bab i pendahuluan a. latar belakang - siafif.com 8/skripsi kakak tingkat... · 1 bab i pendahuluan...

1

BAB I

PENDAHULUAN

A. LATAR BELAKANG

Perkembangan teknologi informasi (TI) yang sedemikian pesat

menciptakan kultur baru bagi semua orang di seluruh dunia. Dunia pendidikan

pun tak luput dari sentuhannya. Integrasi teknologi informasi ke dalam dunia

pendidikan telah menciptakan pengaruh besar. Memanfaatkan kecanggihan

teknologi informasi, mutu dan efisiensi pendidikan dapat ditingkatkan.

Salah satu produk integrasi teknologi informasi ke dalam dunia

pendidikan adalah e-learning atau electronic learning. Saat ini e-learning

mulai mengambil perhatian banyak pihak, baik dari kalangan akademik,

profesional, perusahaan maupun industri. Institusi pendidikan tinggi misalnya,

e-learning telah membuka cakrawala baru dalam proses belajar mengajar,

sedangkan di lingkungan industri, e-learning dinilai mampu membantu proses

dalam meningkatkan kompetensi pegawai atau sumber daya manusia. Melalui

dunia akademis metode pembelajaran ini sudah mulai banyak diterapkan dan

dikembangkan.

Ada beberapa definisi tentang e-learning. Secara ringkas, Anwas

(2005) menyatakan e-learning perlu diciptakan seolah-olah peserta didik

belajar secara konvensional, hanya saja dipindahkan ke dalam sistem digital

melalui internet. Menurut Darin E. Hartley (2001), e-learning merupakan

suatu jenis belajar mengajar yang memungkinkan tersampaikannya bahan ajar

ke siswa dengan menggunakan media internet, intranet atau media jaringan

komputer lain. Rosenberg (2001) mendefinisikan e-learning sebagai

2

pemanfaatan teknologi Internet untuk mendistribusikan materi pembelajaran,

sehingga siswa dapat mengakses dari mana saja. Definisi yang diberikan

Jenkins & Hanson (2003) tentang e-learning adalah sebagai pembelajaran

yang difasilitasi dan didukung melalui pemanfaatan teknologi informasi dan

komunikasi. Jadi berdasarkan beberapa definisi diatas dapat disimpulkan

bahwa e-learning pada hakikatnya adalah bentuk pembelajaran konvensional

yang dituang dalam format digital dan disajikan melalui teknologi informasi

dengan bantuan jaringan internet.

Keunggulan-keunggulan e-learning yang paling menonjol adalah

efisiensinya dalam penggunaan waktu dan ruang. Berdasarkan keterangan-

keterangan yang disebutkan di atas, pendidikan berbasis teknologi informasi

cenderung tidak lagi tergantung pada ruang dan waktu. Dalam proses belajar

mengajar tidak ada halangan berarti untuk melaksanakan kegiatan belajar

mengajar lintas daerah dapat dilakukan, bahkan lintas negara melalui e-

learning. Melalui e-learning pengajar dan siswa tidak lagi selalu harus

bertatap muka dalam ruang kelas pada waktu bersamaan. Dilihat dari sifatnya

yang tidak tergantung pada ruang dan waktu, e-learning memiliki keunggulan

lain yakni memungkinkan akses ke pakar yang tak terhalang waktu dan tak

tidak memerlukan biaya mahal. Seorang pelajar di daerah dapat belajar

langsung dari pakar di pusat melalui fasilitas internet chatting atau

mengakomodir suara dan bahkan gambar realtime. Satu lagi keunggulan e-

learning tentunya adalah ketesediaan informasi yang melimpah dari sumber-

sumber di seluruh dunia. Penggunaan internet sebagi media pembelajaran

3

akan didapatkan sumber informasi untuk pengayaan materi yang jumlahnya

sangat tak terbatas.

Tujuan umum pembelajaran jarak jauh menggunakan e-learning

adalah agar tersedia akses belajar dan perbaikan kesamaan kesempatan belajar

pada semua pembelajar, selain itu juga untuk memperkuat dan memperdalam

pengertian terhadap ilmu pengetahuan, memperluas cakrawala dan

memperkaya keberagaman subjek pengetahuan, dan memperbaiki efektivitas

proses belajar.

Munculnya teknologi e-learning baru-baru ini digunakan untuk

training, kegiatan belajar mengajar yang dikerjakan dengan internet. E-

learning pada dasarnya adalah bentuk pendidikan yang difasilitasi oleh

internet dan teknologi, dan meliputi penggunaan World Wide Web untuk

mendukung instruksi dan untuk menyampaikan isi pelajaran.

Alavi dan Leidner (2001) menyatakan bahwa e-learning merupakan

salah satu bentuk mediasi teknologi pembelajaran yang didefinisikan sebagai

sebuah lingkungan bahwasanya pelajar berinteraksi dengan materi e-learning,

rekan-rekan, dan atau instruktur dimediasi melalui teknologi informasi

lanjutan. E-learning dapat bekerja dengan baik jika teknologi harus benar-

benar digunakan (Leidner & Jarvenpaa, 1993). Efektifitas dalam penggunaan

teknologi informasi pengiriman e-learning berbasis komponen dari suatu

program yang penting bagi keberhasilan siswa dan penerimaan e-learning.

Adopsi teknologi informasi dan difusi telah dipelajari sangat detail

akhir-akhir ini oleh peneliti di dalam area sistem informasi. Adopsi teknologi

dapat dipelajari di dua tingkatan: yang pertama adalah di tingkat organisasi

4

dan yang kedua adalah pada tingkat individu. Jika unit analisis adalah

individu, penekanan pada penerimaan teknologi (Dasgupta, Granger &

Mcgarry, 2002). TAM adalah model berbasis sikap yang dikembangkan secara

khusus untuk menjelaskan dan atau memprediksi penerimaan penggunaan dari

teknologi komputer (Hu et al., 1999). Tujuan utama TAM adalah memberikan

penjelasan tentang penentuan penerimaan teknologi secara umum,

memberikan penjelasan tentang perilaku/ sikap pengguna dalam suatu

populasi (Davis et al., 1989:985).

TAM menggambarkan hubungan antara persepsi kegunaan (perceived

usefulness) dan persepsi kemudahan penggunaan (perceived of use) yang

kemudian kedua variabel ini disebut dengan variabel beliefs. Pada sisi satu dan

sisi lainya terdapat sikap untuk menggunakan (attitude toward using) dan

minat/ keinginan utntuk menggunakan (behavioural intention to use). TAM

telah digunakan sebagai dasar untuk banyak teori dari berbagai studi empiris

pengguna teknologi penerimaan (Adams, 1992; Mathieson, 1991, Davis,

Bagozzi & Warshaw, 1989 & Davis, 1989).

Dalam penelitian yang dilakukan oleh Masrom tentang TAM dan e-

learning, konstruk yang diteliti dibatasi hanya pada 4 konstruk utama, yaitu

persepsi kemudahan penggunaan e-learning (perceived ease of use), persepsi

kemanfaatan e-learning (perceived usefulness), sikap terhadap penggunaan e-

learning (attitude toward using), dan minat/ keinginan untuk menggunaka e-

learning (behaviour intention to use). Didalam model variabel dari luar

(external variables) seperti karakteristik pengguna (user characteristics) dan

karakteristik sistem (sistem characteristic) tidak diteliti karena kontribusinya

5

dalam TAM dianggap tidak signifikan, sehingga dapat diabaikan meskipun

mempunyai pengaruh secara tidak langsung terhadap penerimaan teknologi

(Milchrahm, 2003). Sedangkan variabel penggunaan nyata (actual usage) juga

dihilangkan karena dalam penelitian Masrom tidak ada keinginan dengan

segera untuk menguji dan mengetahui anteseden persepsi kegunaan dan

persepsi kemudahan penggunan (Masrom, 2006).

Banyak penelitian yang menggunakan TAM sebagai model analisis,

tapi TAM yang digunakan dalam tiap penelitian tersebut berbeda-beda sesuai

dengan kebutuhan, tetapi tidak meninggalkan bentuk dasar TAM. Didalam

TAM yang dimaksud dengan bentuk dasar TAM adalah keempat konstruk

utama serta hubungan antara keempat konstruk tersebut, yaitu perceived ease

of use, perceived usefulness, attitude toward using, dan behaviour intention to

use. Seperti halnya TAM yang akan dipakai dalam penelitian ini adalah TAM

yang telah disederhanakan sesuai dengan yang dipakai oleh Masrom (2006)

pada penelitiannya di Malaysia dengan objek penelitian e-learning..

Penelitian ini mencoba untuk mengetahui dan menemukan bukti

empiris tingkat penerimaan pengguna (user) terhadap teknologi e-learning

apakah pengguna dalam hal ini mahasiswa mau menerima e-learning atau

sebaliknya yang dililihat dari faktor-faktor yang berpengaruh signifikan dalam

menjelaskan maksud menuju e-learning seperti persepsi kemudahan

penggunaan mempunyai pengaruh yang signifikan terhadap persepsi

kemanfaatan. Persepsi kemudahan penggunaan sebuah teknologi didefinisikan

sebagai suatu ukuran dimana seorang percaya bahwa komputer dapat dengan

mudah dipahami dan digunakan, sedangkan persepsi kemanfaatan

6

didefinisikan sebagai suatu ukuran pengguna penggunaan suatu teknologi

dipercaya akan mendatangkan manfaat bagi orang yang menggunakannya.

Berdasarkan latar belakang diatas penulis mengambil judul ”Analisis Model

Penerimaan Teknologi E-learning Pada Mahasiswa : Studi Kasus Pada E-

learning Fakultas Ekonomi Universitas Sebelas Maret.

B. RUMUSAN MASALAH

Berdasarkan Technology Acceptance Model, variabel beliefs

merupakan variabel pembentuk behaviour intention to use. Dalam penelitian

ini juga terdapat variable sikap (attitude). Sikap (attitude) merupakan sikap

terhadap penggunaan sistem yang berbentuk penerimaan atau penolakan

sebagai dampak bila orang menggunakan suatu teknologi dalam

penggunaanya. melalui pengujian keempat konstruksi variabel tersebut

diharapkan dapat mengetahui gambaran tentang perilaku individu mengadopsi

teknologi khususnya teknologi e-learning. Berdasarkan latar belakang diatas

ditulis beberapa rumusan masalah yaitu :

a. Apakah persepsi kemudahan penggunaan e-learning mempunyai pengaruh

yang signifikan pada persepsi kegunaan atau kemanfaatan e-learning oleh

individu ?

b. Apakah persepsi kemudahan penggunaan e-learning mempunyai pengaruh

yang signifikan pada sikap terhadap penggunaan e-learning oleh individu?

c. Apakah persepsi kegunaan atau kemanfaatan e-learning mempunyai

pengaruh yang signifikan pada sikap terhadap penggunaan e-learning oleh

individu ?

7

d. Apakah persepsi kegunaan atau kemanfaatan e-learning mempunyai

pengaruh yang signifikan pada minat/ keinginan menggunakan e-learning

oleh individu ?

e. Apakah sikap terhadap penggunaan e-learning mempunyai pengaruh yang

signifikan pada minat/ keinginan menggunakan e-learning oleh individu ?

C. TUJUAN PENELITIAN

Tujuan dari penelitian ini adalah :

a. Untuk menemukan bukti empiris persepsi kemudahan penggunaan e-

learning mempunyai pengaruh yang signifikan pada persepsi kegunaan

dari e-learning oleh individu.

b. Untuk menemukan bukti empiris persepsi kemudahan penggunaan e-

learning mempunyai pengaruh yang signifikan pada sikap terhadap

penggunaan e-learning oleh individu.

c. Untuk menemukan bukti empiris persepsi kegunaan e-learning

mempunyai pengaruh yang signifikan pada sikap terhadap penggunaan e-

learning oleh individu.

d. Untuk menemukan bukti empiris persepsi kegunaan e-learning

mempunyai pengaruh yang signifikan pada minat/ keinginan

menggunakan e-learning oleh individu.

e. Untuk menemukan bukti empiris sikap terhadap penggunaan e-learning

mempunyai pengaruh yang signifikan pada minat/ keinginan

menggunakan e-learning oleh individu.

8

D. MANFAAT PENELITIAN

a. Manfaat Teoritis

Secara teoritis, penelitian ini merupakan pengujian ulang terhadap model

TAM yang ditemukan oleh Davis (1989) yang diadopsi dari model Theory

of Reasoned Action (TRA), untuk model penelitian di Surakarta dengan

objek e-learning Fakultas Ekonomi UNS. Hasil penelitian ini diharapkan

dapat bermanfaat untuk menambah pemahaman mengenai hubungan

antara persepsi kemudahan penggunaan pada persepsi kemanfaatan

menggunakan e-learning. Meneliti hubungan keduanya pada sikap

terhadap penggunaan sistem e-learning. Selain itu juga untuk mengetahui

hubungan antara sikap menggunakan sistem pada minat/ keinginan

menggunakan sistem tersebut, serta dapat dijadikan salah satu referensi

baik oleh kalangan akademisi serta referensi bagi peneliti selanjutnya yang

mengadakan penelitian lebih lanjut dengan topik yang sama.

b. Manfaat Praktis.

Hasil penelitian ini diharapkan dapat bermanfaat bagi organisasi

khususnya Fakultas Ekonomi UNS untuk melihat persepsi mahasiswa

pada sistem e-learning yang dilihat dari faktor kemudahan penggunaan

sistem dan faktor kegunaan sistem yang berpengaruh signifikan dalam

menjelaskan maksud menuju e-learning yang pada giliranya akan

berpengaruh pada tingkat penerimaan pengguna (user) sistem e-learning.

9

BAB II

TELAAH PUSTAKA

A. Technology Acceptance Model (TAM)

Technology Acceptance Model (TAM) diperkenalkan pertama kali oleh

Davis pada tahun 1986, TAM merupakan adaptasi dari TRA yang dibuat khusus

untuk pemodelan adopsi pengguna sistem informasi. Menurut Davis (1989),

tujuan utama TAM adalah untuk memberikan dasar untuk penelusuran pengaruh

faktor eksternal terhadap kepercayaan, sikap, dan tujuan pengguna. TAM

menganggap bahwa dua keyakinan individual, yaitu persepsi manfaat (perceived

usefulness) dan persepsi kemudahan penggunaan (perceived easy of use) adalah

variabel perilaku utama dalam mengadopsi sistem informasi.

Beberapa model yang dibangun untuk menganalisis dan memahami

faktor-faktor yang mempengaruhi diterimanya penggunaan teknologi

komputer diantaranya yang tercatat dalam berbagai literatur dan referensi hasil

riset dibidang teknologi informasi adalah seperti theory of reasoned action

(TRA), theory of planned behaviour (TPB), dan technology acceptance model

(TAM). Technology acceptance model (TAM) diperkenalkan pertama kali oleh

Davis pada tahun 1986. Model TAM sebenarnya diadopsi dari model TRA

yaitu teori tindakan yang beralasan dengan satu premis bahwa reaksi dan

persepsi seseorang terhadap sesuatu hal, akan menentukan sikap dan perilaku

orang tersebut. Reaksi dan persepsi pengguna teknologi informasi (TI) akan

mempengaruhi sikapnya dalam penerimaan terhadap teknologi tersebut.

Salah satu faktor yang dapat mempengaruhinya adalah persepsi

pengguna pada kemanfaatan dan kemudahan penggunaan TI sebagai suatu

tindakan yang beralasan dalam konteks pengguna teknologi sehingga alasan

10

seseorang dalam melihat manfaat dan kemudahan penggunaan TI menjadikan

tindakan/ perilaku orang tersebut sebagai tolok ukur dalam penerimaan sebuah

teknologi. Model TAM yang dikembangkan dari teori psikologis, menjelaskan

perilaku pengguna komputer yaitu berlandaskan pada kepercayaan (belief),

sikap (attitude), keinginan (intention), dan hubungan perilaku pengguna (user

behaviour relationship).

Tujuan model ini untuk menjelaskan faktor-faktor utama dari perilaku

pengguna terhadap penerimaan pengguna teknologi. Secara lebih terinci

menjelaskan tentang penerimaan TI dengan dimensi-dimensi tertentu yang

dapat mempengaruhi diterimanya TI oleh pengguna (user). Model ini

menempatkan faktor sikap dari tiap-tiap perilaku pengguna dengan dua

variabel yaitu :

1. Kemudahan penggunaan (ease of use)

2. Kemanfaatan (usefulness)

Kedua variabel ini dapat menjelaskan aspek keperilakuan pengguna.

Kesimpulannya adalah model TAM dapat menjelaskan bahwa persepsi

pengguna akan menentukan sikapnya kemanfaatan penggunaan TI. Model ini

secara lebih jelas menggambarkan bahwa penerimaan penggunaan TI

dipengaruhi oleh kemanfaatan (usefulness) dan kemudahan penggunaan (ease

of use). Penelitian ini menggunakan 4 (empat) konstruk yang telah

dimodifikasi dari model penelitian TAM sebelumnya yaitu: persepsi tentang

kemudahan penggunaan (perceived ease of use), persepsi kemanfaatan

(perceived usefulness), sikap terhadap penggunaan (attitude toward using),

dan keinginan/ minat menggunakan (behavioral intention to use).

11

a. Persepsi Kemudahan Penggunaan (Perceived Ease of Use)

Davis (1986, 1989) mendefinisikan kemudahan penggunaan (ease of

use) sebagai suatu tingkatan bahwa seseorang percaya bahwa komputer dapat

dengan mudah dipahami. Atas dasar definisi tersebut kemudahan penggunaan

e-learning berarti kemudahan dalam membuka, memahami isi dari fitur-fitur

yang ada dalam e-learning jika sewaktu-sewaktu mahasiswa diberikan tugas

yang prosesnya menggunakan e-learning. Menurut Goodwin (1987); Silver

(1988); dalam Adam et al., (1992), intensitas penggunaan dan interaksi antara

pengguna (user) dengan sistem juga dapat menunjukkan kemudahan

penggunaan. Sistem yang lebih sering digunakan menunjukkan bahwa sistem

tersebut lebih dikenal, lebih mudah dioperasikan dan lebih mudah digunakan

oleh penggunanya.

Berdasarkan definisi di atas dapat disimpulkan bahwa kemudahan

penggunaan akan mengurangi usaha (baik waktu dan tenaga) seseorang di

dalam mempelajari komputer dalam hal ini adalah e-learning. Perbandingan

kemudahan tersebut memberikan indikasi bahwa orang yang menggunakan TI

External variabble

s

Perceived uselfulne

ss

Perceived ease of

use

Attitude toward using

Behavioural

intention to use

Actual sistem

use

Gambar II.1 Model TAM Original. Sumber: Davis (1989)

12

bekerja lebih mudah dibandingkan dengan orang yang bekerja tanpa

menggunakan TI (secara manual). Pengguna TI mempercayai bahwa TI yang

lebih fleksibel, mudah dipahami dan mudah pengoperasiannya (compartible)

sebagai karakteristik kemudahan penggunaan. Davis.F.D (1989) memberikan

beberapa indikator kemudahan penggunaan TI antara lain meliputi :

1. Teknologi komputer yang dalam hal ini adalah e-learning sangat

mudah dipelajari

2. Teknologi komputer yang dalam hal ini adalah e-learning dapat

mengerjakan dengan mudah apa yang diinginkan oleh pengguna

3. Keterampilan pengguna bertambah dengan menggunakan teknologi

komputer yang dalam hal ini adalah e-learning

4. Teknologi komputer yang dalam hal ini adalah e-learning sangat

mudah untuk dioperasikan.

Untuk variabel kemudahan penggunaan, Iqbaria (1994) juga telah

menguji dalam studinya apakah penerimaan penggunaan micro komputer

dipengaruhi oleh kemudahan penggunaan yang diharapkan oleh pengguna

atau karena tekanan sosial. Temuan studi Iqbaria (1994) membuktikan bahwa

TI digunakan bukan mutlak karena adanya tekanan sosial, sehingga dapat

disimpulkan bahwa penggunaan TI bukan karena adanya unsur tekanan tetapi

karena memang mudah digunakan.

Berdasarkan telaah teoritis dan hasil-hasil pengujian empiris diatas,

dapat disimpulkan bahwa penerimaan penggunaan TI juga turut dipengaruhi

oleh kemudahan penggunaan TI, hal ini merupakan refleksi psikologis

pengguna yang lebih bersikap terbuka terhadap sesuatu yang sesuai dengan

13

apa yang dipahaminya dengan mudah. Kemudahan tersebut dapat mendorong

seseorang untuk menerima menggunakan TI.

b. Persepsi Kemanfaatan (Perceived Usefulness)

Davis.F.D (1989); Adam et al., (1992) mendefinisikan kemanfaatan

(usefulness) sebagai suatu tingkatan bahwa seseorang percaya bahwa

penggunaan suatu subyek tertentu akan dapat meningkatkan prestasi kerja

orang tersebut. Berdasarkan definisi tersebut dapat diartikan bahwa

kemanfaatan dari penggunaan komputer dapat meningkatkan kinerja, prestasi

kerja orang yang menggunakannya.

Menurut Thompson et al., (1991;1994) kemanfaatan TI merupakan

manfaat yang diharapkan oleh pengguna TI dalam melaksanakan tugasnya.

Pengukuran kemanfaatan tersebut berdasarkan frekuensi penggunaan dan

diversitas/ keragaman aplikasi yang dijalankan. Thompson (1991) juga

menyebutkan bahwa individu akan menggunakan TI jika mengetahui manfaat

positif atas penggunaannya. Chin dan Todd (1995) memberikan beberapa

dimensi tentang kemanfaatan TI. Menurut Chin dan Todd (1995) kemanfaatan

dapat dibagi ke dalam dua kategori, yaitu (1) kemanfaatan dengan estimasi

satu faktor, dan (2) kemanfaatan dengan estimasi dua faktor (kemanfaatan dan

efektifitas).

Kemanfaatan dengan estimasi satu faktor meliputi dimensi;

1. Menjadikan pekerjaan lebih mudah (makes job easier)

2. Bermanfaat (usefull)

3. Menambah produktifitas (Increase productivity)

4. Mempertinggi efektifitas (enchance efectiveness)

14

5. Mengembangkan kinerja pekerjaan (improve job performance)

Kemanfaatan dengan estimasi dua faktor oleh Chin dan Todd (1995) dibagi

menjadi dua kategori lagi yaitu kemanfaatan dan efektifitas, dengan dimensi-

dimensi masing-masing yang dikelompokkan sebagai berikut:

1. Kemanfaatan meliputi dimensi :

a. Menjadikan pekerjaan lebih mudah (makes job easier),

b. Bermanfaat (usefull),

c. Menambah produktifitas (increase productivity).

2. Efektifitas meliputi dimensi :

a. Mempertinggi efektifitas (enchance my effectiveness),

b. Mengembangkan kinerja pekerjaan (improve my job

performance).

Berdasarkan beberapa definisi dan telaah literatur diatas dapat

disimpulkan bahwa kemanfaatan penggunaan TI termasuk didalamnya e-

learning dapat diketahui dari kepercayaan pengguna TI dalam memutuskan

penerimaan TI dengan satu kepercayaan bahwa penggunaan TI tersebut

memberikan kontribusi positif bagi penggunanya. Seseorang mempercayai

dan merasakan dengan menggunakan komputer sangat membantu dan

mempertinggi prestasi kerja yang akan dicapainya, atau dengan kata lain orang

tersebut mempercayai penggunaan TI telah memberikan manfaat terhadap

pekerjaan dan pencapaian prestasi kerjanya. Kemanfaatan penggunaan TI

tersebut menjadi sebuah variabel tersendiri yang diteliti oleh para peneliti

(Iqbaria, 1994;1997; Adam et al.,1992; Davis, 1989; Todd, 1991; Sri Astuti,

2001; Nur Indriantoro, 2000; Mhd.Jantan et al., 2001; dalam Fahmi Natigor

15

Nasution, 2004) khususnya untuk melihat penerimaan penggunaan TI bagi

organisasi perusahaan.

Iqbaria (1994) dalam studinya menguji apakah penerimaan

penggunaan micro komputer dipengaruhi oleh kemanfaatan yang diharapkan

oleh pengguna atau karena tekanan sosial. Tekanan sosial yang dimaksudkan

seperti tekanan dari seorang supervisor kepada bawahannya untuk

menggunakan TI. Temuan studi Iqbaria (1994) membuktikan bahwa TI

digunakan bukan mutlak karena adanya tekanan sosial, sehingga dapat

disimpulkan penerimaan penggunaan TI tersebut dipengaruhi oleh

kemanfaatan penggunaan TI. Sri Astuti (2001) menemukan bahwa diversitas

kemanfaatan TI berpengaruh signifikan pada kepuasan pengguna. Handayani

(2001) menemukan kemanfaatan tidak berhubungan dengan lamanya

penggunaan komputer, sehingga dapat disimpulkan bahwa kemanfaatan

merupakan variabel yang independen terhadap penggunaan TI.

c. Sikap Terhadap Penggunaan (Attitude Toward Using)

Attitude toward using dalam TAM dikonsepkan sebagai sikap terhadap

penggunaan sistem yang berbentuk penerimaan atau penolakan sebagai

dampak bila seseorang menggunakan suatu teknologi dalam pekerjaannya.

Tompson et al., (1991) menjelaskan tentang faktor sikap (attitude) sebagai

salah satu aspek yang mempengaruhi perilaku individual. Sikap seseorang

terdiri atas komponen kognisi (cognitive), Afeksi (affective), dan komponen

komponen yang berkaitan dengan perilaku (behavioral components). Sikap

pengguna terhadap komputer dapat pula ditunjukkan dengan sikap optimistik

pengguna bahwa komputer dalam hal ini e-learning sangat membantu dan

16

bermanfaat untuk mengatasi masalah atau pekerjaannya (Triandis, 1971)

dalam Nur Indriantoro (2000)

d. Minat/ Keinginan untuk Menggunakan (Behavioural Intention to Use)

Behavioral Intention to Use adalah kecenderungan perilaku untuk tetap

menggunakan suatu teknologi. Tingkat penggunaan sebuah teknologi

komputer pada seseorang dapat diprediksi dari sikap perhatiannya terhadap

teknologi tersebut, misalnya keinginanan menambah peripheral pendukung,

motivasi untuk tetap menggunakan, serta keinginan untuk memotivasi

pengguna lain. Peneliti selanjutnya menyatakan bahwa sikap perhatian untuk

menggunakan adalah prediksi yang baik untuk mengetahui actual usage.

Menurut Taylor dan Baker (1994) behaviour intention to use diartikan

sebagai keinginan individu untuk menggunakan kembali sesuatu yang sama

apabila suatu waktu memerlukan kembali. Jadi dapat didefinisikan bahwa

behaviour intention to use dalam penelitian ini adalah keinginan mahasiswa

untuk menggunakan e-learning apabila suatu waktu memerlukan lagi.

B. Teknologi Informasi

Teknologi informasi jika dilihat dari kata penyusunanya berasal dari

teknologi dan informasi. Teknologi dapat dipandang sebagai alat yang

digunakan oleh individu untuk menyelesaikan tugas-tugasnya. Teknologi juga

dapat diartikan sebagai sistem komputer (hardware, software, dan data) dan

jasa yang mendukung pemakai (training, help lines, dan lain-lain) yang

disediakan untuk membantu pemakai dalam tugas-tugasnya (Goodhue dan

Thompson, 1995). Sedangkan informasi adalah hasil pemrosesan, manipulasi

dan pengorganisasian/ penataan dari sekelompok data yang mempunyai nilai

17

pengetahuan (knowledge) bagi penggunanya. Secara sederhana teknologi

informasi adalah hasil rekayasa manusia terhadap proses penyampaian

informasi dari bagian pengirim ke bagian penerima sehingga pengiriman

informasi tersebut akan lebih cepat, lebih luas sebaranya dan lebih lama

penyimpananya (http://id.wikipedia.org).

C. E-learning

Belum adanya standard yang baku baik dalam hal definisi maupun

implementasi e-learning menjadikan banyak orang mempunyai konsep yang

bermacam-macam. E-learning merupakan kependekan dari electronic

learning (Sohn, 2005). Salah satu definisi umum dari e-learning diberikan

oleh Gilbert & Jones (2001), yaitu pengiriman materi pembelajaran melalui

suatu media elektronik seperti Internet, intranet/extranet, satellite broadcast,

audio/video tape, interactive TV, CD-ROM, dan komputer-based training

(CBT). Definisi yang hampir sama diusulkan juga oleh the Australian National

Training Authority (2003) yakni meliputi aplikasi dan proses yang

menggunakan berbagai media elektronik seperti internet, audio/video tape,

interactive TV and CD-ROM guna mengirimkan materi pembelajaran secara

lebih fleksibel.

The ILRT of Bristol University (2005); dalam Basori (2006)

mendefinisikan e-learning sebagai penggunaan teknologi elektronik untuk

mengirim, mendukung, dan meningkatkan pengajaran, pembelajaran dan

penilaian. Udan and Weggen (2000) menyebutkan bahwa e-learning adalah

bagian dari pembelajaran jarak jauh sedangkan pembelajaran online adalah

bagian dari e-learning. Di samping itu, istilah e-learning meliputi berbagai

18

aplikasi dan proses seperti komputer-based learning, web-based learning,

virtual classroom, dll. Sementara itu pembelajaran online adalah bagian dari

pembelajaran berbasis teknologi yang memanfaatkan sumber daya internet,

intranet, dan extranet. Lebih khusus lagi Rosenberg (2001) mendefinisikan e-

learning sebagai pemanfaatan teknologi internet untuk mendistribusikan

materi pembelajaran, sehingga siswa dapat mengakses dari mana saja.

D. Penelitian Terdahulu

Penelitian sebelumnya yang dilakukan Al-Ammari dan Hamad (2007)

tentang adopsi e-learning menemukan bahwa perceived ease of use dan

perceived usefulness mempengaruhi behaviour intention to use e-learning,

perceived ease of use mempunyai pengaruh terhadap perceived usefulness,

subject norms mempunyai pengaruh terhadap perceieved ease of use dan

perceived usefulness dan behaviour intention to use, content quality

mempunyai pengaruh terhadap perceived usefulness, computer self efficacy

mempunyai pengaruh secara langsung dan tidak langsung terhadap perceived

ease of use. Penelitian yang dilakukan Jung et al (2008) tentang penerimaan

teknologi e-learning menemukan bahwa perceived usefulness mempunyai

pengaruh positif ke attitude toward using, perceived ease of use mempunyai

pengruh positif terhadap attitude toward using dan perceived usefulness, dan

attitude toward using juga berpengaruh positif terhadap behaviour intention

dan juga penelitian yang dilakukan oleh Suhendra dan Meliawati (2008) yang

berjudul tentang perpustakaan digital menyimpulkan bahwa perceived ease of

use sangat dipengaruhi oleh ke lima variabel bebas, seperti computer self

efficacy, knowledge of search domain, relevance, terminology dan screen

19

design. Sedangkan untuk perceived of usefullness (kesadaran akan kegunaan

dari e-library) dipengaruhi oleh perceived ease of use dan relevance,

sedangkan terminology dan screen design tidak mempengaruhi terhadap

perceived of usefullness. Behavior intention (intensitas penggunaan e-library)

akan sangat dipengaruhi oleh perceived ease of use dan perceived usefullness.

Berikut adalah beberapa penelitian terdahulu yang dirangkum dalam

tabel yang menggunakan Technology Acceptance Model dengan berbagai

objek penelitian yang berbeda dalam kurun waktu yang realtif panjang :

20

Tabel II.1 Tabel Penelitian Terdahulu

Temuan Peneliti Obyek Penelitian

Variabel Mempengaruhi

Variabel Hu, Cau, sheng and Tam (1999)

Telemedicine technology

Perceived usefulness

Attitude dan behaviour intention

attitude Behaviour intention Verkatesh (1999) Virtual work place

sistem Perceived ease of use

Behaviour intention and Perceived usefulness


Behaviour intention

Agarwal dan Karahan (2000)

World wide web Perceived ease of use

Behaviour intention


Behaviour intention

Huang, D’Ambra dan Bhalla (2002)

E-Government Perceived ease of use

Behaviour intention

Hong, Thang, Wong and Tam (2002)

E-Library Perceived ease of use

Behaviour intentio and Perceived usefulness


Behaviour intention

computer self efficacy

Perceived ease of use

Knowledge of search domain


Relevancy Perceived ease of use

Teminology Perceived ease of use

Screen design Perceived ease of use

Achjari (2003) World wide web Perceived compatibility

Behaviour intention and Perceived usefulness

Self efficacy Perceived ease of use

Masrom (2006) E-learning Perceived ease of use



Attitude


Attitude


Behaviour inetntion

Sumber : data diolah (2009)

21

E. Kerangka Pemikiran

Dalam Technology Acceptance Model, persepsi kemanfaatn merujuk

kepada tingkat bahwa pengguna yakin menggunakan teknologi akan

meningkatkan kinerja pekerjaannya, sedangkan persepsi kemudahan

penggunaan merujuk kepada bagaimana kesukaran dia menggunakan

teknologi. Keduanya dianggap berbeda faktor yang mempengaruhi sikap

pengguna terhadap penggunaan teknologi, meskipun persepsi kemudahan

penggunaan juga dihipotesiskan mempengaruhi persepsi kegunaan dan sikap

terhadap penggunaan teknologi. Akhirnya, sikap terhadap penggunaan

teknologi menentukan keinginan berperilaku untuk menggunakan teknologi

tersebut. Model ini merupakan penyederhanaan model TAM, mengeluarkan

penggunaan sistem yang sebenarnya.

Gambar II. 2 Kerangka Penelitian

Masrom (2006)




Behavioural intention to use

H1 H2

H3

H4

H5

22

F. Hipotesis`

1. Persepsi Kemudahan Penggunaan (Perceived ease of use).

Davis (1986, 1989) mendefinisikan kemudahan penggunaan

(ease of use) sebagai suatu tingkatan seseorang percaya bahwa komputer

dapat dengan mudah dipahami. Atas dasar definisi tersebut kemudahan

penggunaan e-learning berarti kemudahan dalam memahami bila

mahasiswa membuka dan menggunakan e-learning untuk memenuhi tugas

perkuliahan. Masrom (2006) juga menemukan bahwa persepsi kemudahan

penggunaan mempunyi pengaruh pada sikap penggunaan. Hal ini berarti

kemudahan penggunaan akan teknologi e-learning tersebut akan

mempengaruhi sikap penggunaan dalam bentuk penolakan ataupun

penerimaan.

Hipotesa yang diuji adalah:

H1: Persepsi kemudahan penggunaan berpengaruh signifikan pada

persepsi manfaat e-learning

H2 : persepsi kemudahan penggunaan berpengaruh siginifikan pada

sikap terhadap penggunaan e-learning.

2. Persepsi Kemanfaatan (Perceived usefulness)

Davis (1986, 1989) dan Adam et.al., (1992) mendefinisikan

kemanfaatan (usefulness) sebagai suatu tingkatan seseorang percaya

bahwa penggunaan suatu teknologi tertentu akan meningkatkan prestasi

kerja orang tersebut. Menurut Davis (1989); Mathieson (1991); serta

Venkatesh dan Davis (2000) manfaat (perceived of usefulness) merupakan

penentu yang kuat terhadap penerimaan penggunaan suatu sistem

23

informasi, adopsi, dan perilaku para pengguna. Venkatesh dan Morris

(2000) juga menguji apakah manfaat dapat mempengaruhi tingkat perilaku

dalam penggunaan sistem informasi yang lebih kuat bagi laki-laki

dibandingkan perempuan. Davis et al., (1989) membukukan bahwa

manfaat mempunyai hubungan yang kuat dan konsisten dengan

penerimaan teknologi informasi dibandingkan dengan variabel lain seperti

sikap, kepuasan, dan ukuran persepsian yang lain. Hasil penelitian yang

dilakukan oleh Igbaria (1990) juga menemukan hal yang sama bahwa

hubungan yang positif antara perceived usefulness dengan penggunaan

sistem informasi. Adam et al., (1992) dalam penelitiannya menemukan

bahwa perceived usefulness adalah faktor utama yang menentukan sikap

seseorang dalam penggunaan sistem.

Atas dasar teori dan hasil-hasil penelitian sebelumnya maka peneliti

mengajukan hipotesis penelitian sebagai berikut:

H3 : Persepsi kemanfaatan berpengaruh signifikan pada sikap terhadap

penggunaan e-learning

H4 : Persepsi kemanfaatan berpengaruh signifikan pada minat/

keinginan untuk menggunakan e-learning

3. Sikap Terhadap Penggunaan (Attitude towarad using)

Minat terhadap penggunaan yang mana seseorang mempunyai

evaluasi yang menyenangkan atau tidak menyenangkan atau penilaian dari

perilaku dalam bertanya (Ajzen, 1991). Dalam konteks adopsi teknologi,

kunci dari minat perilaku penggunaan adalah penggunaan sistem. Oleh

karena itu, minat untuk menggunakan adalah kesanggupan pengguna

24

mempengaruhi evaluasi dari kerugian dan keuntungan penggunaan

teknologi baru. Untuk itu sesuai fakta-fakta yang signifikan (Davis et al,

1989; Mathieson, 1991; Taylor & Todd, 1995) menyarankan bahwa

kepercayaan yang paling kritis yang perlu ditekankan pada individu adalah

minat perilaku untuk menggunakan teknologi baru dalam tempat kerja

adalah persepsi mereka tentang penggunaan teknologi.

H5 : sikap terhadap penggunaan berpengaruh signifikan pada minat/

keinginan untuk menggunakan e-learning

25

BAB III

METODE PENELITIAN

A. Jenis Penelitian

Penelitian ini merupakan penelitian confirmatory untuk menguji model

yang telah diuji sebelumnya berdasarkan teori yang sudah ada untuk

menjelaskan pengaruh atau hubungan antar variabel dan pengujian hipotesis

terhadap suatu fenomena sosial tertentu untuk memecahkan masalah obyek

penelitian yang diambil, yaitu e-learning Fakultas Ekonomi Universitas

Sebelas Maret.

Penelitian ini menggunakan desain survei yaitu penelitian yang

mengambil sampel dari satu populasi dan menggunakan kuesioner sebagai alat

pengumpulan data pokok.

B. Populasi, Sampel, dan Tehnik Pengambilan Sampel

1. Populasi

Populasi adalah keseluruhan kelompok orang, kejadian, hal

minat atau obyek yang ingin peneliti investigasi (Sekaran, 2006).

Sedangkan menurut Sugiyono (2000) populasi adalah wilayah

generalisasi yang terdiri dari subyek atau subyek yang mempunyai

kualitas dan karakteristik tertentu yang ditetapkan oleh peneliti untuk

dipelajari dan kemudian diambil kesimpulan. Populasi dalam

penelitian model penerimaan teknologi e-learning ini adalah

Mahasiswa S1 Fakultas Ekonomi UNS (Angkatan 2005 sampai dengan

2008)

26

Tabel III.1 Rekapitulisasi Jumlah Mahasiswa Strata-1 Fakultas Ekonomi

Universitas Sebelas Maret Angkatan 2005 s/d 2008

Angkatan Jurusan

2005 2006 2007 2008 Jumlah

IESP 83 92 79 125 379 Manajemen 140 112 124 157 533 Akuntansi 105 103 94 122 424

Total 1336 Sumber : data bagian pendidikan FE ekonomi UNS (2009)

2. Sampel

Sampel adalah sebagian dari populasi yang terdiri atas

sejumlah anggota yang dipilih dari populasi (Sekaran, 2003). Tujuan

penggunaan sampel adalah agar mampu menarik kesimpulan yang

dapat digeneralisasikan terhadap populasi penelitian. Sampel dari

penelitian ini adalah mahasiswa SI Fakultas Ekonomi UNS yang

terdaftar sebagai anggota, aktif dan atau pernah menggunakan fasilitas

e-learning minimal dua kali. Alasan pemilihan sampel karena mereka

secara umum sudah mampu beradaptasi dengan lingkungan kampus

dan dipandang tidak asing dalam berinteraksi atau menggunakan

teknologi e-learning.

Dalam penelitian ini menggunakan analisis SEM, sehingga

untuk memenuhi persyaratan minimal dapat diolah dengan

menggunakan SEM maka jumlah sampel yang direkomendasikan

adalah antara 100-200 responden (Ghozali, 2005). Atau berdasarkan

asumsi kecukupan sampel adalah 5 kai jumlah item pertanyaan dalam

kuesioner (Hair et al., 1998). Jumlah item pertanyaan penelitian ini

27

adalah 15 item pertanyaan, sehingga jumlah minimal sampel penelitian

ini adalah 75 responden.

3. Teknik Sampling

Pengambilan sampel (sampling) adalah proses memilih

sejumlah elemen secukupnya dari populasi, sehingga penelitian

terhadap sampel dan pemahaman tentang sifat atau karakteristiknya

akan memungkinkan untuk menggeneralisasikan sifat atau

karakteristik tersebut pada elemen populasi (Sekaran, 2003). Teknik

pengambilan sampel dalam penelitian ini menggunakan teknik

purposive sampling, yaitu dilakukan dengan mengambil sampel dari

populasi berdasarkan pertimbangan (judgement) tertentu atau jatah

(quota) tertentu (Jogiyanto, 2004). Kriteria sampel yang diambil yaitu

mahasiswa SI Fakultas Ekonomi UNS yang terdaftar sebagai anggota,

aktif dan atau pernah menggunakan fasilitas e-learning minimal dua

kali. Alasan pemilihan sampel karena mereka secara umum sudah

mampu beradaptasi dengan lingkungan kampus dan dipandang tidak

asing dalam berinteraksi atau menggunakan teknologi e-learning.

Tabel III.2 Proporsi Pengambilan Sampel Berdasarkan Jumlah Mahasiswa

Tiap Jurusan dan Angkatan Tahun Masuk

Jurusan Angkatan 2005 2006 2007 2008

Jumlah sampel

IESP 83 92 79 125 379 11 Manajemen 140 112 124 157 533 74 Akuntansi 105 103 94 122 424 22

Total 1336 107 Sumber :Data primer diolah, 2009.

28

C. Definisi Operasional dan Pengukuran Variabel

Instrumen penelitian yang digunakan pada model penerimaan

teknologi e-learning ini mereplika penelitian dari Masrom dengan objek

penelitiannya adalah e-learning disalah satu Universitas di Malaysia yang

menggunakan adopsi model TAM yang dikembangkan Davis berdasarkan

model TRA yang ditemukan oleh Fishbein dan Ajzen dengan beberapa

penyesuaian. Faktor-faktor yang mempengaruhi penerimaan teknologi e-

learning dalam penelitian ini sebagai berikut :

1. Variabel Independen (Variabel Bebas)

Variabel independen merupakan variabel yang keberadaannya

tidak dipengaruhi oleh variabel lainnya (Sekaran, 2003). Variabel

independen dalam penelitian ini adalah :

a Perceived Ease of Use (PEOU).

Davis (1986, 1989) mendefinisikan kemudahan

penggunaan (ease of use) sebagai suatu tingkatan seseorang

percaya bahwa komputer dapat dengan mudah dipahami. Atas

dasar definisi tersebut kemudahan penggunaan e-learning berarti

kemudahan dalam membuka, memahami isi dari fitur-fitur yang

ada dalam e-learning jika sewaktu-sewaktu mahasiswa diberikan

tugas yang prosesnya menggunakan e-learning.

Davis.F.D (1989) memberikan beberapa indikator

kemudahan penggunaan TI antara lain meliputi :

1) Teknologi komputer yang dalam hal ini adalah e-

learning sangat mudah dipelajari

29


learning dapat mengerjakan dengan mudah apa yang

diinginkan oleh pengguna

3) Keterampilan pengguna bertambah dengan

menggunakan teknologi komputer yang dalam hal ini

adalah e-learning


learning sangat mudah untuk dioperasikan.

Pada variabel ini terdiri dari empat pertanyaan yang

digunakan untuk mengetahui tingkat kemudahan penggunaan e-

learning oleh mahasiswa. Skala nilai terdiri dari jangkauan

tanggapan dari 1 = “sangat tidak setuju” ; 2 : “tidak setuju” ; 3 =

“netral” ; 4 = “setuju” ; 5 = “sangat setuju”.

2. Variabel Dependen (Variabel Terikat)

Variabel dependen merupakan variabel yang keberadaannya

dipengaruhi oleh variabel lainnya (Sekaran, 2003). Variabel dependen

dalam penelitian ini terdiri dari:

a. Perceived Usefulness (PU)

Davis.F.D (1989); Adam.et.al (1992) mendefinisikan

kemanfaatan (usefulness) sebagai suatu tingkatan dimana

seseorang percaya bahwa penggunaan suatu subyek tertentu akan

dapat meningkatkan prestasi kerja orang tersebut. Berdasarkan

definisi tersebut dapat diartikan bahwa kemanfaatan dari

penggunaan komputer dapat meningkatkan kinerja, prestasi kerja

30

orang yang menggunakannya. Menurut Chin dan Todd (1995)

kemanfaatan dapat dibagi kedalam dua kategori, yaitu (1)

kemanfaatan dengan estimasi satu faktor, dan (2) kemanfaatan

dengan estimasi dua faktor (kemanfaatan dan efektifitas). Indikator

variabel persepsi kegunaan dalam penelitian ini meliputi :

1) Penggunaan e-learning mempertinggi efektifitas

2) Menjadikan pekerjaan/tugas lebih mudah

3) Meningkatkan produktifitas

4) Kemanfaatan


digunakan untuk mengetahui tingkat kemanfaatan e-learning bagi

mahasiswa. Skala nilai terdiri dari jangkauan tanggapan dari 1 =

“sangat tidak setuju” ; 2 : “tidak setuju” ; 3 = “netral” ; 4 = “setuju”

; 5 = “sangat setuju”.

b. AttitudeToward Using (ATU)

Attitude toward using dalam TAM dikonsepkan sebagai sikap

terhadap penggunaan sistem yang berbentuk penerimaan atau

penolakan sebagai dampak bila seseorang menggunakan suatu

teknologi dalam pekerjaannya (Davis et al., 1989). Peneliti lain

menyatakan bahwa faktor sikap (attitude) sebagai salah satu aspek

yang mempengaruhi perilaku individual. Sikap seseorang terdiri atas

unsur kognitif/ cara pandang (cognitive), afektif (affective), dan

komponen-komponen yang berkaitan dengan perilaku (behavioral

components)

31


digunakan untuk mengetahui sikap mahasiswa terhadap teknologi e-

learning. Skala nilai terdiri dari jangkauan tanggapan dari 1 =

“sangat tidak setuju” ; 2 : “tidak setuju” ; 3 = “netral” ; 4 = “setuju” ;

5 = “sangat setuju”.

c. Behaviour Intention to Use (BITU)

Behavioral intention to use adalah kecenderungan perilaku

untuk tetap menggunakan suatu teknologi. Tingkat penggunaan

sebuah teknologi komputer pada seseorang dapat diprediksi dari

sikap perhatiannya terhadap teknologi tersebut, misalnya

keinginanan menambah peripheral pendukung, motivasi untuk tetap

menggunakan, serta keinginan untuk memotivasi pengguna lain.

Peneliti selanjutnya menyatakan bahwa sikap perhatian untuk

menggunakan adalah prediksi yang baik untuk mengetahui actual

usage.

Pada variabel ini terdiri dari tiga pertanyaan yang digunakan

untuk mengetahui tingkat kecenderungan perilaku untuk tetap

menggunakan teknologi e-learning oleh mahasiswa. Skala nilai

terdiri dari jangkauan tanggapan dari 1 = “sangat tidak setuju” ; 2 :

“tidak setuju” ; 3 = “netral” ; 4 = “setuju” ; 5 = “sangat setuju”.

32

D. SUMBER DATA

1. Data Primer

Data primer mengacu pada informasi yang diperoleh dari

tangan pertama oleh peneliti yang berkaitan dengan variabel minat

untuk tujuan spesifik studi (Sekaran, 2000). Data primer adalah

informasi yang diperoleh secara langsung atas obyek penelitian yang

bersangkutan atau melalui sumber yang menguasainya. Data primer

dalam penelitian ini diperoleh melalui kuesioner dan wawancara

kepada mahasiswa SI Fakultas Ekonomi UNS yang terdaftar sebagai

anggota, aktif dan atau pernah menggunakan fasilitas e-learning

minimal dua kali.

2. Data Sekunder

Data dari sumber-sumber yang berhubungan dengan obyek

penelitian. Dapat berupa hasil penelitian terdahulu, data publikasi dari

pihak perusahaan yang relevan dengan penelitian ini.

E. TEKNIK PENGAMBILAN DATA

Teknik pengambilan data yang dilakukan yaitu:

1. Kuesioner.

Kuesioner yaitu serangkaian pertanyaan tertulis yang

diformulasikan lebih dahulu sehingga responden dapat mencatatkan

jawaban-jawabannya (Sekaran, 2003). Setiap tanggapan atas

pertanyaan dalam kuesioner memiliki nilai sendiri dimana nanti

digunakan untuk menganalisis data. Kuesioer dibuat berdasarkan

referensi penelitian yang berhubungan disertai pengembangan yang

33

diperlukan. Kuesioner yang digunakan dalam penelitian ini

menggunakan 5 skala likert mulai dari sangat setuju sampai dengan

sangat tidak setuju mengenai perceived ease of use, perceived

usefulness, attitude toward using dan behaviour intention to use.

Dalam hal ini, responden tidak dapat memberikan jawaban di luar

alternatif jawaban yang telah disediakan.

2. Wawancara

Wawancara dilakukan untuk memperoleh informasi mengenai

isu yang diteliti. Wawancara dilakukan dengan mahasiswa SI Fakultas

Ekonomi UNS yang terdaftar sebagai anggota, aktif dan atau pernah

menggunakan fasilitas e-learning minimal dua kali.

3. Studi Pustaka.

Studi pustaka adalah metode pengumpulan data dengan

menggunakan berbagai literatur yang berhubungan dengan judul

penelitian dan literatur-literatur tersebut berasal dari buku-buku,

catatan-catatan maupun referensi penelitian yang relevan digunakan

dalam penelitian ini.

F. TEKNIS ANALISIS.

1. Analisa Deskriptif

Statistik deskriptif adalah statistik yang digunakan untuk

menganalisis data dengan cara mendeskripsikan atau menggambarkan

data yang telah terkumpul sebagaimana adanya tanpa bermaksud

membuat kesimpulan yang berlaku untuk umum atau generaliasasi

(Sugiyono, 2001) Di dalam penelitian ini analisis deskriptif digunakan

34

untuk menganalisis profil responden dan tanggapan responden

terhadap setiap setiap item pertanyaan yang diajukan untuk

mendukung penelitian ini.

2. Analisis Kuantitatif.

Instrumen yang baik adalah instrumen yang memenuhi syarat

validitas dan reliabilitas :

a Uji Validitas

Validitas menunjukkan seberapa jauh suatu tes atau satu set

dari operasi-operasi mengukur apa yang seharusnya diukur

(Jogiyanto, 2007). Validitas memungkinkan hasil pengukuran yang

diperoleh dengan kuesioner dapat menjelaskan masalah penelitian

sesuai dengan konsepnya (Sekaran, 2003).

Untuk memperoleh validitas kuesioner, usaha dititikberatkan

pada pencapaian validitas isi. Validitas tersebut menunjukkan sejauh

mana perbedaan yang diperoleh dengan instrumen pengukuran

merefleksikan perbedaan sesungguhnya pada responden yang diteliti.

Dalam penelitian ini akan digunakan uji validitas dengan

confirmatory factor analysis (CFA) menggunakan software SPSS

11.5 for Windows.

Confirmatory factor analysis (CFA) perlu dilakukan

terhadap model pengukuran karena syarat untuk dapat menganalisis

model dengan SEM, indikator masing-masing konstruk harus

memiliki loading factor yang signifikan terhadap konstruk yang

diukur. Menurut Hair et al., (1998) factor loading lebih besar ± 0,30

35

dianggap memenuhi level minimal, factor loading ± 0,40 dianggap

lebih baik dan sesuai dengan rules of thumb yang dipakai para

peneliti, dan faktor loading ≥ 0,50 dianggap signifikan. Pedoman ini

dapat diaplikasikan jika ukuran sampel adalah 100 atau lebih.

Asumsi yang mendasari dilakukannya analisis faktor adalah

data matrik harus memiliki korelasi yang cukup (sufficient

correlation). Interkorelasi antar variabel akan dideteksi dengan

Kaiser-Meyer-Olkin Measure of Sampling Eduquacy (KMO MSA).

Untuk dapat dilanjutkan kepada uji validitas, nilai KMO harus > 0,5

(Ghozali, 2005).

Dalam confirmatory factor analysis (CFA) kita juga harus

melihat pada output dari rotated component matrix yang harus

terekstrak secara sempurna. Jika masing-masing item pertanyaan

belum terekstrak secara sempurna, maka proses pengujian validitas

dengan factor analysis harus diulang dengan cara menghilangkan

item pertanyaan yang memiliki nilai ganda. Indikator masing-masing

konstruk yang memiliki loading factor yang signifikan membuktikan

bahwa indikator tersebut merupakan satu kesatuan alat ukur yang

mengukur konstruk yang sama dan dapat memprediksi dengan baik

konstruk yang seharusnya diprediksi (Hair et al., 1998).

b Uji Reliabilitas

Reliabilitas adalah istilah yang dipakai untuk menunjukkan

sejauh mana suatu hasil pengukuran relatif konsisten apabila

pengukuran diulangi dua kali atau lebih. Reliabilitas suatu

36

pengukuran mencerminkan apakah suatu pengukuran dapat terbebas

dari kesalahan (error), sehingga memberikan hasil pengukuran yang

konsisten pada kondisi yang berbeda dan pada masing-masing butir

dalam instrumen (Sekaran, 2003). Teknik pengujian yang digunakan

adalah teknik cronbach’s alpha. Taraf signifikansi yang digunakan

adalah 5%. Untuk mengukur reliabilitas dari instrumen penelitian ini

dilakukan dengan item-to-total correlation dan cronbach’s alpha

dengan bantuan program komputer SPSS 11.5.

Menurut Sekaran (2003), suatu pertanyaan dikatakan reliabel

bila koefisien alpha semakin mendekati 0,8. Nilai cronbach’s alpha

antara 0,80 – 1,0 dikategorikan reliabilitas baik, nilai 0,60 – 0,79

dikategorikan reliabilitasnya dapat diterima, dan nilai ≤ 0,60

dikategorikan reliabilitasnya buruk (Sekaran, 2003).

c Uji Asumsi Model

1) Normalitas Data

Asumsi yang paling fundamental dalam analisis

multivariate adalah normalitas, yang merupakan bentuk suatu

distribusi data pada suatu variabel matrik tunggal dalam

menghasilkan distribusi normal (Hair et al., dalam Ghozali dan

Fuad, 2005). Normalitas dibagi menjadi dua, yaitu univariate

normality dan multivariate normality. Apabila asumsi normalitas

tidak dipenuhi dan penyimpangan normalitas tersebut besar,

maka akan mengakibatkan hasil uji statistik yang bias.

37

Untuk menguji asumsi normalitas, maka dapat digunakan

nilai statistik z untuk skewness dan kurtosis-nya. Nilai z skewness

dapat dihitung sebagai berikut:

N

skewnessZskewness

6=

dimana N merupakan ukuran sampel. Nilai statistik z untuk

kurtosisnya dapat dihitung dengan menggunakan rumus berikut

ini:

N

kurtosisZkurtosis

24=

jika nilai z, baik z kurtosis dan atau z skewness adalah signifikan

(kurang dari 0,05 pada tingkat signifikansi 5%), maka dapat

dikatakan bahwa distribusi data tidak normal. Sebaliknya, jika

nilai z, baik z kurtosis dan atau z skewness tidak signifikan (lebih

dari 0,05 pada tingkat signifikansi 5%), maka dapat dikatakan

bahwa distribusi data normal.

Disamping itu Curran et al., (dalam Ghozali dan Fuad, 2005)

membagi distribusi data menjadi tiga bagian:

Tabel III.3 Distribusi data Curan et al

Keterangan C.R. Skewnes C.R. Kurtosis

Normal < 2 < 7

Moderately non-normal 2 - 3 7- 21

Exstremely non-normal > 3 > 21

Sumber: Ghozali dan Fuad, 2005

38

Dalam penelitian ini uji normalitas dihitung dengan bantuan

program komputer AMOS 16.0.

2) Evaluasi Outliers

Outliers adalah observasi atau data yang memiliki

karakteristik unik yang terlihat sangat berbeda jauh dari observasi-

observasi lainnya dan muncul dalam bentuk nilai ekstrim, baik

dalam suatu variabel tunggal (univariate outlier) maupun dalam

kombinasi beberapa variabel (multivariate outlier) (Hair et al.,

dalam Ferdinand, 2002). Uji terhadap outliers dilakukan dengan

menggunakan kriteria jarak mahalanobis (mahalanobis distance)

pada tingkat p<0,001 (Ghozali, 2005). Jarak mahalanobis ini

dievaluasi dengan menggunakan c2 pada derajat bebas sebesar

jumlah variabel yang digunakan dalam penelitian (Ferdinand,

2002). Evaluasi outliers ini dilakukan dengan bantuan program

komputer AMOS 16.0.

3) Uji Multikolinieritas

Uji multikolinearitas bertujuan untuk menguji apakah

ditemukan adanya korelasi antar variabel independen dalam model.

Ada tidaknya multikolinearitas dapat dilihat melalui matrik

korelasi antar variabel independen. Jika antar variabel independen

ada korelasi yang cukup tinggi (di atas 0,9) atau jika dalam

pengujian terdapat peringatan warning, maka hal ini merupakan

indikasi adanya multikolinearitas (Ghozali, 2005). Pengujian

39

multikolinearitas dilakukan dengan bantuan program komputer

AMOS 16.0.

d Uji Hipotesis

Metode analisis untuk pengujian hipotesis yang digunakan

dalam penelitian ini menggunakan Structural Equation Modelling

(SEM). SEM merupakan teknik multivariat yang mengkombinasikan

aspek regresi berganda dan analisis faktor untuk mengestimasi

serangkaian hubungan ketergantungan secara simultan (Hair et al.,

1998). Pengujian hipotesis dilakukan dengan menggunakan program

AMOS 16.0 untuk menganalisis hubungan kausalitas dalam model

struktural yang diusulkan.

1) Evaluasi atas kriteria Goodnes- of-Fit

Dalam analisis SEM, tidak ada alat uji statistik tunggal

untuk menguji hipotesis mengenai model (Hair et al., 1998).

Tetapi berbagai fit index yang digunakan untuk mengukur derajat

kesesuaian antara model yang disajikan dengan data yang

disajikan. Fit index yang digunakan meliputi:

a) Chi Square Statistic

Ukuran fundamental untuk mengukur overall fit

adalah likelihood ratio Chi-square statistic. Tujuan analisis

ini adalah mengembangkan dan menguji sebuah model yang

sesuai dengan data. Chi-square ini bersifat sangat sensitif

terhadap besarnya sampel yang digunakan. Nilai chi-square

yang tinggi relatif terhadap degree of freedom menunjukkan

40

bahwa matrik kovarian atau korelasi yang diobservasi dengan

yang diprediksi berbeda secara nyata dan ini menghasilkan

probabilitas (p) lebih kecil dari tingkat signifikansi (α).

Sebaliknya nilai chi square yang kecil akan menghasilkan

nilai probabilitas (p) yang lebih besar dari tingkat signifikansi

(α), dan ini menunjukkan bahwa input matrik kovarian antara

prediksi dengan observasi sesungguhnya tidak berbeda secara

signifikan (Ghozali, 2005).

Tingkat signifikansi penerimaan yang

direkomendasikan adalah apabila p > 0,05 (Hair et al., 1998),

yang berarti matriks input yang sebenarnya dengan matriks

input yang diprediksi secara statistik tidak berbeda.

b) Normed Chi-Square (CMIN/DF)

Normed Chi-Square adalah ukuran yang diperoleh

dari nilai chi-square dibagi dengan degree of freedom. Indeks

ini merupakan indeks kesesuaian parsimonious yang

mengukur hubungan goodness of fit model dan jumlah

koefisien estimasi yang diharapkan untuk mencapai tingkat

kesesuaian. Nilai yang direkomendasikan untuk menerima

kesesuaian model adalah CMIN/DF ≤ 2,0 atau 3,0.

c) Goodness of Fit Index (GFI)

Indeks ini mencerminkan tingkat kesesuaian model

secara keseluruhan yang dihitung dari residual kuadrat dari

model yang diprediksi dibandingkan data yang sebenarnya.

41

Indeks ini mempunyai rentang 0 (poor fit) sampai dengan 1

(perfect fit). Nilai yang lebih mendekati 1 mengindikasikan

model yang diuji memiliki kesesuaian yang baik (Hair et al.,

1998). Tingkat penerimaan yang direkomendasikan untuk

kesesuaian yang baik adalah GFI ≥ 0,90.

d) Adjusted Goodness of Fit Index (AGFI)

Indeks ini merupakan pengembangan dari goodness of

fit index (GFI) yang telah disesuaikan dengan rasio dari

degree of freedom model-model konstruk tunggal dengan

semua indikator pengukuran konstruk. Nilai yang

direkomendasikan adalah AGFI ≥ 0,90. Semakin besar nilai

AGFI maka semakin baik kesesuaian yang dimiliki model.

e) Tucker Lewis Index (TLI)

TLI atau dikenal juga dengan non-normed fit index

(NNFI), adalah suatu indeks kesesuaian incremental fit index

yang membandingkan sebuah model yang diuji dengan null

model. Nilai penerimaan yang direkomendasikan adalah nilai

TLI ≥ 0,90. TLI merupakan indeks yang kurang dipengaruhi

oleh ukuran sampel.

f) Comparative Fit Index (CFI)

CFI merupakan indeks kesesuaian incremental, yang

juga membandingkan model yang diuji dengan null model.

Besaran indeks ini adalah dalam rentang 0 sampai 1 dan nilai

yang mendekati 1 mengindikasikan model memiliki tingkat

42

kesesuaian yang baik. Nilai penerimaan yang

direkomendasikan adalah nilai CFI ≥ 0,90. Indeks ini sangat

dianjurkan untuk digunakan, karena indeks-indeks ini relatif

tidak sensitif terhadap besarnya sampel dan kurang

dipengaruhi pula oleh kerumitan model.

g) The Root Mean Square of Approximation (RMSEA)

RMSEA merupakan indeks yang digunakan untuk

mengukur fit model menggantikan chi-square statistic dalam

jumlah sampel yang besar. Nilai RMSEA ≥ 0,08

mengindikasikan indeks yang baik untuk menerima

kesesuaian sebuah model.

Indeks-indeks yang digunakan untuk menguji kelayakan sebuah model

dapat diringkas dalam tabel berikut ini:

Tabel III.4 Tabel Goodness-of-fit Indices

Goodness-of-fit Indices Cut-off Value

Chi-square (2c ) Diharapkan kecil

Significance Probability (p) 05,0³ CMIN/DF 00,2£ GFI 90,0³ AGFI 90,0³ TLI 90,0³ CFI 90,0³ RMSEA 08,0£

Sumber: Ferdinand (2002), Ghozali (2005)

43

2) Analisis Koefisien Jalur

Analisis ini dilihat dari signifikansi besaran regression

weight model. Kriteria bahwa jalur yang dianalisis signifikan

adalah apabila memiliki nilai C.R ³ nilai t tabel. Pedoman umum

nilai t tabel dengan level signifikasi 5% adalah + 1,98 (Jogiyanto,

2004).

44

BAB IV

ANALISIS DATA DAN PEMBAHASAN

Pada bab ini berisi gambaran umum obyek penelitian, deskripsi responden,

hasil dari analisis data serta pembahasannya.

A. Gambaran Umum Obyek Penelitian

1. Sejarah Singkat dan Tentang E-Learning Fakultas Ekonomi

Universitas Sebelas Maret.

Fakultas Ekonomi Universitas Sebelas Maret (FE UNS ) Surakarta

lahir bersamaan dengan diresmikannya Universitas Sebelas Maret di Siti

Hinggil Pegelaran Keraton Kasunanan Surakarta oleh presiden Republik

Indonesia. Tahun 1976 (Kepres No.10 Tanggal 8 maret 1976).

Terbentuknya FE-UNS merupakan hasil dari penggabungan beberapa

Fakultas Ekonomi dari berbagai perguruan tinggi swasta yang ada

diwilayah Kotamadya Surakarta, yang antara lain meliputi:

a Fakultas Ekonomi Nasional Saraswati (UNNASTI)

b Fakultas Ekonomi Universitas Cokroaminoto (UNCOK)

c Fakultas Ekonomi Universitas Tujuh Belas Agustus (UNTAG)

d Fakultas Ekonomi Universitas Islam Indonesia (UII)

Pada permulaan bersidirinya FE-UNS periode 1976-1981),

penyelenggaraan proses belajar mengajar bertempat di Pagelaran Keraton

Surakarta ( + 1 tahun ) selanjutnya di kamupus mesen ( sekarang dipakai

sebagai kampus D-3 FE-UNS).

Selama tahun 1976-1987 FE-UNS Surakarta mempunyai 2 (dua)

jurusan yaitu jurusan Ekonomi Umum (Pembangunan) dan jurusan

45

Ekonomi Perusahaan (Manajemen). Pada saat itu, terdapat sejumlah dosen

Afiliasi yang didatangkan dari Universitas Gajah Mada (UGM) yang

antara lain adalah : Dr.Sudarsono; Dr. Farid Widjaja Mansur,MA;

Dr.Bambang Riyanto; Dr.Irawan, MBA; Dr. Soetatwo; Dr.Indriyo;

Drs.Jasmari Adnan,MA; Drs.Sukamto dan Drs.Munandar.

2. Visi

Menjadi institusi pendidikan dibidang manajemen dan bisnis dalam

perspektif global yang peduli terhadap perubahan lingkungan baik internal

maupun eksternal

3. Misi

a Menyelenggarakan pendidikan dan pengajaran berorientasi ilmu

manajemen dan bisnis.

b Menyelenggarakan penelitian dan pengembangan ilmu manajemen

yang berorientasi pada perkembangan dunia usaha.

c Menyelenggarakan pengabdian masyarakat yang menunjang

penerapan dan pengembangan ilmu manajemen.

4. Tujuan

a Menghasilkan lulusan yang berkarakter kuat, berdaya saing tinggi,

dan memiliki kompetensi manajerial.

b Menghasilkan lulusan yang memiliki pola pikir dan perilaku yang

kreatif dan inovatif yang tanggap terhadap perubahan lingkungan

c Menghasilkan penelitian yang berkualitas dan aplikatif dalam

berbagai bidang industri.

d Menghasilkan karya inovatif yang bermanfaat bagi masyarakat

46

e Mengembangkan jalinan kerjasama dengan stakeholder.

5. Struktur Organisasi Jurusan Manajemen Fakultas Ekonomi

Universitas Sebelas Maret.

Organisasi Fakultas Ekonomi terdiri dari: Senat Fakultas, Dekan

dan Pembantu Dekan, Unsur Pelaksana, Dosen, Pusat-Pusat

Pengembangan, Bagian Tata Usaha dan Perpustakaan seperti yang

digambarkan pada Gambar IV.1.

Keterangan :

a. Dekan : memimpin pelaksanaan dan pengembangan

pendidikan dan pengajaran, penelitian dan pengabdian pada

masyarakat, perencanaan kerja sama serta pembinaan

civitas akademika.

b. Pembantu Dekan 1 : mempunyai tugas membantu dekan

dalam memimpin pelaksanaan kegiatan pendidikan dan

pengajaran, penelitian, dan pengabdian kepada masyarakat,

perencanaan dan kerjasama.

c. Pembantu Dekan II : mempunyai tugas membantu dekan

dalam memimpin pelaksanaan kegiatan administrasi umum

dan keuangan.

d. Pembantu Dekan III : mempunyai tugas membantu Dekan

dalam memimpin pelaksanaan kegiatan bidang

pembinaanserta kesejahteraan mahasiswa.

47

e. Senat fakultas : merupaka badan normative dan perwakilan

tertinggi pada fakultas yang memiliki wewenang untuk

menjabarkan kebijakan dan peraturan fakultas.

f. Jurusan : mempunyai tugas melaksanan pendidikan dan

pengajaran, penelitian, dan pengabdian kepada masyarakat

dalam sebagian atau satu cabang ilmu, teknologi atau

kesenian tertentu dengan program pendidikan yang ada dan

sesuai dengan ketentuan peraturan perundangan yang

berlaku.

g. Laboratorium : sarana penunjang jurusan dalam satu atau

sebagian cabang ilmu, teknologi, atau kesenian tertentu

sesuai dengan keperluan bidang studi dan unit sumber daya

dasar untuk mengembangkan ilmu dan pendidikan masing-

masing jurusan yang ada di Fakultas Ekonomi.

h. Program Diploma : program diploma merupakan program

pendidikan ketrampilan dimana program ini dirancang 60%

untuk ketrampilan dan 40% untuk teori. Fakultas Ekonomi

UNS menyelenggarakan Program Diploma 3 tahun dan

dirancang untuk kurikulum 6 semester.

i. Bagian Tata Usaha : merupakan unsure pelaksana

administrasi mempunyai tugas melaksanakan administrasi

pendidikan, umum, perlengkapan, keuangan, kepegawaian,

dan kemahasiswaan. Bagian tata usaha dipimpin oleh

seorang Kepala Bagian dengan mebawahi 4 Sub Bagian

48

yang masing-masing Sub Bagian dipimpin oleh seorang

Kepala Sub Bagian yaitu :

1) Sub Bagian Adminitrasi Pendidikan.

2) Sub Bagian Administrasi Keuangan dan

Kepegawaian.

3) Sub Bagian Administrasi Umum dan

Perlengkapan.

4) Sub Bagian Administrasi Kemahasiswaan.

49

Gambar IV.1 Struktur Organisasi Fakultas Ekonomi Sumber : Buku Pedoman Fakultas Ekonomi UNS

Dekan

PD1

PD 2 PD 3

Senat

Jurusan Manajemen

Jurusan Ekonomi

Jurusan Akuntansi

Bagian Tata Usaha

D3 M. Industri

D3 M. Pemasaran

Lab. Jurusan Manj.

Pusat Pengembangan Manj.

D3 Bisnis Internasional

Lab. Jurusan Eko

Pusat Pengembangan Ekonomi Pembangunan

1. Pusat sistem Informasi

2. Pusat Komputer

Lab Ekspor-Impor

Pusat Pengembangan Ekspor

Perpustakaan

D3 Akuntansi Keuangan

D3 Akuntansi Perpajakan

Lab. Jurusan Akuntansi

Pusat Pengembangan Akuntansi

Sub. Bag. Adm. Pendidikan

Su. Bag. Adm. Keu. Dan Kepegawaian

Sub. Bag. Adm. Umum dan Perlengkapan

Sub. Bag. Adm. Kemahasiswaan

Pendidikan Profesi Akuntansi

Pojok BEJ

50

6. E-Learning Fakultas Ekonomi Universitas Sebelas Maret.

Selain proses belajar mengajar yang dilakukan secara konvensional

di lingkunagan kampus Fakultas Ekonomi Universitas Sebelas Maret,

pihak Fakultas juga telah menggunakan bantuan teknologi informasi untuk

mendukung jalannya proses belajar mengajar yaitu melalui e-learning. E-

learning yaitu suatu proses belajar mengajar secara online dengan bantuan

jaringan internet. Jadi dengan kata lain proses belajar mengajar yang

dilakukan tanpa bertatap muka secara langsung atau pembelajaran jarak

jauh.

E-learning Fakultas Ekonomi sendiri sudah ada sejak beberapa

tahun yang lalu yang sampai saat ini peneglolaan dan pengembangannya

dilakukan oleh Pusikom (Pusat Informasi dan Komputasi) dengan alamat

URL-nya adalah lerning.fe.uns.ac.id, tetapi masih belum banyak

digunakan oleh tenaga pengajar untuk mendukung pembelajaran secara

konvensional. Saat ini hanya ada beberapa mata kuliah yang selain proses

belajar mengajarnya secara konvensional juga dilakukan secara on-line,

yaitu antara lain Aplikasi Komputer, Manajemen Strategik, Sistem

Informasi Manajemen, Komunikasi Bisnis, Praktek Laboratorium 1 dan 3,

serta Praktek Simulasi Manajerial.

Didalam e-learning itu sendiri terdapat banyak fitur-fitur yang

dapat digunakan mahasiswa untuk mendukung jalannya belajar on-line.

Beberapa fitur tersebut antara lain :

51

Tabel IV. 1 Tabel fitur-fitur di e-learning

Nama Fitur e-learning Keterangan Deskripsi mata kuliah Berisi tentang gambaran umum mata

kuliah, aturan main dan literatur buku yang digunakan

Learning Path Fasilita dapat digunakan untuk pembelajaran berantai/ jalur

Latihan kuis Fasilitas yang dapat digunakan untuk kuis secara on-line

Dokumen Fasilitas yang dapat digunakan untuk menyimpan data-data yang di upload oleh mahasiswa maupun dosen

Pengumuman Fasilitas yang dapat digunakan dosen maupun mahasiswa untuk memasang pengumuman tentang perkuliahan.

Agenda

Fasilitas di e-learning yang dapat digunakan untuk menyusun agenda pribadi selama satu semester.

Group

Asilitas yang dapat digunakan untuk membuat kelompok belajar dalam e-learning

Forum

Fasilitas yang ada di e-learning yang dapat digunakan untuk memberikan komentar atau saran tentang isu atau fenomena yang di upload

Chat

Fasilitas yang dapat digunakan untuk chating antar anggota e-learning

Surveys Fasilitas yang dapat digunakan untuk mengadakan survey on-line

Sumber : learning.uns.ac.id (2009)

52

B. ANALISIS DESKRIPTIF

1. Karakteristik Responden

Pada penelitian ini kuesioner yang disebarkan seluruhnya sebanyak 120

kuesioner. Dalam prosesnya, kuesioner ini disebarkan sebanyak 3 kali dalam

jangka waktu 1 bulan. Jumlah kuesioner yang bisa dikumpulkan kembali oleh

peneliti adalah sejumlah 111 kuesioner atau 92,5 %. Jumlah kuesioner yang

bisa digunakan dalam analisis penelitian ini adalah sejumlah 107 atau 96,3%,

hal ini dikarenakan adanya data hilang atau tidak layak olah. jumlah sampel

data yang terkumpul telah memenuhi ukuran sampel minimum yang

disyaratkan, yaitu sampel minimal yang sesuai untuk metode SEM adalah

antara 100-200 (Hair et al., dalam Ferdinand, 2002).

Responden dalam penelitian ini adalah mahasiswa SI Fakultas Ekonomi

UNS yang terdaftar sebagai anggota, aktif dan atau pernah menggunakan

fasilitas e-learning minimal dua kali. Teknik pengambilan sampel dilakukan

dengan purposive sampling.

Gambaran tentang karakteristik responden diperoleh dari identitas

responden yang meliputi umur, jenis kelamin, prodi, dan tingkat penggunaan

teknologi e-learning yang disajikan dalam tabel-tabel berikut:

a Umur.

Tabel 1V. 2 Distribusi Frekuensi Responden Berdasar Umur

Umur Frekuensi Prosentase

19 tahun 55 orang 51,4% 20 tahun 22 orang 20,6% 21 tahun 17 orang 15,9% 22 tahun 13 orang 12,1% Jumlah 107 orang 100%

Sumber: Data primer yang diolah (2009)

53

Tabel IV. 2 menunjukan bahwa mahasiswa pengguna fasilitas

e-learning rata-rata yang paling banyak adalah berumur 19 tahun

sebanyak 55 orang atau 51,4%.

b Jenis Kelamin

Tabel 1V. 3 Distribusi Frekuensi Responden Berdasar Jenis Kelamin

Jenis Kelamin Frekuensi Prosentase

Pria 51 Orang 47,7% Wanita 56 Orang 52,3% Jumlah 107 orang 100%

Sumber: Data primer yang diolah (2009)


e-learning yang berjenis kelamin pria/laki-laki sebanyak 51 orang

atau 47,7%, sedangkan yang wanita/perempuan sebanyak 56 orang

atau 52,3%.

c Program Pendidikan

Tabel 1V. 4 Distribusi Frekuensi Responden Berdasar Program Pendidikan

Prodi Frekuensi Prosentase

Manajemen 74 orang 69,2% Akuntantsi 22 orang 20,6% Ekonomi

Pembangunan 11 orang 10,3%

Jumlah 107 orang 100% Sumber: Data primer yang diolah (2009)


e-learning berdasarkan program pendidikan manajemen sebanyak 74

orang atau 69,2% adalah yang paling tinggi.

54

d Tingkat Penggunaan

Tabel 1V. 5 Distribusi Frekuensi Responden Berdasar Tingkat Penggunaan

Tingkat

Penggunaan Frekuensi jumlah Prosentase

Tidak pernah 0 - - Jarang 1-2 25 orang 23,4%

Cukup sering 3-4 43 orang 40,2% Sering 5-keatas 39 orang 36,4%

Jumlah 107 orang 100% Sumber: Data primer yang diolah (2009)


e-learning berdasarkan tingkat penggunaan menunjukan sebanyak 43

orang atau 40,2% intensitas cukup sering menggunakan fasilitas e-

learning.

2. Tanggapan Responden

Tanggapan responden terhadap kuesioner yang diberikan peneliti

nampak pada jawaban responden. Dalam analisis ini akan diuraikan

mengenai kecenderungan pendapat dan tanggapan dari mahasiswa SI

Fakultas Ekonomi UNS selaku responden penelitian ini. Pernyataan-

pernyataan responden mengenai variabel penelitian dapat dilihat pada

jawaban responden terhadap kuesioner yang diberikan peneliti dan

pernyataan ini membentuk skala likert, dimana skala likert ini dapat

digunakan untuk mengukur sikap responden.

a. Tanggapan Responden Mengenai Persepsi Kemudahan

Penggunaan (Perceived ease of use).

Deskripsi tanggapan responden sebanyak 107 orang terhadap

item pertanyaan persepsi kemudahan penggunaan sebanyak 4 (empat)

55

item. Data kuesioner yang terdapat pada lampiran dapat dilihat

deskripsi tanggapan responden pada setiap item pertanyaan adalah

sebagai berikut :

Tabel IV.6 Deskripsi Tanggapan Responden

Terhadap Persepsi Kemudahan Penggunaan

Jumlah Jawaban Responden No Pertanyaan STS TS N S SS

1 Saya merasa e-learning mudah digunakan - 2 7 57 41

2 Saya meraasa e-learning mudah untuk dipelajari - 2 9 75 21

3 e-learning jelas dan mudah dipahami - 3 8 79 17

4 Mudah bagi saya untuk mendapatkan informasi di e-learning 2 1 13 78 13

Sumber : Data primer yang diolah (2009)

1. Berdasarkan data dari tabel IV.6 diatas menunjukkan bahwa

mayoritas responden sebanyak 57 orang atau 53,3 % menjawab

setuju atas item saya merasa e-learning mudah digunakan. Hal ini

berarti bahwa sebagian besar responden merasa e-learning mudah

digunakan.



setuju atas item pertanyaan saya merasa e-learning mudah untuk

dipelajari. Hal ini berarti bahwa sebagian besar responden merasa

e-learning mudah untuk dipelajari



setuju atas item pertanyaan e-learning jelas dan mudah dipahami.

56

Hal ini berarti bahwa sebagian besar responden jelas dan mudah

dalam memahami e-learning.



setuju atas item pertanyaan mudah bagi saya untuk mendapatkan

informasi di e-learning. Hal ini berarti bahwa sebagian besar

responden merasa mudah untuk mendapatkan informasi dari e-

learning.

b. Tanggapan Responden Mengenai Persepsi Kegunaan (Perceived

usefulness)


item pertanyaan persepsi kegunaan sebanyak 4 (empat) item. Data

kuesioner yang terdapat pada lampiran dapat dilihat deskripsi

tanggapan responden pada setiap item pertanyaan adalah sebagai

berikut :


Terhadap Persepsi Kegunaan


1 Penggunaan e-learning mempertinggi efektifitas saya dalam belajar.

- 25 37 41 4

2 Penggunaan e-learning menjadikan pekerjaan atau tugas perkuliahan lebih mudah

- 6 66 33 2

3 Penggunaan e-learning meningkatkan produktivitas tugas perkuliahan saya. 1 28 35 42 1

4 saya merasa e-learning berguna atau bermanfaat.

- 9 56 38 4


57



setuju atas item penggunaan e-learning mempertinggi efektivitas

belajar. Hal ini berarti bahwa sebagian besar responden merasa e-

learning dapat mempertinggi efektifitas dalam belajar khususnya

untuk memenuhi tugas perkuliahan.

2. Berdasarkan data dari Tabel IV.7 diatas menunjukkan bahwa


netral atas item penggunaan e-learning menjadikan pekerjaan atau

tugas perkuliahan lebih mudah. Hal ini berarti bahwa sebagian

besar responden merasa tidak tahu apakah dengan e-learning dapat

menjadikan pekerjaan atau tugas perkuliahan lebih mudah atau

sebaliknya.



setuju atas item pertanyaan penggunaan e-learning meningkatkan

produktivitas tugas perkuliahan saya. Hal ini berarti bahwa

sebagian besar responden merasa dengan menggunakan e-learning

dapat meningkatkan produktivitas perkuliahan



netral atas item saya merasa e-learning berguna atau bermanfaat.

Hal ini berarti bahwa sebagian besar responden merasa tidak tahu

58

apakah e-learning berguna atau bermanfaat untuk mendukung

perkuliahan.

c. Tanggapan Responden Mengenai Sikap Terhadap Penggunaan

(Attitude toward using).


item pertanyaan persepsi kemudahan penggunaan sebanyak 4 (empat)



sebagai berikut :


Sikap Terhadap Penggunaan


1 Saya menyukai ide penggunaan e-learning. 1 15 47 38 6

2 Saya senang menggunakan e-learning - 2 25 69 11

3 Saya percaya bahwa menggunakan e-learning ide baik untuk tugas perkuliahan saya.

- 7 34 55 11

4 Penggunaan e-learning adalah ide yang bagus

- 3 45 47 12




netral atas item saya menyukai ide penggunaan e-learning. Hal ini

berarti bahwa sebagian besar responden merasa tidak tahu suka

atau tidak dengan ide menggunakan e-learning.

59



setuju atas item saya mempunyai kebiasaan sikap yang

menyenangkan terhadap penggunaan e-learning. Hal ini berarti

bahwa sebagian besar responden merasa mempunyai kebiasaan

sikap yang menyenangkan terhadap penggunaan e-learning.



setuju atas item saya percaya bahwa menggunakan e-learning ide

baik untuk tugas perkuliahan saya. Hal ini berarti bahwa sebagian

besar responden merasa menggunakan e-learning ide baik untuk

tugas perkuliahan saya.

4. Berdasarkan data dari aabel IV.8 diatas menunjukkan bahwa


setuju atas item penggunaan e-learning adalah ide yang bagus. Hal

ini berarti bahwa sebagian besar responden merasa bahwa e-

learning adalah suatu ide yang bagus untuk mendukung kegiatan

belajar mengajar.

d. Tanggapan Responden Mengenai Minat/ Perhatian untuk

Menggunakan (Behaviour Intention to Use).


item pertanyaan persepsi kemudahan penggunaan sebanyak 3 (tiga)


60


sebagai berikut :


Terhadap Minat/ Perhatian Untuk Menggunakan


1 Saya berkeinginan/ bermaksud untuk menggunakan e-leaning selama perkuliahan

8 58 35 6 -

2 Saya berkeinginan/ bermaksud menggunakan e-learning lagi

13 52 38 4 -

3 Saya berkeinginan/ bermaksud meningkatkan penggunaan e-learning untuk memenuhi tugas perkuliahan

24 54 22 7 -




tidak setuju atas item saya berkeinginan/ bermaksud untuk

menggunakan e-leaning selama perkuliahan Hal ini berarti bahwa

sebagian besar responden kelak tidak berkeinginan/ bermaksud

untuk menggunakan e-leaning selama perkuliahan



tidak setuju atas item saya berkeinginan/ bermaksud menggunakan

e-learning lagi Hal ini berarti bahwa sebagian besar responden

tidak berkeinginan/ bermaksud menggunakan e-learning lagi.



tidak setuju atas item saya berkeinginan/ bermaksud meningkatkan

61

penggunaan e-learning untuk memenuhi tugas perkuliahan Hal ini

berarti bahwa sebagian besar responden tidak berkeinginan/

bermaksud meningkatkan penggunaan e-learning untuk memenuhi

tugas perkuliahan.

C. ANALISIS KUANTITATIF

1. Uji Validitas

Hasil output analisis faktor dapat dilihat pada tabel-tabel IV.10 dan

IV.11 berikut :

Tabel IV. 10 Hasil Analisis Faktor

Berdasarkan hasil CFA dari tabel IV.10 dapat dilihat satu item

yang tidak valid karena mempunyai nilai factor loading < 0,5. Kemudian

dilakukan pengujian CFA lagi dengan tidak mengikutsertakan item-item

Rotated Component Matrix a

.764

.777

.813

.857

.817

.584

.878

.712

.746

.421 .440

.656

.839

.789

.830

.718

PEOU1

PEOU2

PEOU3

PEOU4

PU1

PU2

PU3

PU4

ATT1

ATT2

ATT3

ATT4

BITU1

BITU2

BITU3

1 2 3 4

Component

Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization.

Rotation converged in 5 iterations.a.

62

yang tidak valid secara trial and eror. Hasil revisi CFA dimana semua

item pertanyaan dinyatakan valid dapat dilihat pada tabel IV.11 berikut ini:

Tabel IV. 11 Hasil Analisis Faktor

Tabel IV. 12 Rangkuman Hasil Analisis Faktor

Variabel Item Factor Loading Keterangan

Perceived Ease of Use PEOU 1 0,769 Valid PEOU 2 0,778 Valid PEOU 3 0,816 Valid PEOU 4 0,859 Valid Perceived Usefulness USE 1 0,826 Valid USE 2 0,611 Valid USE 3 0,877 Valid USE 4 0,721 Valid Attitude Toward Using ATU 1 0,737 Valid ATU 3 0,667 Valid ATU 4 0,861 Valid

BITU 1 0,789 Valid BITU 2 0,838 Valid

Behaviour Intention to Use

BITU 3 0,732 Valid Sumber: Data primer yang diolah (2009)

Rotated Component Matrix a

.769

.778

.816

.859

.826

.611

.877

.721

.737

.667

.861

.789

.838

.732

PEOU1

PEOU2

PEOU3

PEOU4

PU1

PU2

PU3

PU4

ATT1

ATT3

ATT4

BITU1

BITU2

BITU3

1 2 3 4

Component



63

Dalam penelitian ini, terdapat 14 item yang dinyatakan valid dari 15

item pertanyaan. 14 item pertanyaan inilah yang akan dianalisis lebih

lanjut

2. Uji Reliabilitas

Hasil pengujian reliabilitas variabel-variabel didapatkan nilai

cronbach’s alpha masing-masing variabel yang disajikan dalam Tabel IV.

13

Tabel IV. 13 Hasil Uji Reliabilitas Model

No Variabel Cronbach Alpha

Keterangan

1 Perceived Ease of Use 0,8392 Baik 2 Perceived Useffulness 0,8022 Baik 3 Attitude Toward Using 0,6891 Diterima 4 Behaviour Intention to Use 0,7691 Diterima Sumber: Data primer yang diolah (2009)

Dari tabel IV.13 dapat dilihat bahwa semua instrumen dinyatakan reliabel

karena mempunyai nilai cronbach’s alpha > 0,60.

D. Uji Asumsi Model

Sebelum pengujian kesesuaian model dan hipotesis, dalam penelitian

ini terlebih dahulu akan dilihat karakteristik data yang akan digunakan dalam

analisis. Pengujian terhadap karakteristik data meliputi pengujian normalitas

data, evaluasi outliers dan evaluasi multikolinearitas.

1. Normalitas Data

Normalitas univariate dan multivariate terhadap data yang

digunakan dalam analisis ini diuji dengan menggunakan AMOS 16.

Hasilnya adalah seperti yang disajikan dalam tabel IV.14 berikut ini :

64

Tabel IV. 14 Hasil Uji Asumsi Normalitas

Variable min max skew c.r. kurtosis c.r. bitu3 1.000 4.000 .491 2.074 -.176 -.372 bitu2 1.000 4.000 .031 .131 -.348 -.736 bitu1 1.000 4.000 .326 1.378 -.028 -.059 att1 1.000 5.000 -.098 -.415 -.214 -.452 att3 2.000 5.000 -.268 -1.133 -.181 -.381 att4 2.000 5.000 .206 .871 -.461 -.973 peou1 2.000 5.000 -.768 -3.245 .980 2.070 peou2 2.000 5.000 -.562 -2.375 1.931 4.076 peou3 2.000 5.000 -.835 -3.527 2.877 6.076 peou4 1.000 5.000 -1.627 -6.870 5.908 12.474 pu4 2.000 5.000 .131 .552 -.146 -.308 pu3 1.000 5.000 -.251 -1.060 -1.108 -2.339 pu2 2.000 5.000 .324 1.370 .152 .321 pu1 2.000 5.000 -.073 -.310 -.979 -2.067 Multivariate 11.007 2.690

Sumber : Data primer diolah (2009)

Tabel IV.14 menunjukan pengujian normalitas data dalam

penelitian ini. Nilai statistic untuk menguji normalitas tersebut z value

(Critical Ratio atau C.R pada output AMOS 16) dari ukuran skewness dan

kurtosis sebaran data. Bila nilai C.R. lebih besar dari nilai kritis maka

dapat diduga bahwa distribusi data tidak normal. Nilai kritis dapat

ditentukan berdasarkan tingkat signifiknsi 1% yaitu sebesar ± 2,58.

Hasil uji normalitas data terlihat secara univariate, C.R. skewness

konstruk hampir mempunyai nilai C.R. berada dibawah 2,58 kecuali untuk

PEOU1, PEOU3, PEOU4 yang berarti bahwa secara univariate sebaran

yang dapat dianggap normal dan dapat digunakan untuk estimasi pada

analisis selnjutnya. Sementara secara multivariate nilai C.R. sebaran

kurtosis menunjukan 2,690 yang berarti data dapat dikatakan terdistribusi

normal secara multivariate.

65

Data yang digunakan dalam penelitian ini adalah data yang

disajikan secara apa adanya dari penelitian yang berasal dari data primer

berdasarkan jawaban responden yang sangat beragam sehingg sulit untuk

memperoleh data yang mengikuti distribusi normal multivariate secara

sempurna. Disamping itu, teknik Maximum Likelihood Estimates (MLE)

yang digunakan dalam penelitian ini tidak terlalu terpengaruh (robust)

terhadap data yang tidak normal (Ghozali dan Fuad, 2005) sehingga

analisis selanjutnya masih dapat dilakukan.

2. Evaluasi Outliers

Uji terhadap multivariate outliers dilakukan dengan menggunakan

kriteria jarak mahalanobis pada tingkat p < 0,001. Jarak mahalanobis itu

dievaluasi dengan menggunakan c2 pada derajat bebas sebesar jumlah

variabel indikator yang digunakan dalam penelitian (Ferdinand, 2002).

Jika dalam penelitian ini digunakan 15 variabel indikator, semua kasus

yang mempunyai jarak mahalanobis lebih besar dari c2 (15, 0.001) =

37,6973 adalah multivariate outlier. Tabel IV.15 berikut menyajikan hasil

evaluasi Jarak Mahalanobis.

Tabel IV.15 Hasil Uji Asumsi Outliers

Nomor

Observasi Jarak Mahalanobis Jarak Mahalanobis

Kritis (15, 0.001) 80 82 34

.

.

. 106

38.814 32.192 27.995

.

.

. 6.335

Mahalanobis distance square (df = 15, p < 0,001) Mahalanobis < 37,6973


66

Berdasarkan kriteria nilai mahalanobis distance tersebut, terdeteksi

nilai yang dianggap outliers sebanyak 1. namun demikian data outlier

tersebut dipertimbangkan tidak merupakan nilai ekstrim yang sangat

berbeda dari observasi lainnya. Hal ini tampak dari nilai mahalanobis

distance yang tidak berbeda terlalu jauh pada data outlier tersebut. Pada

akhirnya, outliers diputuskan untuk tidak dibuang mengingat jika outliers

tersebut dikeluakan dari analisis maka nilai goodness of fit nya akan

mengalami penurunan dan tidak terjadi perubahan yang cukup signifikan

pada nilai normalitas data.

3. Uji Multikolinearitas

Dalam program AMOS akan memberikan warning bila ternyata

matriks kovariannya menunjukkan adanya singularitas atau

multikolinearitas (Ferdinand, 2006). Dalam olah data, hasil uji

multikolinieritas yang menggunakan software AMOS tidak memberikan

tanda warning sehingga dapat disimpulkan bahwa data dalam penelitian

ini tidak terdapat masalah multikolinearitas.

E. Uji Goodness-of-Fit Model Struktural

Sebelum melakukan teknik pengujian hipotesis, langkah yang pertama

adalah menilai kesesuaian goodness-of-fit. Untuk Pengujianya menggunakan

Structural Equation Modeling (SEM) dengan bantuan program AMOS versi

16. Gambar berikut ini, merupakan model structural (path diagram) awal

sebelum modifikasi.

67

Gambar IV.2

Path Diagram Sebelum Modifikasi Sumber : Data primer yang diolah(2009)

Tabel IV.16 Kriteria Goodness of Fit sebelum modifikasi

Goodness-of-fit Indices Cut-off Value hasil kesimpulan

Chi-square (2c ) Diharapkan kecil 121,373 -

Significance Probability (p)

05,0³ 0.000 Tidak fit

CMIN/DF 00,2£ 1,686 Fit GFI 90,0³ 0,862 Marginal AGFI 90,0³ 0.799 Tidak fit TLI 90,0³ 0.879 Marginal CFI 90,0³ 0.904 Fit RMSEA 08,0£ 0.080 Fit


PU

.27

PEOU

ATU BITU

pu1

.30

e5

1.00

1

pu2

.23

e6

.54

1

pu3

.28

e7

1.02

1

pu4

.22

e8

.77

1

peou4.17

e4

1.00

1peou3

.14

e3

.88

1peou2

.15

e2

.86

1peou1

.22

e1

.91

1

att4.21

e12

1.00

1att3

.42

e11

.70

1att1

.32

e9

1.07

1

bitu1

.20

e131.001

bitu2.31

e14.88 1

bitu3.29

e15

1.171

.31

.30

.20

.27

.38

.25

z21

.19

z3

1

.39

z1

1

Chi-squares=121.373prob=.000

CMIN/DF =1.686RMR=.044

GFI=.862AGFI=.799

TLI=.879CFI=.904

RMSEA=.080

68

Dari hasil pengukuran goodness fit index diatas dapat disimpulkan

bahwa besarnya significance probability diperoleh nilai cut of value (≥ 0,05)

yang belum memenuhi kriteria (0,000). Besarnya AGFI juga diperoleh nilai

cut of value (≥ 0,90) belum memenuhi kriteria (0,799).

Hasil pengukuran goodness fit index diatas menunjukan tingkat

probabilitas adalah signifikan sebesar 0,000 (p ≤ 0,05), hal ini menunjukan

adanya penyimpangan antara sample covarian matrix dan model (fitted)

covariance matrix, sedangkan nilai chi square untuk model yang baik

seharusnya mempunyai probabilitas tidak signifikan (≥ 0,05). Dengan

demikian, untuk mendapatkan model goodness fit index yang diharapkan

(lebih baik) maka perlu dilakukan revisi model dengan tujuan untuk

memperbaiki model yaitu dengan memodifikasi model berdasarkan tebel

modification index. Gambar berikut ini path diagaram setelah modifikasi.

69

Gambar IV.3 Path Diagram Setelah Modifikasi Sumber : Data primer diolah (2009)

Tabel IV.17 Kriteria Goodness of Fit setelah modifikasi

Goodness-of-fit Indices Cut-off Value hasil kesimpulan

Chi-square (2c ) Diharapkan kecil 82,994 -

Significance Probability (p) 05,0³ 0.120 Fit CMIN/DF 00,2£ 1,203 Fit GFI 90,0³ 0,897 Marginal AGFI 90,0³ 0.843 Marginal TLI 90,0³ 0.964 Fit CFI 90,0³ 0.973 Fit RMSEA 08,0£ 0.044 Fit


PU

.28

PEOU

ATU BITU

pu1

.17

e5

1.00

1

pu2

.25

e6

.43

1

pu3

.35

e7

.78

1

pu4

.10

e8

.82

1

peou4.15

e4

1.00

1peou3

.18

e3

.77

1peou2

.12

e2

.91

1peou1

.27

e1

.78

1

att4.22

e12

1.00

1att3

.42

e11

.69

1att1

.31

e9

1.11

1

bitu1

.19

e131.001

bitu2.30

e14.87 1

bitu3.30

e15

1.121

.36

.27

.17

.28

.30

.25

z21

.21

z3

1

.51

z1

1



GFI=.897AGFI=.843

TLI=.964CFI=.973

RMSEA=.044

-.10

-.18

.08

70

Tabel IV.18 Perbandingan hasil Goodness-of-fit Indices sebelum dan sesudah

modifikasi

Goodness-of-fit Indices

Cut-off Value Hasil sebelum modifikasi

Hasil sesudah modifikasi

Keterangan

Chi-square (2c )

Diharapkan kecil

121,373 82,994 -

Significance Probability (p)

05,0³ 0.000 0.120 meningkat

CMIN/DF 00,2£ 1,686 1,203 meningkat GFI 90,0³ 0,862 0,897 meningkat AGFI 90,0³ 0.799 0.843 meningkat TLI 90,0³ 0.879 0.964 meningkat CFI 90,0³ 0.904 0.973 meningkat RMSEA 08,0£ 0.080 0.044 meningkat


Dari hasil pengukuran modifikasi goodness fit index diatas dapat

disimpulkan bahwa besarnya significance probability diperoleh nilai cut of

value (≥ 0,05) sudah memenuhi kriteria (0,120).

Hasil pengukuran goodness fit index diatas menunjukan tingkat

probabilitas adalah signifikan sebesar 0,120 (p ≥ 0,05), hal ini menunjukan

sudah memenuhi kriteria model yang baik (goodness fit model) karena model

yang baik yaitu mempunyai tingkat probabilitas yang tidak signifikan lebih

dari α = 5%, sehingga menunjukan adanya kesesuaian antara sample covarian

matrix dan model (fitted) covariance matrix (Hair, et al, 1998 dalam Ghozali,

2004).

Normed Chi-Square (CMIN/DF) adalah ukuran yang diperoleh dari

nilai chi-square dibagi dengan degree of freedom. Indeks ini merupakan

indeks kesesuaian parsimonious yang mengukur hubungan goodness-of-fit

model dengan jumlah koefisien-koefisien estimasi yang diharapkan untuk

71

mencapai tingkat kesesuaian. Nilai CMIN/DF pada model ini adalah 1,203

menunjukkan bahwa model penelitian ini fit.

Goodness of Fit Index (GFI) mencerminkan tingkat kesesuaian model

secara keseluruhan yang dihitung dari residual kuadrat dari model yang

diprediksi dibandingkan data yang sebenarnya. Nilai yang mendekati 1

mengisyaratkan model yang diuji memiliki kesesuaian yang baik. Dengan

tingkat penerimaan yang direkomendasikan ³ 0,9, dapat disimpulkan bahwa

model memiliki tingkat kesesuaian yang marginal dengan nilai GFI sebesar

0,897.

Adjusted Goodness of Fit Index (AGFI) adalah GFI yang disesuaikan

dengan rasio antara degree of freedom dari model yang diusulkan dan degree

of freedom dari null model. Nilai AGFI dalam model ini adalah 0,843

menunjukkan tingkat kesesuaian yang marginal.

Tucker Lewis Index (TLI) merupakan alternatif incremental fit index

yang membandingkan model yang diuji dengan baseline model. TLI

merupakan indeks kesesuaian model yang kurang dipengaruhi oleh ukuran

sampel. Nilai yang direkomendasikan ³ 0,90, dapat disimpulkan bahwa model

menunjukkan tingkat kesesuaian yang fit dengan nilai TLI sebesar 0,964.

Comparative Fit Index (CFI) adalah indeks kesesuaian incremental

yang membandingkan model yang diuji dengan null model. Besaran indeks ini

adalah dalam rentang 0 sampai 1 dan nilai yang mendekati 1 mengindikasikan

model memiliki tingkat kesesuaian yang baik. Indeks ini sangat dianjurkan

untuk dipakai karena indeks ini relatif tidak sensitif terhadap besarnya sampel

dan kurang dipengaruhi oleh kerumitan model. Dengan memperhatikan nilai

72

yang direkomendasikan ³ 0,90, maka nilai CFI sebesar 0,973 menunjukkan

bahwa model ini memiliki kesesuaian yang baik.

The Root Mean Square Error of Approximation (RMSEA) adalah

indeks yang digunakan untuk mengkompensasi nilai chi-square dalam sampel

yang besar. Nilai penerimaan yang direkomendasikan £ 0,08, maka nilai

RMSEA sebesar 0,044 menunjukkan tingkat kesesuaian yang baik.

Berdasarkan keseluruhan pengukuran goodness-of-fit tersebut di atas

mengindikasikan bahwa model yang diajukan dalam penelitian dapat diterima.

F. Pengujian Hipotesis

1. Analisis Kausalitas

Analisis kausalitas dilakukan guna mengetahui hubungan antara

variabel. Setelah kriteria goodness of fit dapat terpenuhi atas model

struktural yang diestimasi, selanjutnya analisis terhadap hubungan-

hubungan struktur model (pengujian hipotesis) dapat dilakukan. Pada

jumlah responden lebih dari 100 maka nilai z tabel untuk tingkat

signifikansi 5% adalah sebesar + 1,98 (Jogiyanto, 2004).

73

Tabel IV.19 Hasil Estimasi Model Struktural

Hubungan Variabel Estimate S.E. C.R

. P

Keterangan


<--- Perceived ease of use

.358 .144 2.491 .013 Signifikan


<--- Perceived ease of use

.267 .127 2.092 .036 Signifikan


<--- Perceived usefulness

.170 .083 2.054 .040 Signifikan


<--- Perceived usefulness

.303 .088 3.453 *** Signifikan


<--- Attitude toward using

.282 .128 2.195 .028 Signifikan


Tabel IV.19 menggambarkan hubungan atau pengaruh antara

variabel perceived ease of use memiliki pengaruh signifikan pada

perceived usefulness dengan nilai C.R. sebesar 2,491 dan nilai probabilitas

sebesar 0,013 (< 0,05). Perceived ease of use mempunyai pengaruh pada

variable attitude toward using dengan nilai C.R. sebesar 2,092 dan nilai

probabilitas sebesar 0,036 (<0,05). Perceived usefulness berpengaruh

signifikan pada attitude toward using dengan nilai C.R sebesar 2,054 dan

nilai probabilitas sebesar 0,040 (<0,05). Perceived usefulness berpengaruh

signifikan pada behavioural intention to use dengan nilai C.R. sebesar

3,453 dan nilai probbilitasnya sebesar 0,000 (<0,05). Attitude toward using

mempunyai pengaruh signifikan pada behavioural intention to use dengan

nilai C.R. sebesar 2,195 dan nilai probabilitas sebesar 0,028 (< 0,05).

74

G. Pembahasan

Setelah menilai model secara keseluruhan dan menguji hubungan

kausalitas seperti yang dihipotesiskan, tahap selanjutnya adalah pembahasan

hasil penelitian sebagai berikut:

1. Hipotesis 1 : perceived ease of use berpengaruh signifikan pada

perceived usefulness.

Hipotesis ini bertujuan untuk menguji apakah perceived ease of use

berpengaruh signifikan pada perceived usefulness. Berdasarkan hasil

analisis pada tabel IV.16 didapatkan hasil C.R. perceived ease of use pada

perceived usefulness sebesar 2,491 dan probabilitas sebesar 0,013. Nilai

C.R. perceived ease of use pada perceived usefulness lebih dari 1,98,

maka menunjukan bahwa hipoteis 1 didukung. Artinya secara statistik

dapat disimpulkan bahwa dalam penelitian ini perceived ease of use

mempunyai pengaruh yang signifikan pada perceived usefulness. Jadi

semakin mudah pengguna (user) yang dalam hal ini mahasiswa

berinteraksi dengan e-learning maka semakin tinggi potensi kegunaan e-

learning tersebut. Untuk itu, pihak instansi perlu membuat desain yang

minimalis, mudah dimengerti tetapi tidak meninggalkan unsur

kecanggihan dan keunggulan sehingga kemanfaatan dari e-learning dapat

dirasakan oleh mahasiswa.

Didukungnya hipotesis 1 dalam studi pada mahasiswa Fakultas

Ekonomi UNS ini konsisten dengan penelitian sebelumnya oleh Masrom

(2006), Al-Ammari dan Hamad (2007), Jung et al., (2008) bahwa terdapat

75

pengaruh yang kuat antara perceived ease of use pada perceived

usefulness.

2. Hipotesis II : perceived ease of use berpengaruh signifikan pada

attitude toward using.

Hipotesis ini bertujuan untuk menguji apakah perceived ease of use

mempunyai pengaruh yang signifikan pada attitude toward using.

Berdasarkan hasil analisis pada tabel IV.16 didapatkan hasil C.R.

perceived ease of use pada attitude toward using sebesar 2,092 dan

probabilitas sebesar 0,036. Nilai C.R. perceived ease of use pada attitude

toward using lebih dari 1,98, maka menujukan bahwa hipoteis II

didukung. Artinya secara statistik dapat disimpulkan bahwa dalam

penelitian ini perceived ease of use berpengaruh positif pada attitude

toward using. Jadi hal ini mengindikasikan bahwa semakin tinggi tingkat

kemudahan penggunaan fasilitas e-learning bagi mahasiswa, maka

mahasiswa akan bersikap menerima/ menggunakan fasilitas e-learning

tersebut untuk membantu memenuhi tugas-tugas perkuliahan. Untuk itu,

pihak instansi perlu membuat desain yang minimalis, mudah dimengerti

tetapi tidak meninggalkan unsur kecanggihan dan keunggulan sehingga

sikap dari mahasiswa dapat menerima kehadiran e-learning.

Didukungnya hipotesis II dalam studi pada mahasiswa Fakultas


(2006), Jung et al., (2008) bahwa terdapat pengaruh yang kuat antara

perceived ease of use pada attitude toward using.

76

3. Hipotesis III : perceived usefulness berpengaruh signifikan pada

attitude toward using

Hipotesis ini bertujuan untuk menguji apakah perceived usefulness

berpengaruh positif terhadap attitude toward using. Berdasarkan hasil

analisis pada tabel IV.16 didapatkan hasil C.R. perceived usefulness pada

attitude toward using sebesar 2,054 dan probabilitas sebesar 0,040. Nilai

C.R. perceived usefulness pada attitude toward using lebih dari 1,98,

maka menunjukan bahwa hipoteis III didukung. Artinya secara statistik

dapat disimpulkan bahwa dalam penelitian ini . perceived usefulness

berpengaruh positif pada attitude toward using. Jadi hasil pengujian

mengindikasikan bahwa semakin tinggi kemanfaatan/ kegunaan dari

fasilitas e-learning bagi mahasiswa, maka mahasiswa akan bersikap

menggunakan/ menerima fasilitas e-learning tersebut untuk membantu

memenuhi tugas-tugas perkuliahan. Untuk itu, pihak instansi perlu

menambahkan fitur-fitur baru sehingga kemanfaatan dari e-learning dapat

dirasakan mahsiswa dan pada akhirnya penerimaaan akan teknologi

tersebut tercapai.

Didukungnya hipotesis III dalam studi pada mahasiswa Fakultas


(2006), Marie-Louise L. Jung et al (2008), dan Hu, Cau, sheng and Tam

(1999) bahwa terdapat pengaruh yang kuat antara perceived usefullness

pada attitude toward using.

77

4. Hipotesis IV : perceived usefulness berpengaruh signifikan pada

behavioural intention to use

Hipotesis ini bertujuan untuk menguji apakah perceived usefulness

berpengaruh positif terhadap behavioural intention to use. Berdasarkan

hasil analisis pada tabel IV.16 didapatkan hasil C.R. perceived usefulness

pada behavioural intention to use sebesar 3,453 dan probabilitas sebesar

0,001. Nilai C.R. perceived usefulness pada behavioural intention to use

lebih dari 1,98, maka menunjukan bahwa hipoteis IV didukung. Artinya

secara statistik dapat disimpulkan bahwa dalam penelitian ini . perceived

usefulness berpengaruh pada behavioural intention to use. Jadi hasil

pengujian ini mengindikasikan bahwa semakin tinggi kemanfaatan dari

fasilitas e-learning maka minat untuk menggunakan untuk menggunakan

fasilitas e-learning tersebut akan semakin tinggi. Untuk itu, pihak instansi

perlu membuat desain yang minimalis, mudah dimengerti tetapi tidak

meninggalkan unsur kecanggihan dan keunggulan sehingga kemanfaatan

dari e-learning dapat dirasakan oleh mahasiswa dan pada akhirnya minat

untuk menggunakan teknologi e-learning secara terus menerus akan

tercapai.

Didukungnya hipotesis IV dalam studi pada mahasiswa Fakultas


(2006), Jung et al (2008), Hu, Cau, sheng and Tam (1999), dan Al-

Ammari dan Hamad (2007) bahwa terdapat pengaruh yang kuat antara

perceived usefulness pada behavioural intention to use.

78

5. Hipotesis V : attitude toward using berpengaruh signifikan pada

behavioural intention to use

Hipotesis ini bertujuan untuk menguji apakah attitude toward using

berpengaruh signifikan pada behavioural intention to use. Berdasarkan

hasil analisis pada tabel IV.16 didapatkan hasil C.R. attitude toward using

pada behavioural intention to use sebesar 2,195 dan probabilitas sebesar

0,028. Nilai C.R. attitude toward using pada behavioural intention to use

lebih dari 1,98 dan probabilitasnya lebih besar dari 0,05, maka menujukan

bahwa hipoteis V didukung. Artinya secara statistik dapat disimpulkan

bahwa dalam penelitian ini, attitude toward using berpengaruh positif

pada behavioural intention to use. Jadi hasil pengujian ini

mengindikasikan bahwa semakin tinggi sikap penerimaan terhadap

teknologi e-learning maka dengan sikap penerimaan dari mahasiswa

tersebut akan menjadikan minat/ perhatian untuk tetap terus menggunakan

e-learning.

Didukungnya hipotesis V dalam studi pada mahasiswa Fakultas

Ekonomi UNS ini konsisten dengan penelitian sebelumnya Jung et al.,

(2008), dan Hu, Cau, sheng and Tam (1999) bahwa terdapat pengaruh

yang kuat antara attitude toward using pada behavioural intention to use.

79

BAB V

KESIMPULAN DAN SARAN

Pada bagian ini akan dipaparkan kesimpulan dan saran sebagai bagian

akhir dari penelitian ini. Kesimpulan ini didasarkan pada hasil analisis data yang

telah dilakukan dan akan menjawab permasalahan yang telah dirumuskan

sebelumnya sesuai dengan tujuan penelitian ini. Selain kesimpulan akan

disertakan saran-saran yang diharapkan berguna bagi semua pihak yang

berkepentingan.

1. Kesimpulan

Penelitian ini merupakan replikasi penelitian yang dilakukan oleh

Masrom (2006) berdasarkan model penerimaan teknologi yang diperkenalkan

oleh Davis (1989). Jumlah kuesioner yang diterima sebanyak 120 dan hanya

107 yang dapat diolah. Berikut adalah tabel hasil ringkasan dari analisis

deskriptif :

Tabel V.1 Rangkuman Hasil Deskriptif Responden

Jenis Keterangan Jumlah Prosentse

Umur 19 tahun 55 orang 51,4 %

Jenis Kelamin Perempuan 56 orang 52,3 %

Program

Pendidikan

SI Manajemen 74 orang 69,2 %

Frekuensi

Penggunaan

Cukup sering 43 orang 40,2 %


80

Hasil pengujian goodness-of-fit atas model yang diajukan

menunjukkan hasil yang baik. Berdasarkan penelitian yang telah dilakukan

pada mahasiswa SI di Fakultas Ekonomi Universitas Sebelas Maret, mengenai

pengujian Model Penerimaan Tekonologi E-learning, maka dapat diambil

kesimpulan-kesimpulan sebagai berikut :

a Hasil pengujian hipotesis pertama menunjukan bahwa persepsi

kemudahan penggunaan (perceived ease of use) e-learning berpengaruh

secara signifikan pada persepsi kegunaan (perceived usefulness),

sehingga hipotesis 1 didukung didalam penelitian ini. Hasil ini

konsisten dengan hasil penelitian dari Masrom (2006) dalam penelitian

penerimaan teknologi e-learning. Jadi semakin mudah pengguna (user)

yang dalam hal ini mahasiswa berinteraksi dengan e-learning maka

semakin tinggi potensi kegunaan e-learning tersebut.

b Hasil pengujian hipotesis kedua dan hipotesis ketiga menunjukan bahwa

persepsi kemudahan penggunaan (perceived ease of use) dan persepsi

kegunaan (perceived usefulness) e-learning berpengaruh secara

signifikan pada sikap terhadap penggunaan (attitude toward using),

sehingga hipotesis 2 dan 3 didukung didalam penelitian ini. Hasil ini

konsisten dengan hasil penelitian yang dilakukan oleh penelitian

sebelumnya oleh Masrom (2006). Hasil penelitian mengindikasikan

bahwa semakin tinggi kemudahan dan kemanfaatan fasilitas e-learning

bagi mahasiswa, maka mahasiswa akan bersikap menggunakan fasilitas

e-learning tersebut untuk membantu memenuhi tugas-tugas perkuliahan.

81

c Hasil pengujian hipotesis keempat menunjukan bahwa persepsi

kegunaan (perceived usefulness) e-learning berpengaruh secara

signifikan pada minat/ keinginan untuk menggunakan (behavioural

intention to use ), sehingga hipotesis 4 didukung didalam penelitian ini.

Hasil ini konsisten dengan hasil penelitian yang dilakukan oleh beberapa

penelitian sebelumnya oleh Masrom (2006). Hasil penelitian

mengindikasikan bahwa semakin tinggi kemanfaatan dari fasilitas e-

learning maka minat untuk menggunakan untuk menggunakan fasilitas

e-learning tersebut akan semakin tinggi.

d Hasil pengujian hipotesis kelima menunjukan bahwa sikap untuk

mengunakan e-learning berpengaruh secara signifikan pada minat/

keinginan untuk menggunakan, sehingga hipotesis 5 didukung didalam

penelitian ini. Hasil ini konsisten dengan hasil penelitian yang dilakukan

oleh beberapa penelitian sebelumnya oleh Hu, Cau, sheng and Tam

(1999). Hasil penelitian mengindikasikan bahwa pengguna mempunyai

sikap menerima atau menyukai ide adanya e-learning maka dengan

sikap penerimaan dari mahasiswa tersebut akan menjadikan minat/

perhatian untuk tetap terus menggunakan e-learning.

82

2. Keterbatasan

Beberapa keterbatasan yang ditemukan penelitian ini adalah sebagai

beikut :

a penelitian ini dilakukan dengan mengambil responden hanya

mahasiswa Fakultas Ekonomi sehingga belum cukup untuk mewakili

dari populasi yang ada dan kemampuan untuk untuk memberikan

generalisasi teori secara empiris terkait dengan fenomena baru yang

ditemukan belum bisa dibuktikan terutama dalam penerimaan

teknologi.

b Penelitian ini menggunakan data primer. Sehingga olahan dan

analisis data berdasarkan pada persepsi jawaban responden melalui

kuesioner. Banyak faktor ekstenal yang mempengaruhi independensi

responden terhadap pengisian kuesioner

c Responden yang mnejawab tidak dapat dipantau satu persatu dengan

cermat.

3. Rekomendasi

a Penelitian berikutnya diharapkan dapat menambah jumlah sampel

dan karakteristik responden yang lebih meluas sehingga fenomena-

fenomena yang terkait dengan penerimaan teknologi dapat

diidentifikasi.

b Penelitian tentang perilaku pengguna terhadap penerimaan teknologi

menggunakan TAM dapat dikembangkan lebih lanjut dengan

mengkombinasi teori lain dari bidang ilmu sosial, ekonomi, psikologi

atau bidang ilmu lainnya.

83

c Obyek yang dapat diteliti untuk penelitian lainnya dengan

Technology Acceptance Model (TAM) dapat lebih beragam, mulai

dari teknologi informasi yang meliputi perangkat keras (jaringan,

input/output device), perangkat lunak (sistem informasi, aplikasi,

bahasa pemrograman dan perlu ada faktor tambahan untuk

dimasukan dalam model seperti karakteristik pengguna, pengalaman

pengguna.

4. Implikasi

a Implikasi Teoritis

Penelitian ini memberikan bukti empiris bahwa dalam model

penerimaan teknologi e-learning pada mahasiswa perceived

usefulness (persepsi kegunaan) mempunyai pengruh paling kuat pada

behavioural intention to use (minat/ keinginan untuk menggunakan).

Ketika mahasiswa benar-benar mearasakan manfaat atau kegunaan

dari e-learning ini maka mahasiswa akan berniat/ berkeinginan untuk

tetap menggunakannya.

Selain itu perlu pengujian kembali pada pengaruh perceived

ease of use (persepsi kemudahan penggunaan) terhadap behavioural

intention to use (minat/ keinginan untuk menggunakan) karena pada

penelitian-penelitian sebelumnya menguji hubungan tersebut.

84

b Implikasi Praktis

Hasil penelitian ini yang menyatakan bahwa penerimaan

teknologi untuk individu satu ke individu yang lain atau organisasi

satu ke organisasi yang lain berbeda-beda. Untuk itu prlu pengujian

melalui penelitian yang menguji konstruk dan dimensi-dimensi

penerimaan teknologi berdasarkan kerangka kerja yang dikemukakan

oleh Masrom (2006).

Harapannya adalah hasil penelitian ini dapat digunakan untuk

memprediksi tingkat adopsi teknologi instansi sehingga dapat

membantu pengambilan keputusan mengenai keputusan investasi dan

keputusan strategis terhadap pemakaian teknologi informasi dan

lebih jauh lagi manipulasi manajerial seperti desain sistem dan

pelatihan baik perorangan atau untuk organisasi.

85

DAFTAR PUSTAKA

Adams, D.S., R.R. Nelson, and P.A. Todd. 1992. Perceived Usefulness, Perceived Ease of Used, and Usage of Information Technology: A Replication. MIS Quarterly, 16 (2), pp: 227-247. http://www.misq.org/archivist/

Agarwal, R. and Karahanna. E. 2000. Time Flies when you Having fun: Cognitive

absorption and beliefs about information technology usage. MIS Quaterly, 24(4) : 665-694

Al-Ammari, Jafflah. DR and Hammad, Sharifa. MS. 2007. Factors Influencing

The Adoption Of E-Learning At Uob. Bahrain : University of Bahrain Alavi, M. & Leidner, D.E. (2001). Research commentary: technology-mediated

learning-a call for greater depth and breadth of research. Information Systems Research, 12,1-10.

ANTA. (2003). Definition of key terms used in e-learning (version 1.00).

Retrieved 7 October, 2009, from http://www.flexiblelearning.net.au/guides/keyterms.pdf

Basori. ( ). Mengapresiasi E-learning Berbasis Moodle. UNS : Fakultas IKIP. Chin,W.W. and Todd,P. 1995. On the use usefulness, ease of use of structural

equation modeling in MIS Reseach; A note of coution, MIS Quarterly, 13 (3), 319-340

Davis FD.1989.“ Perceived Usefullness, Perceived ease of use of Information

Technology ”.Management Information System Quarterly, 21(3) Davis, F. D., Bagozzi, R. P., & Warshaw, P. R. 1989. User Acceptance of

Computer Technology: A Comparison of Two Theoretical Models. Management Science, 35, pp. 982-1003

Dasgupta, S., Granger, M. & Mcgarry, N. (2002). User acceptance of e-

collaboration technology: an extension of the technology acceptance model, Group Decision and Negotiation, 11, 87-100.

Ferdinand, A., 2002. Structural Equation Modelling dalam Penelitian

Manajemen. Semarang : BP UNDIP. Fishbein, M. & Ajzen, I. (1975), Belief, attitude, intention and behavior: an

introduction to theory and research. Reading, MA: Addison-Wesley. Gilbert, & Jones, M. G. (2001). E-learning is e-normous. Electric Perspectives, 26(3), 66-82.

86

Ghozaly, Imam Prof. Dr. H. (2002). Aplikasi Analisis Multivariat dengan Program SPSS. Semarang: Badan Penerbit Universitas Diponegoro.

Ghozaly, Imam. 2004. Model Persamaan Struktural: Konsep dan aplikasi dengan

program AMOS ver. 5.0. Semarang: Badan Penerbit Universitas Diponegoro

Hu, P, Chau, P, Tam, K. Examining the technology acceptance model using

physician acceptance of telemedicine technology, Journal of Management Information Systems, 1999; 16;2, 91-112.

Hong, W., Ton, J.Y.L., Wong, W.M., & Tam.K.Y. 2002. Determinats of User

Acceptance of Digital Linraries: An Empirical Examination of Individual Differences and System Characteristic. Journal of Management Information System, 18(3): 97-124

Huang,M; D’Ambra; Bhalla. 2002. “E-goverments reference: reference

experiences and attitudes”, Journal of the American Society for Information Science and Technology, Vol. 53 No.7,pp. 549-66

Hair, J.T.; Anderson, R.E.; Tatham, R.L.; and Black, W.C. Multivariate Data

Analysis with Readings, 3d ed. New York: Macmillan. 1992. Igbaria M,.1994. “An Examination of the factors contributing to Micro Computer

techenology acceptance ”. Journal of Information system,Elsiever Science, USA

ILRT. (2005). Institute for learning & research technology of Bristol University.

Retrieved 7 October 2005, from http://www.ilrt.bris.ac.uk/projects/elearning

Jenkins, M. & Hanson, J. (2003). E-learning series: A guide for senior managers,

Learning and Teaching Support Network (LSTN) Generic Centre, United Kingdom.

Jung, Marie-Louise. 2008. E-Learning: Investigating University Student's

Acceptance of Technology. Sweden : Luleå University of Technology, Luleå

Leidner, D.E. & Jarvenpaa, S.L. (1993). The information age confronts education:

case studies on electronic classrooms, Information Systems Research, 4, 24-55.

Masrom, Maslin. (2006). Technology Acceptance Model and E-learning.

University Brunei Darussalam : 12th International Conference on Education, Sultan Hassanal Bolkiah Institute of Education

87

Milchrahm, Elisabeth (2003), “Modelling the Acceptance of Information Technology(online)<http://www.inforum.cz/inforum2003/prispevky/milchrahm_elisabeth.pdf

Nasution, Fahmi N. 2000. Penggunaan Teknologi Informasi Berdasarkan Aspek

Prilaku. USU : Digital Library dari http://www.library.usu.ac.id/akuntansi-fahmi.pdf.

Oos M. Anwas, Model Inovasi E-Learning Dalam Meningkatkan Mutu

Pendidikan, Jurnal Teknodik, Edisi No.12/VII/Oktober/2003. Rosenberg, Marc J. (2000). The E-Learning Readiness Survey. From

http://www.ucalgary.ca/srmccaus/eLearning_Survey.pdf Rosenberg, Marc J. (2006). What Lies Beyond E-Learning?. Retrieved 7 july 2009

from: http://www.learningcircuits.org/2006/March/ Sekaran, Uma. 2006. Research Methode for Bussines: Metode Penelitian untuk

Bisnis, Edisi 4. Jakarta: Salemba Empat Suhendra, Susi dan Meliawati, Yusye. (2008). Determinan Penggunaan

Peristakaan Digital. Jakarta : Universitas Gunadarma Sohn, B. (2005). E-learning and primary and secondary education in Korea.

KERIS Korea Education & Research Information Service, 2(3), 6-9. Thompson Ronald, Howell, Higgins,.1991. “Personal Computing: Toward a

conceptual Model of Utilization ”. Management Information System Quarterly, 21(3)

Taylor, S. and Todd, P.A. (1995). Understanding Information Technology Usage:

A Test of Competing Models. Information Systems Research, 6 (2), 144-176.

Urdan, T. A., & Weggen, C. C. (2000). Corporate e-learning: Exploring a new

frontier. Retrieved 17 October 2005, Fromhttp://www.spectrainteractive.com/pdfs/CorporateELearingHamrecht.pdf

Vekantesh, Vishvanath dan Fred D. Davis. 2000. “A Theorical Extention of the

Technology Acceptance Model: Four Longitudinal Field Studies”. Dalam Management Science Vol. VI No. 42, February. p. 186-204.

Wahyudi, Lilik. 2006. Model Penerimaan Teknologi di Perguruan Tinggi.

Fakultas Ekonomi Universitas sebelas Maret. Fokus Manajerial Vol. 4, No. 2 : 196 – 2009

88

( ). Teknologi Informasi, Inovasi bagi Dunia Pendidikan. Dariwww.uny.ac.id/akademik/sharefile/files/222.124.21.201_03042007134933

89

LAMPIRAN

GAMBARAN TENTANG E-LEARNING FE UNS MENU DAFTAR MATA KULIAHKU DESKRIPSI MATA KULIAH

90

MENU KUIS MENU DOKUMEN

91

MENU PENGUMUMAN MENU AGENDA

92

MENU PUBLIKASI SISWA MENU FORUM

93

MENU USER

94

Responden yang terhormat,

Terima kasih atas kesediaan anda mengisi kuesioner ini. Pengisian

kuesioner ini semata-mata ditujukan untuk kepentingan penelitian ilmiah.

Jawablah dengan memberi tanda silang (X) atau contreng (V) pada kolom yang

sudah disediakan. Tidak ada jawaban yang dianggap benar atau salah dalam

pengisian kuesioner. Mohon kesediaan anda untuk menjawab seluruh pertanyaan

tanpa ada yang kosong. Jawaban anda akan sangat membantu dalam penelitian ini.

Sekali lagi saya ucapkan terima kasih atas pengisian kuesioner ini.

NAMA :

Jenis Kelamin :

Usia : Jurusan : Seberapa sering anda menggunakan e-learning : Ket :

SS : Sangat Setuju

S : Setuju

N : Netral

TS : Tidak Setuju

STS : Sangat Tidak Setuju

C : Cukup

J : Jarang

TP : Tidak Pernah

Ep Akt Mnj

Pria Wanita

TP J C S SS

95

1. Persepsi Kemudahan Penggunaan (Perceived Ease of Use) (PEOU) No Kode Ket. SS S N TS STS 1 EASE 1 Saya merasa e-learning mudah

digunakan

2 EASE 2 Saya merasa e-learning mudah untuk dipelajari

3 EASE 3 e-learning jelas dan mudah dipahami

4 EASE 4 Mudah bagi saya untuk mendapatkan informasi di e-learning

2. Persepsi Kegunaan (Perceived Usefulness) (PU) No Kode Ket. SS S N TS STS 1 USE 1 Penggunaan e-learning

mempertinggi efektivitas saya dalam belajar

2 USE 2 Penggunaan e-learning menjadikan pekerjaan/ tugas perkuliahan lebih mudah

3 USE 3 penggunaan e-learning meningkatkan produktivitas tugas perkuliahan saya

4 USE 4 Saya merasa e-learning berguna/bermanfaat

3. Sikap terhadap Penggunaan (Attitude Toward Using) (ATTITUDE) No Kode Ket. SS S N TS STS 1 ATT 1 Saya menyukai ide penggunaan

e-learning

2 ATT 2 Saya senang menggunakan e-learning

3 ATT 3 Saya percaya bahwa menggunakan e-learning ide baik untuk tugas perkuliahan saya

4 ATT 4 Penggunaan e-learning adalah ide yang bagus

96

4. Maksud Untuk Menggunakan (Intention to Use) (ITU) No Kode Ket. SS S N TS STS 1 ANT 1 Saya berkeinginan/ bermaksud

untuk menggunakan e-learning selama perkuliahan

2 ANT 2 Saya akan berkeinginan/ bermaksud menggunakan e-learning lagi

3 ANT 3 Saya bermaksud/ berkeinginan meningkatkan penggunaan e-learning untuk memenuhi tugas perkuliahan

1

NO PRODI USIA JEN_KEL TKT_GUNA PEOU1 PEOU2 PEOU3 PEOU4 PU1 PU2 PU3 PU4 ATU1 ATU2 ATU3 ATU4 BITU1 BITU2 BITU3

1 1 19 1 2 5 4 4 4 3 4 4 4 3 4 4 3 2 2 2 2 3 19 1 3 4 4 4 4 3 4 4 4 3 4 3 3 1 2 1 3 1 20 2 3 4 4 4 4 4 3 4 3 4 4 4 4 2 2 1 4 2 19 1 2 5 4 4 4 4 3 4 4 3 3 5 4 3 3 3 5 1 21 1 3 5 4 4 4 4 3 4 3 3 4 3 3 2 1 1 6 2 19 2 3 5 5 5 5 5 5 4 4 5 5 5 5 4 4 3 7 1 19 1 3 5 5 5 5 5 4 4 5 4 5 4 4 4 3 3 8 3 19 1 2 5 5 4 4 4 3 4 4 4 5 3 4 3 3 2 9 1 20 1 2 5 4 5 4 4 4 4 4 3 4 4 4 3 3 3

10 1 21 2 3 5 4 4 5 5 4 4 4 4 5 3 5 4 3 4 11 2 19 1 3 5 4 4 4 5 4 4 4 3 5 5 4 3 3 4 12 2 19 2 4 5 5 4 4 4 3 4 3 3 4 2 3 2 2 1 13 1 21 2 3 5 5 4 4 4 3 4 3 3 3 4 3 3 3 3 14 1 19 1 3 4 4 4 4 4 3 3 4 4 4 3 4 2 2 3 15 1 19 2 3 5 4 4 4 4 3 4 4 4 4 4 3 3 3 2 16 3 20 1 4 5 4 4 4 4 4 4 4 4 4 3 3 2 1 1 17 3 20 2 3 4 5 4 4 3 3 4 4 3 4 2 3 3 3 3 18 1 19 2 3 3 4 4 3 4 3 4 3 3 4 3 3 2 3 2 19 3 19 1 4 4 4 4 3 4 4 4 3 4 4 2 3 3 2 3 20 1 22 1 4 5 4 4 3 3 3 4 3 4 4 3 4 2 2 3 21 1 22 2 3 4 4 4 3 4 3 4 4 4 3 3 3 2 1 2 22 1 19 2 4 4 4 4 3 3 4 4 4 3 4 3 3 3 2 2 23 1 20 2 4 4 4 4 4 3 3 3 3 3 4 2 3 2 2 2 24 1 19 2 3 5 5 4 4 4 4 4 4 5 4 5 4 4 4 4 25 1 22 2 4 4 5 4 4 4 3 4 3 3 5 3 5 3 3 3 26 3 19 1 4 4 4 4 4 4 3 3 4 3 4 3 3 3 2 2 27 1 19 1 4 4 5 4 4 4 3 3 4 3 4 5 3 2 2 1 28 1 19 2 3 4 4 4 4 4 3 4 3 3 5 4 3 2 2 2

2

29 1 22 1 4 5 5 5 5 4 4 4 5 4 5 4 4 4 3 4 30 1 19 2 4 4 4 4 4 4 4 4 4 3 4 3 4 2 2 2 31 1 22 1 4 4 4 4 4 4 3 4 3 4 4 4 3 2 1 1 32 1 19 2 3 4 4 4 4 2 3 2 3 2 4 4 2 3 3 3 33 2 19 1 4 5 4 4 5 4 3 3 3 4 5 5 3 2 2 3 34 1 19 2 3 3 4 4 5 3 4 3 4 4 3 2 4 2 3 2 35 2 22 1 3 4 4 4 5 3 4 2 4 3 4 4 3 2 2 2 36 1 19 2 4 5 5 5 5 4 5 4 5 5 3 5 5 4 4 4 37 2 19 1 4 5 4 4 4 3 4 3 3 3 4 4 4 1 1 2 38 1 22 2 4 3 3 3 3 2 2 2 2 2 3 3 3 2 3 1 39 2 19 1 3 4 4 4 4 3 3 4 4 3 4 3 3 2 2 2 40 2 19 1 4 4 4 4 4 4 3 4 4 4 4 3 4 3 2 1 41 1 19 2 4 4 3 4 3 2 3 3 3 2 3 3 3 2 2 2 42 1 20 1 3 4 3 4 3 3 3 3 3 2 4 3 2 1 1 1 43 1 22 2 2 4 4 4 4 4 4 4 4 3 4 4 3 2 2 3 44 1 20 1 3 3 4 3 4 4 4 4 4 3 4 4 3 2 1 1 45 1 19 1 4 4 4 4 3 4 3 4 3 4 4 4 4 3 3 3 46 1 19 2 3 3 3 3 3 3 3 3 3 3 4 3 3 3 3 2 47 1 20 1 3 4 4 4 4 2 3 2 3 3 4 3 3 3 2 2 48 1 19 2 2 5 5 5 4 4 3 3 3 3 4 4 4 3 3 2 49 1 22 1 4 5 4 4 5 2 2 1 2 4 4 4 4 1 1 1 50 1 19 2 3 5 4 4 4 2 3 2 4 3 4 4 4 2 2 2 51 1 19 1 4 4 5 5 4 3 3 3 3 4 4 4 4 2 3 2 52 3 19 1 2 5 4 5 4 2 2 2 2 3 3 3 3 3 3 2 53 1 20 2 3 4 4 4 4 2 3 3 3 3 4 4 3 2 3 1 54 1 20 1 4 3 4 4 4 3 4 2 2 3 3 3 3 2 2 1 55 1 20 2 4 5 4 4 4 2 3 2 3 3 4 4 4 3 3 2 56 3 20 1 2 4 5 4 4 2 3 2 2 2 4 4 4 3 2 3 57 1 19 2 4 4 4 4 3 3 3 3 3 2 4 4 3 2 3 3

3

58 1 20 1 2 4 4 4 4 2 3 2 3 3 4 4 4 2 3 2 59 1 19 1 4 4 4 3 4 2 2 2 2 2 2 3 3 2 2 1 60 1 19 2 2 5 4 4 4 3 2 3 4 3 3 4 4 3 3 2 61 1 19 2 3 5 4 4 4 4 3 2 3 4 4 4 4 2 2 2 62 1 20 2 3 4 3 4 4 3 3 3 3 3 3 4 4 3 2 1 63 1 19 1 4 5 4 4 3 4 3 4 3 4 3 4 3 2 2 3 64 1 22 2 4 4 3 4 4 2 2 2 2 2 2 3 3 1 2 1 65 1 20 1 2 4 3 4 4 3 3 2 3 2 3 4 4 3 2 2 66 1 22 1 3 4 4 3 4 3 3 3 4 3 4 4 3 2 3 2 67 3 19 2 2 4 4 4 4 4 3 2 3 4 4 3 3 3 3 2 68 1 19 1 4 5 4 5 4 4 4 2 3 3 3 4 4 2 2 2 69 1 19 2 2 4 4 4 4 3 4 3 3 2 4 3 3 2 2 1 70 2 20 2 3 4 5 4 4 4 4 3 3 4 3 3 5 2 3 1 71 1 21 2 3 4 4 3 4 2 3 3 3 3 3 4 4 3 2 2 72 1 21 1 3 4 4 4 4 2 4 2 4 2 3 5 3 2 2 2 73 1 19 2 2 4 5 4 5 2 3 2 3 3 3 3 3 2 1 2 74 1 20 1 4 5 4 5 4 3 4 2 3 2 3 4 4 3 2 2 75 1 19 1 3 5 4 4 4 2 3 2 4 1 3 3 3 2 3 2 76 1 20 2 2 5 4 4 4 3 4 4 4 3 4 4 4 2 3 2 77 2 21 2 4 4 3 4 3 3 3 3 3 4 3 4 4 3 2 2 78 1 19 1 4 5 4 4 4 4 3 4 4 3 3 3 3 2 2 2 79 3 21 2 3 5 4 4 4 3 4 2 3 4 4 4 4 2 3 2 80 2 22 1 2 2 2 2 1 4 4 3 3 4 3 3 5 3 3 3 81 2 19 2 4 4 4 3 4 4 3 4 3 2 3 2 2 3 2 3 82 1 21 2 3 2 2 2 1 2 3 3 3 4 4 4 5 2 2 2 83 2 22 1 2 5 4 5 4 2 4 3 3 2 4 4 4 2 3 2 84 3 21 2 3 4 4 5 4 3 3 3 3 3 4 4 4 2 1 2 85 2 20 1 3 4 5 5 4 2 3 3 3 3 4 4 4 3 2 3 86 1 19 2 4 5 5 5 5 2 3 2 2 4 4 4 4 1 2 1

4

87 2 21 2 2 5 4 4 4 2 3 2 3 5 5 5 5 2 2 2 88 2 21 1 2 4 4 4 4 3 3 2 3 4 4 4 4 2 2 1 89 1 21 1 4 4 4 3 4 3 3 3 2 4 4 4 4 2 1 1 90 2 19 2 2 5 4 4 4 4 4 3 3 4 4 4 4 2 2 2 91 1 19 2 3 4 4 4 4 3 3 3 4 4 4 4 3 3 3 2 92 2 19 1 2 4 4 4 4 3 4 4 4 5 5 5 5 2 1 2 93 1 21 2 4 3 3 2 2 3 3 4 4 2 3 3 3 3 1 1 94 1 19 2 3 4 4 4 4 3 3 3 3 3 4 4 4 1 2 2 95 1 19 2 4 5 5 5 5 4 4 5 5 5 4 5 5 3 3 4 96 1 21 1 3 4 5 4 5 2 3 2 3 4 4 4 4 2 2 4 97 1 19 2 4 4 5 4 4 3 3 2 3 4 4 4 5 1 2 2 98 1 21 1 3 5 4 5 4 3 3 3 3 4 4 4 4 2 4 3 99 1 20 1 2 5 4 5 4 4 4 4 4 3 4 4 4 3 3 3

100 2 19 2 2 5 4 4 4 4 4 3 3 4 4 4 4 2 2 2 101 1 20 2 4 4 4 4 4 3 3 3 3 3 4 2 3 2 2 2 102 2 21 2 2 4 4 4 4 3 3 2 3 4 4 4 5 2 2 1 103 1 19 2 4 4 4 4 4 4 4 4 4 3 4 3 4 2 2 2 104 1 19 2 3 4 4 4 4 3 3 3 4 4 4 4 4 3 3 2 105 2 19 1 3 4 4 4 4 3 3 4 4 3 4 3 3 2 2 2 106 1 21 2 3 4 4 4 4 2 3 3 3 4 4 4 4 2 2 2 107 1 20 1 2 4 4 4 4 2 3 2 3 3 4 4 3 2 3 2

5

Factor Analysis

Communalities

1.000 .621

1.000 .658

1.000 .703

1.000 .746

1.000 .695

1.000 .455

1.000 .793

1.000 .609

1.000 .678

1.000 .445

1.000 .528

1.000 .742

1.000 .720

1.000 .722

1.000 .660

PEOU1

PEOU2

PEOU3

PEOU4

PU1

PU2

PU3

PU4

ATT1

ATT2

ATT3

ATT4

BITU1

BITU2

BITU3

Initial Extraction

Extraction Method: Principal Component Analysis.

Total Variance Explained

4.602 30.682 30.682 4.602 30.682 30.682 2.815 18.764 18.764

2.232 14.881 45.563 2.232 14.881 45.563 2.808 18.719 37.483

1.514 10.095 55.658 1.514 10.095 55.658 2.081 13.870 51.353

1.427 9.511 65.169 1.427 9.511 65.169 2.072 13.815 65.169

.854 5.696 70.865

.708 4.720 75.584

.676 4.506 80.090

.559 3.728 83.818

.459 3.062 86.880

.431 2.877 89.757

.399 2.657 92.413

.357 2.380 94.794

.322 2.146 96.939

.267 1.777 98.716

.193 1.284 100.000

Component1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

Total % of Variance Cumulative % Total % of Variance Cumulative % Total % of Variance Cumulative %

Initial Eigenvalues Extraction Sums of Squared Loadings Rotation Sums of Squared Loadings


6

Component Matrixa

.572 .486

.616 .446

.585 .553

.505 .637

.601 -.473

.586

.490 -.628

.631

.558 .441 .412

.532

.429 .504

.459 .706

.552 -.543

.488 -.662

.653 -.433

PEOU1

PEOU2

PEOU3

PEOU4

PU1

PU2

PU3

PU4

ATT1

ATT2

ATT3

ATT4

BITU1

BITU2

BITU3

1 2 3 4

Component


4 components extracted.a.

Rotated Component Matrixa

.764

.777

.813

.857

.817

.584

.878

.712

.746

.421 .440

.656

.839

.789

.830

.718

PEOU1

PEOU2

PEOU3

PEOU4

PU1

PU2

PU3

PU4

ATT1

ATT2

ATT3

ATT4

BITU1

BITU2

BITU3

1 2 3 4

Component



7

Component Transformation Matrix

.544 .574 .440 .425

.734 -.635 -.206 .130

-.407 -.373 .209 .807

.005 .360 -.849 .388

Component1

2

3

4

1 2 3 4


Communalities

1.000 .627

1.000 .654

1.000 .705

1.000 .747

1.000 .709

1.000 .495

1.000 .791

1.000 .617

1.000 .672

1.000 .537

1.000 .769

1.000 .721

1.000 .734

1.000 .671

PEOU1

PEOU2

PEOU3

PEOU4

PU1

PU2

PU3

PU4

ATT1

ATT3

ATT4

BITU1

BITU2

BITU3

Initial Extraction


Total Variance Explained

4.368 31.199 31.199 4.368 31.199 31.199 2.778 19.840 19.840

2.232 15.944 47.143 2.232 15.944 47.143 2.683 19.164 39.004

1.513 10.804 57.947 1.513 10.804 57.947 2.063 14.738 53.742

1.338 9.560 67.507 1.338 9.560 67.507 1.927 13.765 67.507

.827 5.905 73.412

.679 4.852 78.264

.587 4.192 82.456

.469 3.353 85.809

.439 3.139 88.948

.407 2.904 91.851

.358 2.560 94.412

.323 2.306 96.718

.267 1.904 98.622

.193 1.378 100.000

Component1

2

3

4

5

6

7

8

9

10

11

12

13

14

Total % of Variance Cumulative % Total % of Variance Cumulative % Total % of Variance Cumulative %

Initial Eigenvalues Extraction Sums of Squared Loadings Rotation Sums of Squared Loadings


8

Component Matrixa

.582 .486

.613 .446

.595 .553

.505 .637

.597 -.473

.588

.483 -.628

.635

.535 .401 .471

.423 .498

.453 .691

.576 -.508

.512 -.629

.664 -.414

PEOU1

PEOU2

PEOU3

PEOU4

PU1

PU2

PU3

PU4

ATT1

ATT3

ATT4

BITU1

BITU2

BITU3

1 2 3 4

Component


4 components extracted.a.

Rotated Component Matrixa

.769

.778

.816

.859

.826

.611

.877

.721

.737

.667

.861

.789

.838

.732

PEOU1

PEOU2

PEOU3

PEOU4

PU1

PU2

PU3

PU4

ATT1

ATT3

ATT4

BITU1

BITU2

BITU3

1 2 3 4

Component



9

Component Transformation Matrix

.556 .561 .472 .393

.730 -.640 -.204 .126

-.398 -.389 .280 .782

.003 .353 -.811 .467

Component1

2

3

4

1 2 3 4


10

Reliability ****** Method 1 (space saver) will be used for this analysis ****** _ R E L I A B I L I T Y A N A L Y S I S - S C A L E (A L P H A) 1. PEOU1 2. PEOU2 3. PEOU3 4. PEOU4 N of Statistics for Mean Variance Std Dev Variables SCALE 16.3084 4.3096 2.0760 4 Item-total Statistics Scale Scale Corrected Mean Variance Item- Alpha if Item if Item Total if Item Deleted Deleted Correlation Deleted PEOU1 12.0280 2.5181 .6314 .8160 PEOU2 12.2336 2.6713 .6620 .8012 PEOU3 12.2804 2.6188 .7029 .7846 PEOU4 12.3832 2.4084 .7006 .7837 Reliability Coefficients N of Cases = 107.0 N of Items = 4 Alpha = .8392

Reliability ****** Method 1 (space saver) will be used for this analysis ****** _ R E L I A B I L I T Y A N A L Y S I S - S C A L E (A L P H A) 1. PU1 2. PU2

11

3. PU3 4. PU4 N of Statistics for Mean Variance Std Dev Variables SCALE 12.9907 5.7075 2.3890 4 Item-total Statistics Scale Scale Corrected Mean Variance Item- Alpha if Item if Item Total if Item Deleted Deleted Correlation Deleted PU1 9.7664 3.0298 .6605 .7322 PU2 9.7009 4.0984 .5157 .7991 PU3 9.8598 2.9707 .6907 .7148 PU4 9.6449 3.5897 .6305 .7478 Reliability Coefficients N of Cases = 107.0 N of Items = 4 Alpha = .8022

Reliability ****** Method 1 (space saver) will be used for this analysis ****** _ R E L I A B I L I T Y A N A L Y S I S - S C A L E (A L P H A) 1. ATT1 2. ATT3 3. ATT4 N of Statistics for Mean Variance Std Dev Variables SCALE 10.5981 3.2426 1.8007 3 Item-total Statistics Scale Scale Corrected Mean Variance Item- Alpha if Item if Item Total if Item Deleted Deleted Correlation Deleted ATT1 7.2897 1.5285 .5175 .5805 ATT3 6.9439 1.8459 .4047 .7161

12

ATT4 6.9626 1.6212 .6033 .4751 Reliability Coefficients N of Cases = 107.0 N of Items = 3 Alpha = .6891

Reliability ****** Method 1 (space saver) will be used for this analysis ****** _ R E L I A B I L I T Y A N A L Y S I S - S C A L E (A L P H A) 1. BITU1 2. BITU2 3. BITU3 N of Statistics for Mean Variance Std Dev Variables SCALE 6.7850 3.5288 1.8785 3 Item-total Statistics Scale Scale Corrected Mean Variance Item- Alpha if Item if Item Total if Item Deleted Deleted Correlation Deleted BITU1 4.4206 1.8309 .6284 .6657 BITU2 4.4766 1.8367 .5825 .7114 BITU3 4.6729 1.5807 .6066 .6917 Reliability Coefficients N of Cases = 107.0 N of Items = 3 Alpha = .7691

13

PROGRAM PENDIDIKAN USIA JENIS KELAMIN

Statistics

JEN_KEL107

0

Valid

Missing

N

JEN_KEL

51 47.7 47.7 47.7

56 52.3 52.3 100.0

107 100.0 100.0

PRIA

WANITA

Total

ValidFrequency Percent Valid Percent

CumulativePercent

Statistics

PRODI107

0

Valid

Missing

N

PRODI

74 69.2 69.2 69.2

22 20.6 20.6 89.7

11 10.3 10.3 100.0

107 100.0 100.0

MANAJEMEN

AKT

EP

Total


CumulativePercent

USIA

55 51.4 51.4 51.4

22 20.6 20.6 72.0

17 15.9 15.9 87.9

13 12.1 12.1 100.0

107 100.0 100.0

19

20

21

22

Total


CumulativePercent

Statistics

USIA107

0

Valid

Missing

N

14

TINGKAT PENGGUNAAN

Statistics

TKT_GUNA107

0

Valid

Missing

N

TKT_GUNA

25 23.4 23.4 23.4

43 40.2 40.2 63.6

39 36.4 36.4 100.0

107 100.0 100.0

jarang

cukup

sering

Total


CumulativePercent

TANGGAPAN RESPONSDEN

Statistics

107 107 107 107

0 0 0 0

Valid

Missing

NPEOU1 PEOU2 PEOU3 PEOU4

PEOU1

2 1.9 1.9 1.9

7 6.5 6.5 8.4

57 53.3 53.3 61.7

41 38.3 38.3 100.0

107 100.0 100.0

2

3

4

5

Total


CumulativePercent

PEOU2

2 1.9 1.9 1.9

9 8.4 8.4 10.3

75 70.1 70.1 80.4

21 19.6 19.6 100.0

107 100.0 100.0

2

3

4

5

Total


CumulativePercent

15

PEOU3

3 2.8 2.8 2.8

8 7.5 7.5 10.3

79 73.8 73.8 84.1

17 15.9 15.9 100.0

107 100.0 100.0

2

3

4

5

Total


CumulativePercent

PEOU4

2 1.9 1.9 1.9

1 .9 .9 2.8

13 12.1 12.1 15.0

78 72.9 72.9 87.9

13 12.1 12.1 100.0

107 100.0 100.0

1

2

3

4

5

Total


CumulativePercent

Statistics

107 107 107 107

0 0 0 0

Valid

Missing

NPU1 PU2 PU3 PU4

PU1

25 23.4 23.4 23.4

37 34.6 34.6 57.9

41 38.3 38.3 96.3

4 3.7 3.7 100.0

107 100.0 100.0

2

3

4

5

Total


CumulativePercent

PU2

6 5.6 5.6 5.6

66 61.7 61.7 67.3

33 30.8 30.8 98.1

2 1.9 1.9 100.0

107 100.0 100.0

2

3

4

5

Total


CumulativePercent

16

PU3

1 .9 .9 .9

28 26.2 26.2 27.1

35 32.7 32.7 59.8

42 39.3 39.3 99.1

1 .9 .9 100.0

107 100.0 100.0

1

2

3

4

5

Total


CumulativePercent

PU4

9 8.4 8.4 8.4

56 52.3 52.3 60.7

38 35.5 35.5 96.3

4 3.7 3.7 100.0

107 100.0 100.0

2

3

4

5

Total


CumulativePercent

Statistics

107 107 107 107

0 0 0 0

Valid

Missing

NATT1 ATT2 ATT3 ATT4

ATT1

1 .9 .9 .9

15 14.0 14.0 15.0

47 43.9 43.9 58.9

38 35.5 35.5 94.4

6 5.6 5.6 100.0

107 100.0 100.0

1

2

3

4

5

Total


CumulativePercent

ATT2

2 1.9 1.9 1.9

25 23.4 23.4 25.2

69 64.5 64.5 89.7

11 10.3 10.3 100.0

107 100.0 100.0

2

3

4

5

Total


CumulativePercent

17

ATT3

7 6.5 6.5 6.5

34 31.8 31.8 38.3

55 51.4 51.4 89.7

11 10.3 10.3 100.0

107 100.0 100.0

2

3

4

5

Total


CumulativePercent

ATT4

3 2.8 2.8 2.8

45 42.1 42.1 44.9

47 43.9 43.9 88.8

12 11.2 11.2 100.0

107 100.0 100.0

2

3

4

5

Total


CumulativePercent

Statistics

107 107 107

0 0 0

Valid

Missing

NBITU1 BITU2 BITU3

BITU1

8 7.5 7.5 7.5

58 54.2 54.2 61.7

35 32.7 32.7 94.4

6 5.6 5.6 100.0

107 100.0 100.0

1

2

3

4

Total


CumulativePercent

BITU2

13 12.1 12.1 12.1

52 48.6 48.6 60.7

38 35.5 35.5 96.3

4 3.7 3.7 100.0

107 100.0 100.0

1

2

3

4

Total


CumulativePercent

18

BITU3

24 22.4 22.4 22.4

54 50.5 50.5 72.9

22 20.6 20.6 93.5

7 6.5 6.5 100.0

107 100.0 100.0

1

2

3

4

Total


CumulativePercent

19

Lampiran Model Penelitian Awal

Analysis Summary

Date and Time Date: Sunday, October 18, 2009 Time: 3:59:20 PM

Title akhirnya: Sunday, October 18, 2009 03:59 PM

Notes for Group (Group number 1) The model is recursive. Sample size = 107

Variable counts (Group number 1)

PU

.27

PEOU

ATU BITU

pu1

.30

e5

1.00

1

pu2

.23

e6

.54

1

pu3

.28

e7

1.02

1

pu4

.22

e8

.77

1

peou4.17

e4

1.00

1peou3

.14

e3

.88

1peou2

.15

e2

.86

1peou1

.22

e1

.91

1

att4.21

e12

1.00

1att3

.42

e11

.70

1att1

.32

e9

1.07

1

bitu1.20

e131.001

bitu2.31

e14.88 1

bitu3.29

e15

1.171

.31

.30

.20

.27

.38

.25

z21

.19

z3

1

.39

z1

1



GFI=.862AGFI=.799

TLI=.879CFI=.904

RMSEA=.080

20

Number of variables in your model: 35 Number of observed variables: 14 Number of unobserved variables: 21 Number of exogenous variables: 18 Number of endogenous variables: 17

Parameter summary (Group number 1) Weights Covariances Variances Means Intercepts Total

Fixed 21 0 0 0 0 21 Labeled 0 0 0 0 0 0

Unlabeled 15 0 18 0 0 33 Total 36 0 18 0 0 54

Assessment of normality (Group number 1) Variable min max skew c.r. kurtosis c.r. bitu3 1.000 4.000 .491 2.074 -.176 -.372 bitu2 1.000 4.000 .031 .131 -.348 -.736 bitu1 1.000 4.000 .326 1.378 -.028 -.059 att1 1.000 5.000 -.098 -.415 -.214 -.452 att3 2.000 5.000 -.268 -1.133 -.181 -.381 att4 2.000 5.000 .206 .871 -.461 -.973 peou1 2.000 5.000 -.768 -3.245 .980 2.070 peou2 2.000 5.000 -.562 -2.375 1.931 4.076 peou3 2.000 5.000 -.835 -3.527 2.877 6.076 peou4 1.000 5.000 -1.627 -6.870 5.908 12.474 pu4 2.000 5.000 .131 .552 -.146 -.308 pu3 1.000 5.000 -.251 -1.060 -1.108 -2.339 pu2 2.000 5.000 .324 1.370 .152 .321 pu1 2.000 5.000 -.073 -.310 -.979 -2.067 Multivariate 11.007 2.690

Observations farthest from the centroid (Mahalanobis distance) (Group number 1)

21

Observation number Mahalanobis d-squared p1 p2 80 38.814 .000 .041 82 32.192 .004 .062 34 27.995 .014 .197 10 26.852 .020 .170 93 26.019 .026 .143 27 25.259 .032 .131 56 23.183 .057 .416 96 22.958 .061 .328 75 21.685 .085 .568 70 21.246 .095 .576 81 20.670 .110 .644 33 20.464 .116 .596 25 20.428 .117 .489 6 19.741 .139 .633

97 19.716 .139 .532 19 19.362 .152 .565 54 19.171 .159 .537 49 19.077 .162 .471 85 18.955 .167 .420 52 18.825 .172 .377 24 18.778 .174 .304 74 17.715 .220 .677 44 17.705 .221 .593 95 17.400 .235 .644 92 17.384 .236 .563 72 17.333 .239 .497 83 17.230 .244 .458 36 16.589 .279 .688 11 16.546 .281 .628 89 16.513 .283 .561 12 16.305 .295 .585 65 16.173 .303 .571 60 15.749 .329 .708 98 15.710 .331 .653 84 15.652 .335 .605 67 15.596 .339 .556 20 15.581 .340 .483 32 15.488 .346 .454 64 15.460 .347 .390 62 15.428 .350 .332 21 15.415 .350 .269 68 15.252 .361 .280

22

Observation number Mahalanobis d-squared p1 p2 73 15.087 .372 .295 18 15.070 .373 .238 63 14.960 .381 .227 86 14.740 .396 .268 87 14.596 .406 .275 17 14.126 .440 .469 16 14.096 .443 .411 71 14.048 .446 .365 14 14.012 .449 .315 38 13.964 .452 .274 42 13.518 .486 .463 35 13.463 .490 .421 37 12.946 .531 .672 2 12.905 .534 .625 7 12.856 .538 .582

59 12.707 .550 .602 50 12.705 .550 .527 48 12.629 .556 .500 66 12.554 .562 .472 79 12.461 .569 .456 51 12.447 .570 .390 57 12.238 .587 .450 13 12.228 .588 .380 22 12.150 .594 .355 31 12.133 .596 .294 29 12.087 .599 .254 8 11.935 .612 .273

76 11.670 .633 .362 61 11.544 .643 .368 40 11.476 .648 .336 53 11.259 .666 .401 4 11.224 .668 .345

77 10.550 .721 .719 5 10.078 .756 .888 3 9.595 .791 .970

15 9.566 .793 .957 46 9.507 .797 .946 91 9.451 .801 .931

102 9.393 .805 .913 41 9.095 .825 .953 47 9.074 .826 .931 1 9.063 .827 .896

23

Observation number Mahalanobis d-squared p1 p2 55 8.966 .833 .884 69 8.963 .833 .831 26 8.723 .848 .874 43 8.564 .858 .881 28 8.445 .865 .872 94 8.248 .876 .890 45 8.205 .878 .849 99 7.502 .914 .978 9 7.502 .914 .958

90 7.356 .920 .954 100 7.356 .920 .915 78 7.009 .934 .952

103 6.502 .952 .986 30 6.502 .952 .968

107 6.429 .954 .944 106 6.335 .957 .912

24

Notes for Model (Default model)

Computation of degrees of freedom (Default model) Number of distinct sample moments: 105

Number of distinct parameters to be estimated: 33 Degrees of freedom (105 - 33): 72

Result (Default model) Minimum was achieved Chi-square = 121.373 Degrees of freedom = 72 Probability level = .000

Estimates (Group number 1 - Default model)

Scalar Estimates (Group number 1 - Default model)

Maximum Likelihood Estimates

Regression Weights: (Group number 1 - Default model) Estimate S.E. C.R. P Label

PU <--- PEOU .308 .146 2.115 .034 par_11 ATU <--- PEOU .299 .132 2.262 .024 par_12 ATU <--- PU .203 .107 1.896 .058 par_13 BITU <--- ATU .265 .126 2.108 .035 par_14 BITU <--- PU .377 .107 3.530 *** par_15 pu1 <--- PU 1.000

pu2 <--- PU .542 .098 5.554 *** par_1 pu3 <--- PU 1.023 .142 7.205 *** par_2 pu4 <--- PU .772 .113 6.823 *** par_3 peou4 <--- PEOU 1.000

peou3 <--- PEOU .878 .115 7.630 *** par_4 peou2 <--- PEOU .860 .115 7.451 *** par_5 peou1 <--- PEOU .908 .130 6.983 *** par_6 att4 <--- ATU 1.000

att3 <--- ATU .698 .166 4.203 *** par_7 att1 <--- ATU 1.074 .217 4.944 *** par_8 bitu1 <--- BITU 1.000

bitu2 <--- BITU .881 .153 5.765 *** par_9 bitu3 <--- BITU 1.167 .185 6.299 *** par_10

Standardized Regression Weights: (Group number 1 - Default model) Estimate

25

Estimate PU <--- PEOU .248 ATU <--- PEOU .285 ATU <--- PU .240 BITU <--- ATU .269 BITU <--- PU .452 pu1 <--- PU .762 pu2 <--- PU .587 pu3 <--- PU .782 pu4 <--- PU .726 peou4 <--- PEOU .781 peou3 <--- PEOU .777 peou2 <--- PEOU .756 peou1 <--- PEOU .708 att4 <--- ATU .762 att3 <--- ATU .508 att1 <--- ATU .720 bitu1 <--- BITU .766 bitu2 <--- BITU .650 bitu3 <--- BITU .762

Variances: (Group number 1 - Default model) Estimate S.E. C.R. P Label

PEOU .270 .061 4.437 *** par_16 z1 .390 .093 4.176 *** par_17 z2 .246 .072 3.434 *** par_18 z3 .187 .052 3.600 *** par_19 e5 .300 .059 5.126 *** par_20 e6 .233 .036 6.490 *** par_21 e7 .277 .057 4.844 *** par_22 e8 .222 .040 5.556 *** par_23 e4 .173 .034 5.129 *** par_24 e3 .137 .026 5.187 *** par_25 e2 .150 .027 5.450 *** par_26 e1 .222 .037 5.919 *** par_27 e12 .214 .060 3.567 *** par_28 e11 .418 .065 6.420 *** par_29 e9 .319 .075 4.242 *** par_30 e13 .204 .046 4.429 *** par_31 e14 .306 .052 5.857 *** par_32 e15 .285 .063 4.493 *** par_33

26

Squared Multiple Correlations: (Group number 1 - Default model) Estimate

PU .062 ATU .173 BITU .353 bitu3 .580 bitu2 .423 bitu1 .586 att1 .518 att3 .258 att4 .581 peou1 .501 peou2 .572 peou3 .604 peou4 .610 pu4 .528 pu3 .611 pu2 .344 pu1 .581

Matrices (Group number 1 - Default model)

Factor Score Weights (Group number 1 - Default model) bitu3 bitu2 bitu1 att1 att3 att4 peou1 peou2 peou3 peou4 pu4 pu3 pu2 pu1

PEOU .002 .001 .002 .012 .006 .017 .169 .237 .265 .239 .006 .006 .004 .006PU .034 .024 .040 .008 .004 .011 .007 .010 .011 .010 .244 .258 .163 .233ATU .025 .018 .030 .246 .122 .340 .015 .021 .024 .021 .009 .009 .006 .008BITU .239 .168 .286 .021 .010 .029 .002 .003 .003 .003 .029 .030 .019 .027

Total Effects (Group number 1 - Default model) PEOU PU ATU BITU

PU .308 .000 .000 .000 ATU .362 .203 .000 .000 BITU .212 .431 .265 .000 bitu3 .248 .503 .310 1.167 bitu2 .187 .380 .234 .881 bitu1 .212 .431 .265 1.000 att1 .389 .218 1.074 .000 att3 .253 .142 .698 .000 att4 .362 .203 1.000 .000 peou1 .908 .000 .000 .000 peou2 .860 .000 .000 .000 peou3 .878 .000 .000 .000 peou4 1.000 .000 .000 .000

27

PEOU PU ATU BITU pu4 .238 .772 .000 .000 pu3 .315 1.023 .000 .000 pu2 .167 .542 .000 .000 pu1 .308 1.000 .000 .000

Standardized Total Effects (Group number 1 - Default model) PEOU PU ATU BITU

PU .248 .000 .000 .000 ATU .345 .240 .000 .000 BITU .205 .517 .269 .000 bitu3 .156 .394 .205 .762 bitu2 .133 .336 .175 .650 bitu1 .157 .396 .206 .766 att1 .248 .173 .720 .000 att3 .175 .122 .508 .000 att4 .263 .183 .762 .000 peou1 .708 .000 .000 .000 peou2 .756 .000 .000 .000 peou3 .777 .000 .000 .000 peou4 .781 .000 .000 .000 pu4 .180 .726 .000 .000 pu3 .194 .782 .000 .000 pu2 .146 .587 .000 .000 pu1 .189 .762 .000 .000

Direct Effects (Group number 1 - Default model) PEOU PU ATU BITU

PU .308 .000 .000 .000 ATU .299 .203 .000 .000 BITU .000 .377 .265 .000 bitu3 .000 .000 .000 1.167 bitu2 .000 .000 .000 .881 bitu1 .000 .000 .000 1.000 att1 .000 .000 1.074 .000 att3 .000 .000 .698 .000 att4 .000 .000 1.000 .000 peou1 .908 .000 .000 .000 peou2 .860 .000 .000 .000 peou3 .878 .000 .000 .000 peou4 1.000 .000 .000 .000

28

PEOU PU ATU BITU pu4 .000 .772 .000 .000 pu3 .000 1.023 .000 .000 pu2 .000 .542 .000 .000 pu1 .000 1.000 .000 .000

Standardized Direct Effects (Group number 1 - Default model) PEOU PU ATU BITU


Indirect Effects (Group number 1 - Default model) PEOU PU ATU BITU

PU .000 .000 .000 .000 ATU .063 .000 .000 .000 BITU .212 .054 .000 .000 bitu3 .248 .503 .310 .000 bitu2 .187 .380 .234 .000 bitu1 .212 .431 .265 .000 att1 .389 .218 .000 .000 att3 .253 .142 .000 .000 att4 .362 .203 .000 .000 peou1 .000 .000 .000 .000 peou2 .000 .000 .000 .000 peou3 .000 .000 .000 .000 peou4 .000 .000 .000 .000 pu4 .238 .000 .000 .000 pu3 .315 .000 .000 .000

29

PEOU PU ATU BITU pu2 .167 .000 .000 .000 pu1 .308 .000 .000 .000

Standardized Indirect Effects (Group number 1 - Default model) PEOU PU ATU BITU


Modification Indices (Group number 1 - Default model)

Covariances: (Group number 1 - Default model) M.I. Par Change

e14 <--> z1 4.017 -.081 e9 <--> z1 5.292 .102 e1 <--> e11 4.535 .072 e3 <--> e1 4.305 .042 e4 <--> e2 4.069 .039 e8 <--> e4 5.029 .054 e7 <--> PEOU 6.812 -.088 e7 <--> e11 4.996 -.090 e7 <--> e4 9.442 -.087 e6 <--> z2 4.169 .060 e6 <--> e12 4.841 .062 e6 <--> e7 4.628 -.064

30

M.I. Par Change e5 <--> e9 7.080 .106 e5 <--> e8 6.634 -.079 e5 <--> e7 5.104 .080

Variances: (Group number 1 - Default model) M.I. Par Change

Regression Weights: (Group number 1 - Default model) M.I. Par Change

bitu2 <--- pu3 4.711 -.150 att1 <--- PU 5.006 .243 att1 <--- pu3 6.067 .187 att1 <--- pu1 9.387 .231 att3 <--- peou1 5.692 .235 att4 <--- pu3 4.032 -.132 peou4 <--- pu3 8.378 -.159 pu4 <--- peou4 4.032 .153 pu3 <--- PEOU 6.812 -.325 pu3 <--- ATU 5.573 -.297 pu3 <--- att3 8.313 -.229 pu3 <--- att4 5.948 -.203 pu3 <--- peou3 4.865 -.224 pu3 <--- peou4 12.610 -.318 pu2 <--- ATU 4.734 .225 pu2 <--- att4 6.747 .178 pu1 <--- att1 4.288 .155

Model Fit Summary

CMIN Model NPAR CMIN DF P CMIN/DF Default model 33 121.373 72 .000 1.686 Saturated model 105 .000 0

Independence model 14 607.413 91 .000 6.675

RMR, GFI Model RMR GFI AGFI PGFI Default model .044 .862 .799 .591 Saturated model .000 1.000 Independence model .146 .458 .375 .397

31

Baseline Comparisons

Model NFI Delta1

RFI rho1

IFI Delta2

TLI rho2

CFI

Default model .800 .747 .908 .879 .904 Saturated model 1.000 1.000 1.000 Independence model .000 .000 .000 .000 .000

Parsimony-Adjusted Measures Model PRATIO PNFI PCFI Default model .791 .633 .716 Saturated model .000 .000 .000 Independence model 1.000 .000 .000

NCP Model NCP LO 90 HI 90 Default model 49.373 22.850 83.778 Saturated model .000 .000 .000 Independence model 516.413 442.135 598.177

FMIN Model FMIN F0 LO 90 HI 90 Default model 1.145 .466 .216 .790 Saturated model .000 .000 .000 .000 Independence model 5.730 4.872 4.171 5.643

RMSEA Model RMSEA LO 90 HI 90 PCLOSE Default model .080 .055 .105 .028 Independence model .231 .214 .249 .000

AIC Model AIC BCC BIC CAIC Default model 187.373 198.252 275.576 308.576 Saturated model 210.000 244.615 490.647 595.647 Independence model 635.413 640.028 672.833 686.833

ECVI Model ECVI LO 90 HI 90 MECVI Default model 1.768 1.517 2.092 1.870 Saturated model 1.981 1.981 1.981 2.308 Independence model 5.994 5.294 6.766 6.038

HOELTER

32

Model HOELTER .05

HOELTER .01

Default model 82 90 Independence model 20 22

Model Setelah Modifikasi

Analysis Summary

Date and Time Date: Sunday, October 18, 2009 Time: 4:33:10 PM

Title akhirnya: Sunday, October 18, 2009 04:33 PM

Notes for Group (Group number 1) The model is recursive. Sample size = 107

PU

.28

PEOU

ATU BITU

pu1

.17

e5

1.00

1

pu2

.25

e6

.43

1

pu3

.35

e7

.78

1

pu4

.10

e8

.82

1

peou4.15

e4

1.00

1peou3

.18

e3

.77

1peou2

.12

e2

.91

1peou1

.27

e1

.78

1

att4.22

e12

1.00

1att3

.42

e11

.69

1att1

.31

e9

1.11

1

bitu1

.19

e131.001

bitu2.30

e14.87 1

bitu3.30

e15

1.121

.36

.27

.17

.28

.30

.25

z21

.21

z3

1

.51

z1

1



GFI=.897AGFI=.843

TLI=.964CFI=.973

RMSEA=.044

-.10

-.18

.08

33

Variable counts (Group number 1) Number of variables in your model: 35 Number of observed variables: 14 Number of unobserved variables: 21 Number of exogenous variables: 18 Number of endogenous variables: 17

Parameter summary (Group number 1) Weights Covariances Variances Means Intercepts Total

Fixed 21 0 0 0 0 21 Labeled 0 0 0 0 0 0

Unlabeled 15 3 18 0 0 36 Total 36 3 18 0 0 57

Assessment of normality (Group number 1) Variable min max skew c.r. kurtosis c.r. bitu3 1.000 4.000 .491 2.074 -.176 -.372 bitu2 1.000 4.000 .031 .131 -.348 -.736 bitu1 1.000 4.000 .326 1.378 -.028 -.059 att1 1.000 5.000 -.098 -.415 -.214 -.452 att3 2.000 5.000 -.268 -1.133 -.181 -.381 att4 2.000 5.000 .206 .871 -.461 -.973 peou1 2.000 5.000 -.768 -3.245 .980 2.070 peou2 2.000 5.000 -.562 -2.375 1.931 4.076 peou3 2.000 5.000 -.835 -3.527 2.877 6.076 peou4 1.000 5.000 -1.627 -6.870 5.908 12.474 pu4 2.000 5.000 .131 .552 -.146 -.308 pu3 1.000 5.000 -.251 -1.060 -1.108 -2.339 pu2 2.000 5.000 .324 1.370 .152 .321 pu1 2.000 5.000 -.073 -.310 -.979 -2.067 Multivariate 11.007 2.690

34

Observations farthest from the centroid (Mahalanobis distance) (Group number 1) Observation number Mahalanobis d-squared p1 p2

80 38.814 .000 .041 82 32.192 .004 .062 34 27.995 .014 .197 10 26.852 .020 .170 93 26.019 .026 .143 27 25.259 .032 .131 56 23.183 .057 .416 96 22.958 .061 .328 75 21.685 .085 .568 70 21.246 .095 .576 81 20.670 .110 .644 33 20.464 .116 .596 25 20.428 .117 .489 6 19.741 .139 .633

97 19.716 .139 .532 19 19.362 .152 .565 54 19.171 .159 .537 49 19.077 .162 .471 85 18.955 .167 .420 52 18.825 .172 .377 24 18.778 .174 .304 74 17.715 .220 .677 44 17.705 .221 .593 95 17.400 .235 .644 92 17.384 .236 .563 72 17.333 .239 .497 83 17.230 .244 .458 36 16.589 .279 .688 11 16.546 .281 .628 89 16.513 .283 .561 12 16.305 .295 .585 65 16.173 .303 .571 60 15.749 .329 .708 98 15.710 .331 .653 84 15.652 .335 .605 67 15.596 .339 .556 20 15.581 .340 .483

35

Observation number Mahalanobis d-squared p1 p2 32 15.488 .346 .454 64 15.460 .347 .390 62 15.428 .350 .332 21 15.415 .350 .269 68 15.252 .361 .280 73 15.087 .372 .295 18 15.070 .373 .238 63 14.960 .381 .227 86 14.740 .396 .268 87 14.596 .406 .275 17 14.126 .440 .469 16 14.096 .443 .411 71 14.048 .446 .365 14 14.012 .449 .315 38 13.964 .452 .274 42 13.518 .486 .463 35 13.463 .490 .421 37 12.946 .531 .672 2 12.905 .534 .625 7 12.856 .538 .582

59 12.707 .550 .602 50 12.705 .550 .527 48 12.629 .556 .500 66 12.554 .562 .472 79 12.461 .569 .456 51 12.447 .570 .390 57 12.238 .587 .450 13 12.228 .588 .380 22 12.150 .594 .355 31 12.133 .596 .294 29 12.087 .599 .254 8 11.935 .612 .273

76 11.670 .633 .362 61 11.544 .643 .368 40 11.476 .648 .336 53 11.259 .666 .401 4 11.224 .668 .345

77 10.550 .721 .719 5 10.078 .756 .888 3 9.595 .791 .970

15 9.566 .793 .957 46 9.507 .797 .946

36

Observation number Mahalanobis d-squared p1 p2 91 9.451 .801 .931

102 9.393 .805 .913 41 9.095 .825 .953 47 9.074 .826 .931 1 9.063 .827 .896

55 8.966 .833 .884 69 8.963 .833 .831 26 8.723 .848 .874 43 8.564 .858 .881 28 8.445 .865 .872 94 8.248 .876 .890 45 8.205 .878 .849 99 7.502 .914 .978 9 7.502 .914 .958

90 7.356 .920 .954 100 7.356 .920 .915 78 7.009 .934 .952

103 6.502 .952 .986 30 6.502 .952 .968

107 6.429 .954 .944 106 6.335 .957 .912

37

Estimates (Group number 1 - Default model)

Scalar Estimates (Group number 1 - Default model)

Maximum Likelihood Estimates

Regression Weights: (Group number 1 - Default model) Estimate S.E. C.R. P Label

PU <--- PEOU .358 .144 2.491 .013 par_11 ATU <--- PEOU .267 .127 2.092 .036 par_12 ATU <--- PU .170 .083 2.054 .040 par_13 BITU <--- ATU .282 .128 2.195 .028 par_14 BITU <--- PU .303 .088 3.453 *** par_15 pu1 <--- PU 1.000

pu2 <--- PU .431 .083 5.167 *** par_1 pu3 <--- PU .780 .119 6.556 *** par_2 pu4 <--- PU .822 .117 7.052 *** par_3 peou4 <--- PEOU 1.000

peou3 <--- PEOU .769 .112 6.894 *** par_4 peou2 <--- PEOU .909 .116 7.826 *** par_5 peou1 <--- PEOU .779 .129 6.061 *** par_6 att4 <--- ATU 1.000

att3 <--- ATU .695 .168 4.143 *** par_7 att1 <--- ATU 1.108 .226 4.907 *** par_8 bitu1 <--- BITU 1.000

bitu2 <--- BITU .870 .149 5.837 *** par_9 bitu3 <--- BITU 1.120 .177 6.319 *** par_10

Standardized Regression Weights: (Group number 1 - Default model)

Estimate

38

Estimate PU <--- PEOU .255 ATU <--- PEOU .262 ATU <--- PU .234 BITU <--- ATU .277 BITU <--- PU .410 pu1 <--- PU .877 pu2 <--- PU .537 pu3 <--- PU .698 pu4 <--- PU .891 peou4 <--- PEOU .804 peou3 <--- PEOU .692 peou2 <--- PEOU .813 peou1 <--- PEOU .618 att4 <--- ATU .753 att3 <--- ATU .499 att1 <--- ATU .734 bitu1 <--- BITU .780 bitu2 <--- BITU .654 bitu3 <--- BITU .745

Covariances: (Group number 1 - Default model) Estimate S.E. C.R. P Label

e7 <--> e4 -.097 .028 -3.483 *** par_16 e5 <--> e8 -.184 .048 -3.819 *** par_17 e3 <--> e1 .077 .028 2.717 .007 par_18

Correlations: (Group number 1 - Default model) Estimate

e7 <--> e4 -.417 e5 <--> e8 -1.455 e3 <--> e1 .346

Variances: (Group number 1 - Default model) Estimate S.E. C.R. P Label

PEOU .280 .060 4.686 *** par_19 z1 .515 .114 4.528 *** par_20 z2 .246 .072 3.432 *** par_21 z3 .206 .054 3.805 *** par_22 e5 .165 .075 2.220 .026 par_23 e6 .253 .036 7.075 *** par_24 e7 .354 .057 6.160 *** par_25 e8 .097 .049 1.997 .046 par_26

39

Estimate S.E. C.R. P Label e4 .153 .035 4.365 *** par_27 e3 .180 .030 5.911 *** par_28 e2 .118 .028 4.300 *** par_29 e1 .275 .044 6.319 *** par_30 e12 .221 .060 3.676 *** par_31 e11 .422 .065 6.458 *** par_32 e9 .305 .077 3.989 *** par_33 e13 .193 .046 4.213 *** par_34 e14 .304 .052 5.840 *** par_35 e15 .303 .063 4.786 *** par_36

Squared Multiple Correlations: (Group number 1 - Default model) Estimate

PU .065 ATU .155 BITU .314 bitu3 .554 bitu2 .428 bitu1 .609 att1 .539 att3 .249 att4 .568 peou1 .382 peou2 .662 peou3 .479 peou4 .646 pu4 .793 pu3 .487 pu2 .288 pu1 .769

Matrices (Group number 1 - Default model)

Factor Score Weights (Group number 1 - Default model) bitu3 bitu2 bitu1 att1 att3 att4 peou1 peou2 peou3 peou4 pu4 pu3 pu2 pu1

PEOU .002 .001 .002 .012 .006 .015 .081 .333 .151 .346 -.038 .100 .004 -.030 PU -.014 -.011 -.020 -.004 -.002 -.005 .004 .016 .007 -.055 .763 -.110 -.073 .592 ATU .021 .017 .030 .259 .118 .323 .006 .026 .012 .025 .019 .005 -.002 .015 BITU .222 .172 .312 .021 .010 .026 .001 .004 .002 -.003 .069 -.009 -.007 .053

Total Effects (Group number 1 - Default model) PEOU PU ATU BITU

PU .358 .000 .000 .000 ATU .327 .170 .000 .000

40

PEOU PU ATU BITU BITU .201 .351 .282 .000 bitu3 .225 .393 .316 1.120 bitu2 .175 .305 .245 .870 bitu1 .201 .351 .282 1.000 att1 .363 .189 1.108 .000 att3 .227 .118 .695 .000 att4 .327 .170 1.000 .000 peou1 .779 .000 .000 .000 peou2 .909 .000 .000 .000 peou3 .769 .000 .000 .000 peou4 1.000 .000 .000 .000 pu4 .294 .822 .000 .000 pu3 .279 .780 .000 .000 pu2 .154 .431 .000 .000 pu1 .358 1.000 .000 .000

Standardized Total Effects (Group number 1 - Default model) PEOU PU ATU BITU


Direct Effects (Group number 1 - Default model) PEOU PU ATU BITU

PU .358 .000 .000 .000 ATU .267 .170 .000 .000 BITU .000 .303 .282 .000 bitu3 .000 .000 .000 1.120

41

PEOU PU ATU BITU bitu2 .000 .000 .000 .870 bitu1 .000 .000 .000 1.000 att1 .000 .000 1.108 .000 att3 .000 .000 .695 .000 att4 .000 .000 1.000 .000 peou1 .779 .000 .000 .000 peou2 .909 .000 .000 .000 peou3 .769 .000 .000 .000 peou4 1.000 .000 .000 .000 pu4 .000 .822 .000 .000 pu3 .000 .780 .000 .000 pu2 .000 .431 .000 .000 pu1 .000 1.000 .000 .000

Standardized Direct Effects (Group number 1 - Default model) PEOU PU ATU BITU


Indirect Effects (Group number 1 - Default model) PEOU PU ATU BITU

PU .000 .000 .000 .000 ATU .061 .000 .000 .000 BITU .201 .048 .000 .000 bitu3 .225 .393 .316 .000 bitu2 .175 .305 .245 .000 bitu1 .201 .351 .282 .000

42

PEOU PU ATU BITU att1 .363 .189 .000 .000 att3 .227 .118 .000 .000 att4 .327 .170 .000 .000 peou1 .000 .000 .000 .000 peou2 .000 .000 .000 .000 peou3 .000 .000 .000 .000 peou4 .000 .000 .000 .000 pu4 .294 .000 .000 .000 pu3 .279 .000 .000 .000 pu2 .154 .000 .000 .000 pu1 .358 .000 .000 .000

Standardized Indirect Effects (Group number 1 - Default model) PEOU PU ATU BITU


Modification Indices (Group number 1 - Default model)

43

Covariances: (Group number 1 - Default model) M.I. Par Change

e9 <--> z1 4.613 .095 e1 <--> e11 4.444 .070 e6 <--> z2 4.425 .060 e6 <--> e12 5.199 .063 e5 <--> e9 5.792 .092

Variances: (Group number 1 - Default model) M.I. Par Change

Regression Weights: (Group number 1 - Default model) M.I. Par Change

bitu2 <--- pu3 4.241 -.144 att1 <--- PU 4.854 .182 att1 <--- pu3 6.045 .188 att1 <--- pu1 8.839 .223 att3 <--- peou1 6.086 .244 att4 <--- pu3 4.309 -.139 peou1 <--- att3 4.115 .132 pu3 <--- att3 4.149 -.141 pu2 <--- ATU 4.851 .226 pu2 <--- att4 7.151 .180

Model Fit Summary

CMIN Model NPAR CMIN DF P CMIN/DF Default model 36 82.994 69 .120 1.203 Saturated model 105 .000 0

Independence model 14 607.413 91 .000 6.675

RMR, GFI Model RMR GFI AGFI PGFI Default model .041 .897 .843 .589 Saturated model .000 1.000 Independence model .146 .458 .375 .397

Baseline Comparisons

Model NFI Delta1

RFI rho1

IFI Delta2

TLI rho2

CFI

44

Model NFI Delta1

RFI rho1

IFI Delta2

TLI rho2

CFI

Default model .863 .820 .974 .964 .973 Saturated model 1.000 1.000 1.000 Independence model .000 .000 .000 .000 .000

Parsimony-Adjusted Measures Model PRATIO PNFI PCFI Default model .758 .655 .738 Saturated model .000 .000 .000 Independence model 1.000 .000 .000

NCP Model NCP LO 90 HI 90 Default model 13.994 .000 41.075 Saturated model .000 .000 .000 Independence model 516.413 442.135 598.177

FMIN Model FMIN F0 LO 90 HI 90 Default model .783 .132 .000 .387 Saturated model .000 .000 .000 .000 Independence model 5.730 4.872 4.171 5.643

RMSEA Model RMSEA LO 90 HI 90 PCLOSE Default model .044 .000 .075 .597 Independence model .231 .214 .249 .000

AIC Model AIC BCC BIC CAIC Default model 154.994 166.862 251.216 287.216 Saturated model 210.000 244.615 490.647 595.647 Independence model 635.413 640.028 672.833 686.833

ECVI Model ECVI LO 90 HI 90 MECVI Default model 1.462 1.330 1.718 1.574 Saturated model 1.981 1.981 1.981 2.308 Independence model 5.994 5.294 6.766 6.038

HOELTER

45

Model HOELTER .05

HOELTER .01

Default model 115 127 Independence model 20 22

bab i pendahuluan a. latar belakang - siafif.com 8/skripsi kakak tingkat... · 1 bab i pendahuluan...

Documents