaining and Predicting Our Digital Society, Vol. 1, 231–245.
Bandalos, D. L. (2002). The effects of item parceling on goodness-of-fit and parameter estimate bias
in structural equation modeling. Structural Equation Modeling, 9(1), 78–102.
Barney, J. B. (2014). How marketing scholars might help address issues in resource-based theory.
Journal of the Academy of Marketing Science, 42, 24–26.
Chen, H., & Ma, T. (2014). Technology adoption with limited foresight and uncertain technological
learning. European Journal of Operational Research, 239(1), 266–275.
Chong, J., & Olesen, K. (2017). A technology-organization-environment perspective on eco-
effectiveness: A meta-analysis. Australasian Journal of Information Systems, 21.
Strategi Transformasi Digital di Era Big Data: Peran TOE Framework Adopsi Analitik Bisnis,
dan Retensi Pengetahuan
Syntax Idea, Vol. 6, No. 09, September 2024 3941
Chwelos, P., Benbasat, I., & Dexter, A. S. (2001). Empirical test of an EDI adoption model.
Information Systems Research, 12(3), 304–321.
Conboy, K., Mikalef, P., Dennehy, D., & Krogstie, J. (2020). Using business analytics to enhance
dynamic capabilities in operations research: A case analysis and research agenda. European
Journal of Operational Research, 281(3), 656–672.
Davenport, T., Guha, A., Grewal, D., & Bressgott, T. (2020). How artificial intelligence will change
the future of marketing. Journal of the Academy of Marketing Science, 48, 24–42.
de Holan, P. M., Phillips, N., & Lawrence, T. B. (2004). Managing organizational forgetting. MIT
Sloan Management Review.
DeGroote, S. E., & Marx, T. G. (2013). The impact of IT on supply chain agility and firm
performance: An empirical investigation. International Journal of Information Management,
33(6), 909–916.
Delen, D., & Demirkan, H. (2013). Data, information and analytics as services. In Decision Support
Systems (Vol. 55, Issue 1, pp. 359–363). Elsevier.
Devece, C., Palacios, D., & Martinez-Simarro, D. (2017). Effect of information management
capability on organizational performance. Service Business, 11, 563–580.
Drucker, P., & Maciariello, J. (2014). Innovation and entrepreneurship. Routledge.
Dubey, R., Gunasekaran, A., Childe, S. J., Wamba, S. F., & Papadopoulos, T. (2016). The impact of
big data on world-class sustainable manufacturing. The International Journal of Advanced
Manufacturing Technology, 84, 631–645.
Dutta, D., & Bose, I. (2015). Managing a big data project: the case of ramco cements limited.
International Journal of Production Economics, 165, 293–306.
Eidizadeh, R., Salehzadeh, R., & Chitsaz Esfahani, A. (2017). Analysing the role of business
intelligence, knowledge sharing and organisational innovation on gaining competitive
advantage. Journal of Workplace Learning, 29(4), 250–267.
Erickson, G. S., & Rothberg, H. N. (2013). A strategic approach to knowledge development and
protection. The Service Industries Journal, 33(13–14), 1402–1416.
Gangwar, H. (2018). Understanding the determinants of big data adoption in India: An analysis of the
manufacturing and services sectors. Information Resources Management Journal (IRMJ), 31(4),
1–22.
Hitt, M. A., Ireland, R. D., & Lee, H. (2000). Technological learning, knowledge management, firm
growth and performance: an introductory essay. Journal of Engineering and Technology
Management, 17(3–4), 231–246.
Jöreskog, K. G., Sörbom, D., & Wallentin, F. Y. (2006). Latent variable scores and observational
residuals. Retrieved June, 7, 2009.
Knowledge, L. (2004). Confronting the Threat of an Aging Workforce, David W. DeLong.
Lacity, M. C., Khan, S., Yan, A., & Willcocks, L. P. (2010). A review of the IT outsourcing empirical
literature and future research directions. Journal of Information Technology, 25(4), 395–433.
LaValle, S., Lesser, E., Shockley, R., Hopkins, M. S., & Kruschwitz, N. (2010). Big data, analytics
and the path from insights to value. MIT Sloan Management Review.
Levallet, N, & Chan, Y. E. (2016). Knowledge loss and retention: the paradoxical role of IT. In
Successes and failures of knowledge management (pp. 97–111). Elsevier.
Levallet, Nadège, & Chan, Y. E. (2018). Role of Digital Capabilities in Unleashing the Power of
Managerial Improvisation. MIS Quarterly Executive, 17(1).
Levy, M. (2011). Knowledge retention: minimizing organizational business loss. Journal of
Knowledge Management, 15(4), 582–600.
Lin, Y., & Wu, L.-Y. (2014). Exploring the role of dynamic capabilities in firm performance under the
resource-based view framework. Journal of Business Research, 67(3), 407–413.
Lismont, J., Vanthienen, J., Baesens, B., & Lemahieu, W. (2017). Defining analytics maturity
indicators: A survey approach. International Journal of Information Management, 37(3), 114–
124.
Marques, M., Lopes, F., Costa, R., Agostinho, C., Oliveira, P., & Jardim-Goncalves, R. (2019).
Innovative product/service for personalized health management. ASME International
Dian Alanudin, Ahmad Fadgham Khaza’inullah
3942 Syntax Idea, Vol. 6, No. 09, September 2024
Mechanical Engineering Congress and Exposition, 59384, V02BT02A029.
Mathew, S. K. (2012). Adoption of business intelligence systems in Indian fashion retail. International
Journal of Business Information Systems, 9(3), 261–277.
