BAB 4 HASIL DAN PEMBAHASAN

BAB 4 HASIL DAN PEMBAHASAN

4.1

Deskriptif Hasil Penelitian Responden dalam penelitian ini yaitu mahasiswa Universitas Multimedia

Nusantara. Penyebaran kuesioner dilakukan menggunakan penyebaran secara langsung dan acak sebanyak 200 kuesioner didistribusikan kepada responden pada 23 – 25 April 2012. Hasil dari penyebaran kuesioner selanjutnya diolah untuk dianalisis.

4.1.1 Karakteristik Responden Berdasarkan Jenis Kelamin Berdasarkan hasil penelitian bahwa karakteristik responden berdasarkan jenis kelamin sebagaimana tertera pada tabel 4.1 berikut:

Tabel 4.1 Karakteristik Responden Berdasarkan Jenis Kelamin

Sumber: Data Primer, diolah (2012) 33

34

Berdasarkan tabel 4.1 dapat dijelaskan bahwa sebagian besar responden 83,5% berjenis kelamin laki - laki berjumlah 167 orang, sedangkan responden berjenis kelamin perempuan berjumlah 33 orang atau sebesar 16,5%.

4.1.2 Karakteristik Responden Berdasarkan Angkatan Berdasarkan hasil penelitian bahwa karakteristik responden berdasarkan angkatan sebagaimana tertera pada tabel 4.2 berikut:

Tabel 4.2 Karakteristik Responden Berdasarkan Angkatan

Sumber: Data Primer, diolah (2012)

Berdasarkan tabel 4.2 dapat dijelaskan bahwa responden 36% angkatan 2011 berjumlah 72 orang, responden 32,5% angkatan 2009 berjumlah 65 orang, responden 24,5% angkatan 2010 angkatan 2008 berjumlah 14 orang.

berjumlah 49 orang, dan responden 7%

35

4.1.3 Karakteristik Responden Berdasarkan Frekuensi Penggunaan ELearning Berdasarkan hasil penelitian bahwa karakteristik responden berdasarkan frekuensi penggunaan e-learning sebagaimana tertera pada tabel 4.3 berikut:

Tabel 4.3 Karakteristik Responden Berdasarkan Frekuensi Penggunaan E-Learning


Berdasarkan

tabel 4.3 dapat

dijelaskan

bahwa responden 73%

menggunakan e-learning 1 – 4 kali / minggu berjumlah 146 orang, responden 13% menggunakan e-learning 5 – 10 kali / minggu

berjumlah 26 orang,

responden 13% tidak pernah menggunakan e-learning berjumlah 26 orang, responden 1% menggunakan e-learning > 10 kali / minggu berjumlah 2 orang. 4.2

Uji Kualitas Data Uji kualitas data meliputi realibilitas dan uji validitas variabel e-learning

(EL), motivasi belajar(MB), dan hasil belajar(HB). Uji reliabitas dilakukan

36

dengan melihat nilai composite reliability yang dihasilkan dengan perhitungan PLS. Nilai suatu variabel dikatakan reliabel jika memberikan nilai composite reliability >0,70 dan Variance extracted >0.50 (Werts et al. 1974 dalam Imam, 2006). Hasil uji reliabilitas disajikan pada tabel 4.4.

Tabel 4.4 Uji Reliabilitas

Composite No

Variabel

Keterangan AVE

Reliability

1

EL

0.5243

0.8843

Reliable

2

MB

0.6685

0.9335

Reliable

3

HB

0.7212

0.9393

Reliable


Hasil pengujian pada table 4.4 menunjukkan bahwa semua variabel penelitian ini sudah menunjukkan sebagai pengukur yang fit, hal ini berarti bahwa semua item pertanyaan yang digunakan untuk mengukur masing - masing variabel adalah reliable. Uji validitas dilakukan dengan menggunakan evaluasi measurement (outer) model yaitu dengan menggunakan convergent validity besarnya loading factor untuk masing – masing >0.5 terhadap variabel yang dituju. Tabel 4.5 Uji Validitas

EL

HB

MB

EL1

0.5826

0

0

EL2

0.6902

0

0

EL3

0.72

0

0

37

EL4

0.7178

0

0

EL5

0.737

0

0

EL6

0.8319

0

0

EL7

0.765

0

0

HB1

0

0.7877

0

HB2

0

0.8234

0

HB3

0

0.8629

0

HB4

0

0.8992

0

HB5

0

0.8991

0

HB6

0

0.8169

0

MB1

0

0

0.7828

MB2

0

0

0.6816

MB3

0

0

0.8482

MB4

0

0

0.839

MB5

0

0

0.8152

MB6

0

0

0.8927

MB7

0

0

0.8471


Pengujian validitas untuk indikator reflektif menggunakan korelasi antara skor item dengan skor variabelnya. Pengukuran dengan indikator reflektif menunjukkan adanya perubahan pada suatu indikator dalam suatu variabel jika indikator lain pada variabel yang sama berubah (atau dikeluarkan dari model). Indikator reflektif cocok digunakan untuk mengukur persepsi sehingga penelitian ini menggunakan indikator reflektif. Tabel di atas menunjukkan bahwa loading

38

factor memberikan nilai di atas nilai yang disarankan yaitu sebesar 0,5. Nilai paling kecil adalah sebesar 0,5826 untuk indikator EL1. Berarti indikator yang dipergunakan dalam penelitian ini adalah valid atau telah memenuhi convergent validity. Berikut adalah diagram loading factor masing-masing indikator dalam model penelitian: Gambar 4.1 Loading Factor

Sumber: Output SmartPLS 2012

4.3

Analisis Data Metode

analisis

utama

dalam

penelitian

ini

dilakukan

menggunakan metode SEM berbasis Partial Least Square (PLS).

dengan

39

4.3.1

Menilai Outer Model atau Measurement Model Di dalam teknik analisa data dengan menggunakan SmartPLS ada tiga

criteria untuk menilai outer model yaitu Convergent Validity, Discriminant Validity dan Composite Reliability. Convergent validity dari model pengukuran dengan

refleksif

indikator

dinilai

berdasarkan

korelasi

antara

item

score/component score yang diestimasi dengan Soflware PLS. Ukuran refleksif individual dikatakan tinggi jika berkorelasi lebih dari 0,70 dengan variabel yang diukur. 1. Outer Model Atau Measurement Model Variabel E-Learning Variabel E-Learning (EL) dijelaskan oleh 7 indikator yang terdiri dari EL1 sampai dengan EL7. Uji terhadap outer loading bertujuan untuk melihat korelasi antara score item atau indikator dengan score variabelnya. Indikator dianggap reliabel jika memiliki nilai korelasi diatas 0,7, namun dalam tahap pengembangan korelasi 0,50 masih dapat diterima (Ghozali, 2006 ). Tabel 4.6 Measurement Model Variabel E-Learning EL1 <- EL EL2 <- EL EL3 <- EL EL4 <- EL EL5 <- EL EL6 <- EL EL7 <- EL

Original Sample (O) Sample Mean (M) Standard Deviation (STDEV) Standard Error (STERR) T Statistics (|O/STERR|) 0.1395 0.1361 0.0272 0.0272 5.1317 0.1537 0.151 0.0246 0.0246 6.2562 0.1679 0.1658 0.0199 0.0199 8.4341 0.1593 0.1583 0.0211 0.0211 7.5325 0.1805 0.1811 0.0207 0.0207 8.7122 0.2776 0.2795 0.0327 0.0327 8.4989 0.279 0.2813 0.0357 0.0357 7.8199


Kelayakan sebuah model juga dapat dilihat dari nilai t statistiknya, dengan syarat t-statistik harus lebih besar dari t - hitung 1,960 pada tingkat signifikasi 0,05.

40

2. Outer Model Atau Measurement Model Variabel Motivasi belajar Variabel Motivasi Belajar (MB) memiliki 7 indikator yang akan dinilai Loading factornya apakah memenuhi nilai Convergent Validity atau dibawah nilai yang dianjurkan. Hasil pengolahan data dengan menggunakan SmartPLS untuk loading factor variabel Motivasi Belajar (MB) dapat dilihat pada gambar 4.7 sebagai berikut: Tabel 4.7 Measurement Model Variabel Motivasi Belajar MB1 <- MB MB2 <- MB MB3 <- MB MB4 <- MB MB5 <- MB MB6 <- MB MB7 <- MB

Original Sample (O) Sample Mean (M) Standard Deviation (STDEV) Standard Error (STERR) T Statistics (|O/STERR|) 0.1553 0.1555 0.0087 0.0087 17.8843 0.1306 0.1304 0.0119 0.0119 10.9711 0.1884 0.1885 0.0088 0.0088 21.2932 0.2015 0.2017 0.0105 0.0105 19.1327 0.17 0.1698 0.0086 0.0086 19.8009 0.1852 0.1855 0.0084 0.0084 21.9812 0.1849 0.1852 0.009 0.009 20.4646


3. Outer Model Atau Measurement Model Variabel Hasil Belajar Variabel Hasil Belajar (HB) memiliki 6 indikator yang akan dinilai Loading factornya apakah memenuhi nilai Convergent Validity atau dibawah

nilai

yang

dianjurkan.

Hasil

pengolahan

data

dengan

menggunakan SmartPLS untuk loading factor variabel Hasil Belajar (HB) dapat dilihat pada gambar 4.8 sebagai berikut: Tabel 4.8 Measurement Model Variabel Hasil Belajar HB1 <- HB HB2 <- HB HB3 <- HB HB4 <- HB HB5 <- HB HB6 <- HB

Original Sample (O) Sample Mean (M) Standard Deviation (STDEV) Standard Error (STERR) T Statistics (|O/STERR|) 0.1776 0.1774 0.0087 0.0087 20.5277 0.1674 0.1667 0.0091 0.0091 18.3959 0.1882 0.1882 0.0074 0.0074 25.3689 0.2164 0.2171 0.0127 0.0127 17.072 0.2134 0.214 0.0124 0.0124 17.1757 0.2124 0.213 0.013 0.013 16.3422


41

4.3.2

Menilai Inner Model atau Structural Model Pengujian inner model atau model struktural dilakukan untuk melihat

hubungan antara variabel, nilai signifikansi dan R-square dari model penelitian. Model structural dievaluasi dengan menggunakan R-square untuk variabel dependen, Stone-Geisser Qsquare test untuk predictive relevance dan uji t serta signifikansi dari koefisien parameter jalur struktural.

Tabel 4.9 R-Square

R Square EL

0

HB

0.6023

MB

0.372


Tabel 4.9 ini menunjukkan nilai R-square variabel MB sebesar 0.372 dan variabel HB sebesar 0.6023. Semakin tinggi nilai R-square, maka semakin besar kemampuan variabel independen tersebut dapat menjelaskan variabel dependen sehingga semakin baik persaman struktural.

4.4

Pengujian Hipotesis Pengujian hipotesis didasarkan pada nilai yang terdapat pada analisis

structural model, tingkat signifikansi path coefficient didapat dari nilai-t dan nilai standardized path coefficient. Batas nilai atau threshold pengujian hipotesis yaitu:

42

• Nilai-t muatan faktornya (factor loadings) lebih besar dari nilai kritis ( ≥ 1.96) • Nilai standardized path coefficient (p) ≥ 0.05. Rangkuman hasil pengujian hipotesis dapat dilihat pada tabel 4.10 hasil uji structural model dibawah ini. Tabel 4.10 Pengujian Hipotesis

Hipotesis H1 H2 H3

Variable Original Sample (O) Standard Deviation (STDEV) T Statistics (|O/STERR|) Kesimpulan EL -> HB 0.1754 0.0665 2.6376 Signifikan EL -> MB 0.6099 0.0442 13.7833 Signifikan MB -> HB 0.6565 0.0562 11.6889 Signifikan


Berdasarkan hasil uji structural model yang terdapat pada tabel 4.17, dapat disimpulkan sebagai berikut: • Hipotesis mengenai E-Learning (EL) akan mempengaruhi Motivasi Belajar (MB) diterima • Hipotesis mengenai Motivasi Belajar (MB) akan mempengaruhi Hasil Belajar (HB) diterima. • Hipotesis mengenai E-Learning (EL) akan mempengaruhi Hasil Belajar (HB) diterima.

4.5

Kesimpulan Hasil Analisis Data

Tabel 4.11 memperlihatkan hasil uji hipotesis yang diajukan dalam penelitian ini melalui hasil pengujian dengan menggunakan SEM berbasis smartPLS.

43 Tabel 4.11 Hasil Pengujian Hipotesis

Hipotesis

Keterangan

Hipotesa 1: H0

: Tidak ada pengaruh penggunaan e-learning terhadap

motivasi belajar mahasiswa. H1

: Ada pengaruh penggunaan e-learning terhadap

Reject H0

motivasi belajar mahasiswa.

Hipotesa 2: H0

: Tidak ada pengaruh motivasi belajar mahasiswa

terhadap hasil belajar mahasiswa. H1

: Ada pengaruh motivasi belajar mahasiswa terhadap

hasil belajar mahasiswa.

Reject H0

Hipotesa 3: H0

: Tidak ada pengaruh penggunaan e-learning terhadap

hasil belajar mahasiswa. H1

: Ada pengaruh penggunaan e-learning terhadap hasil

belajar mahasiswa. Sumber: Data Primer, diolah (2012)

Reject H0

44 Gambar 4.2 Model Desain Penelitian Hasil Pengujian Hipotesis


BAB 4 HASIL DAN PEMBAHASAN

Recommend Documents