Merigó, J. M., Mas-Tur, A., Roig-Tierno, N., & Ribeiro-Soriano, D. (2015). A bibliometric overview
of the Journal of Business Research between 1973 and 2014. Journal of Business Research,
68(12), 2645–2653.
Obitade, P. O. (2019). Big data analytics: a link between knowledge management capabilities and
superior cyber protection. Journal of Big Data, 6(1), 71.
Paulin, D., & Suneson, K. (2015). Knowledge transfer, knowledge sharing and knowledge barriers–
three blurry terms in KM. Leading Issues in Knowledge Management, 2(2), 73.
Permana, A., & Ellitan, L. (2020). The role of dynamic capability in mediating the effects of
environmental dynamism and managerial capabilities on firm performance: a preliminary study.
Journal of Entrepreneurship and Business, 1(2), 70–83.
Popovič, A., Hackney, R., Coelho, P. S., & Jaklič, J. (2014). How information-sharing values
influence the use of information systems: An investigation in the business intelligence systems
context. The Journal of Strategic Information Systems, 23(4), 270–283.
Prieto, I. M., & Easterby-Smith, M. (2006). Dynamic capabilities and the role of organizational
knowledge: an exploration. European Journal of Information Systems, 15(5), 500–510.
Ramamurthy, K., Sen, A., & Sinha, A. P. (2008). Data warehousing infusion and organizational
effectiveness. IEEE Transactions on Systems, Man, and Cybernetics-Part A: Systems and
Humans, 38(4), 976–994.
Ramanathan, R., Philpott, E., Duan, Y., & Cao, G. (2017). Adoption of business analytics and impact
on performance: a qualitative study in retail. Production Planning & Control, 28(11–12), 985–
998.
Rhemtulla, M. (2016). Population performance of SEM parceling strategies under measurement and
structural model misspecification. Psychological Methods, 21(3), 348.
Rouhani, S., Ashrafi, A., Zare Ravasan, A., & Afshari, S. (2016). The impact model of business
intelligence on decision support and organizational benefits. Journal of Enterprise Information
Management, 29(1), 19–50.
Sahay, B. S., & Ranjan, J. (2008). Real time business intelligence in supply chain analytics.
Information Management & Computer Security, 16(1), 28–48.
Schilke, O. (2014). On the contingent value of dynamic capabilities for competitive advantage: The
nonlinear moderating effect of environmental dynamism. Strategic Management Journal, 35(2),
179–203.
Sivarajah, U., Kamal, M. M., Irani, Z., & Weerakkody, V. (2017). Critical analysis of Big Data
challenges and analytical methods. Journal of Business Research, 70, 263–286.
Torres, R., Sidorova, A., & Jones, M. C. (2018). Enabling firm performance through business
intelligence and analytics: A dynamic capabilities perspective. Information & Management,
55(7), 822–839.
Trieu, V.-H. (2017). Getting value from Business Intelligence systems: A review and research agenda.
Decision Support Systems, 93, 111–124.
Tseng, S.-M., & Lee, P.-S. (2014). The effect of knowledge management capability and dynamic
capability on organizational performance. Journal of Enterprise Information Management,
27(2), 158–179.
ur Rehman, M. H., Chang, V., Batool, A., & Wah, T. Y. (2016). Big data reduction framework for
value creation in sustainable enterprises. International Journal of Information Management,
36(6), 917–928.
Verma, S., & Bhattacharyya, S. S. (2017). Perceived strategic value-based adoption of Big Data
Analytics in emerging economy: A qualitative approach for Indian firms. Journal of Enterprise
Information Management, 30(3), 354–382.
Vidgen, R., Shaw, S., & Grant, D. B. (2017). Management challenges in creating value from business
analytics. European Journal of Operational Research, 261(2), 626–639.
Wade, M., & Hulland, J. (2004). The resource-based view and information systems research: Review,
Strategi Transformasi Digital di Era Big Data: Peran TOE Framework Adopsi Analitik Bisnis,
dan Retensi Pengetahuan
Syntax Idea, Vol. 6, No. 09, September 2024 3943
extension, and suggestions for future research. MIS Quarterly, 107–142.
Waldemar, G., & Maciej, Z. (2016). The ability to assimilate technology as a source of competitive
advantage of financial companies in Poland. Journal of Competitiveness, 8(4), 61.
Wang, H.-Y., & Wang, S.-H. (2010). User acceptance of mobile internet based on the unified theory
of acceptance and use of technology: Investigating the determinants and gender differences.
Social Behavior and Personality: An International Journal, 38(3), 415–426.
Wang, Y., & Byrd, T. A. (2017). Business analytics-enabled decision-making effectiveness through
knowledge absorptive capacity in health care. Journal of Knowledge Management, 21(3), 517–
539.
Wilden, R., Gudergan, S. P., Nielsen, B. B., & Lings, I. (2013). Dynamic capabilities and
performance: strategy, structure and environment. Long Range Planning, 46(1–2), 72–96.
Zhang, Y. D., Hurson, A. N., Zhang, H., Choudhury, P. P., Easton, D. F., Milne, R. L., Simard, J.,
Hall, P., Michailidou, K., & Dennis, J. (2020). Assessment of polygenic architecture and risk
prediction based on common variants across fourteen cancers. Nature Communications, 11(1),
3353.
Zhu, K., Kraemer, K. L., & Xu, S. (2006). The process of innovation assimilation by firms in different
countries: a technology diffusion perspective on e-business. Management Science, 52(10),
1557–1576.
Copyright holder:
Dian Alanudin, Ahmad Fadgham Khaza’inullah (2024)
First publication right:
Syntax Idea
This article is licensed under: