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

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

1

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 keteranganketerangan 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 elearning. 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 elearning tentunya adalah ketesediaan informasi yang melimpah dari sumbersumber 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. Elearning 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 benarbenar 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 elearning, 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 elearning (attitude toward using), dan minat/ keinginan untuk menggunaka elearning (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 Elearning 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 elearning mempunyai pengaruh yang signifikan pada persepsi kegunaan dari e-learning oleh individu. b. Untuk menemukan bukti empiris persepsi kemudahan penggunaan elearning 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 elearning oleh individu. d. Untuk

menemukan

mempunyai

bukti

pengaruh

empiris

yang

persepsi

signifikan

kegunaan

pada

minat/

e-learning keinginan

menggunakan e-learning oleh individu. e. Untuk menemukan bukti empiris sikap terhadap penggunaan e-learning mempunyai

pengaruh

yang

signifikan

menggunakan e-learning oleh individu.

pada

minat/

keinginan

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

Perceived uselfulne ss External variabble s

Attitude toward

using

Behaviou ral intention

Actual sistem use

to use Perceived ease of use

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

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 dimensidimensi 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 elearning 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 elearning 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 Mempengaruhi Variabel Variabel Hu, Cau, sheng and Telemedicine Perceived Attitude dan Tam (1999) technology usefulness behaviour intention attitude Behaviour intention Verkatesh (1999) Virtual work place Perceived ease of Behaviour intention sistem use and Perceived usefulness Perceived Behaviour intention usefulness Agarwal dan World wide web Perceived ease of Behaviour intention Karahan (2000) use Perceived Behaviour intention usefulness Huang, D’Ambra E-Government Perceived ease of Behaviour intention dan Bhalla (2002) use Hong, Thang, Wong E-Library Perceived ease of Behaviour intentio and Tam (2002) use and Perceived usefulness Perceived Behaviour intention usefulness computer self Perceived ease of efficacy use Knowledge of Perceived ease of search domain use Relevancy Perceived ease of use Teminology Perceived ease of use Screen design Perceived ease of use Achjari (2003) World wide web Perceived Behaviour intention compatibility and Perceived usefulness Self efficacy Perceived ease of use Masrom (2006) E-learning Perceived ease of Perceived use usefulness Perceived ease of Attitude use Perceived Attitude usefulness Perceived Behaviour inetntion usefulness Peneliti

Obyek Penelitian

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.

H4 Perceived usefulness

H3 H5

H1 H2

Attitude toward using

Perceived ease of use

Gambar II. 2 Kerangka Penelitian Masrom (2006)

Behavioural intention to use

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 Jurusan IESP Manajemen Akuntansi

2005 83 140 105

Angkatan 2006 2007 92 79 112 124 103 94 Total

2008 125 157 122

Jumlah 379 533 424 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 Angkatan 2005 2006 2007 IESP 83 92 79 Manajemen 140 112 124 Akuntansi 105 103 94 Total Sumber :Data primer diolah, 2009.

Jumlah

Jurusan

2008 125 157 122

379 533 424 1336

sampel 11 74 22 107

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 elearning 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 elearning sangat mudah dipelajari

29

2) Teknologi komputer yang dalam hal ini adalah elearning 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 elearning sangat mudah untuk dioperasikan. Pada variabel ini terdiri dari empat pertanyaan yang digunakan untuk mengetahui tingkat kemudahan penggunaan elearning 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 Pada variabel ini terdiri dari empat pertanyaan yang 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

Pada variabel ini terdiri dari empat pertanyaan yang digunakan untuk mengetahui sikap mahasiswa terhadap teknologi elearning. 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: Zskewness =

skewness 6 N

dimana N merupakan ukuran sampel. Nilai statistik z untuk kurtosisnya dapat dihitung dengan menggunakan rumus berikut ini: kurtosis

Zkurtosis =

24 N

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 observasiobservasi 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

mengindikasikan

yang indeks

besar. yang

Nilai baik

RMSEA untuk

≥

0,08

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

2 Chi-square ( c ) Significance Probability (p) CMIN/DF GFI AGFI TLI CFI RMSEA

Diharapkan kecil ³ 0,05 £ 2,00 ³ 0,90 ³ 0,90 ³ 0,90 ³ 0,90 £ 0,08

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

pembinaanserta kesejahteraan mahasiswa.

bidang

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 masingmasing 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

Perlengkapan. 4) Sub Bagian Administrasi Kemahasiswaan.

dan

49

Dekan Senat PD 1

Jurusan Manajemen

Jurusan Ekonomi

D3 M. Industri

D3 Bisnis Internasional

D3 M. Pemasaran Lab. Jurusan Manj.

Lab. Jurusan Eko Pusat Pengembangan Ekonomi Pembangunan

Pusat Pengembangan Manj.

PD 2

PD 3

Jurusan Akuntansi

D3 Akuntansi Keuangan

Sub. Bag. Adm. Pendidikan

D3 Akuntansi Perpajakan

Su. Bag. Adm. Keu. Dan Kepegawaian

Lab. Jurusan Akuntansi Pusat Pengembangan Akuntansi

1. Pusat sistem Informasi 2. Pusat Komputer

Bagian Tata Usaha

Pendidikan Profesi Akuntansi

Lab EksporImpor Pusat Pengembangan Ekspor Perpustakaan

Pojok BEJ

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

Sub. Bag. Adm. Umum dan Perlengkapan Sub. Bag. Adm. Kemahasiswaan

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. Elearning 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 Deskripsi mata kuliah

Learning Path Latihan kuis Dokumen

Pengumuman

Agenda

Group

Forum

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

Keterangan Berisi tentang gambaran umum mata kuliah, aturan main dan literatur buku yang digunakan Fasilita dapat digunakan untuk pembelajaran berantai/ jalur Fasilitas yang dapat digunakan untuk kuis secara on-line Fasilitas yang dapat digunakan untuk menyimpan data-data yang di upload oleh mahasiswa maupun dosen Fasilitas yang dapat digunakan dosen maupun mahasiswa untuk memasang pengumuman tentang perkuliahan. Fasilitas di e-learning yang dapat digunakan untuk menyusun agenda pribadi selama satu semester. Asilitas yang dapat digunakan untuk membuat kelompok belajar dalam elearning Fasilitas yang ada di e-learning yang dapat digunakan untuk memberikan komentar atau saran tentang isu atau fenomena yang di upload Fasilitas yang dapat digunakan untuk chating antar anggota e-learning Fasilitas yang dapat digunakan untuk mengadakan survey on-line

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 19 tahun 55 orang 20 tahun 22 orang 21 tahun 17 orang 22 tahun 13 orang Jumlah 107 orang Sumber: Data primer yang diolah (2009)

Prosentase 51,4% 20,6% 15,9% 12,1% 100%

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 Pria 51 Orang Wanita 56 Orang Jumlah 107 orang Sumber: Data primer yang diolah (2009)

Prosentase 47,7% 52,3% 100%

Tabel IV. 3 menunjukan bahwa mahasiswa pengguna fasilitas 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 Manajemen 74 orang Akuntantsi 22 orang Ekonomi 11 orang Pembangunan Jumlah 107 orang Sumber: Data primer yang diolah (2009)

Prosentase 69,2% 20,6% 10,3% 100%

Tabel IV. 4 menunjukan bahwa mahasiswa pengguna fasilitas 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 Frekuensi jumlah Penggunaan Tidak pernah 0 Jarang 1-2 25 orang Cukup sering 3-4 43 orang Sering 5-keatas 39 orang Jumlah 107 orang Sumber: Data primer yang diolah (2009)

Prosentase 23,4% 40,2% 36,4% 100%

Tabel IV. 5 menunjukan bahwa mahasiswa pengguna fasilitas e-learning berdasarkan tingkat penggunaan menunjukan sebanyak 43 orang atau 40,2% intensitas cukup sering menggunakan fasilitas elearning. 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. Pernyataanpernyataan 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

No 1 2 3 4

Pertanyaan Saya merasa e-learning mudah digunakan Saya meraasa e-learning mudah untuk dipelajari e-learning jelas dan mudah dipahami Mudah bagi saya untuk mendapatkan informasi di e-learning

Jumlah Jawaban Responden STS

TS

N

S

SS

-

2

7

57

41

-

2

9

75

21

-

3

8

79

17

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. 2. Berdasarkan data dari tabel IV.6 diatas menunjukkan bahwa mayoritas responden sebanyak 75 orang atau 70,1 % menjawab setuju atas item pertanyaan saya merasa e-learning mudah untuk dipelajari. Hal ini berarti bahwa sebagian besar responden merasa e-learning mudah untuk dipelajari 3. Berdasarkan data dari tabel IV.6 diatas menunjukkan bahwa mayoritas responden sebanyak 79 orang atau 73,8 % menjawab 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. 4. Berdasarkan data dari tabel IV.6 diatas menunjukkan bahwa mayoritas responden sebanyak 78 orang atau 72,9 % menjawab 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 elearning. b. Tanggapan Responden Mengenai Persepsi Kegunaan (Perceived usefulness) Deskripsi tanggapan responden sebanyak 107 orang terhadap 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 : Tabel IV.7 Deskripsi Tanggapan Responden Terhadap Persepsi Kegunaan No 1 2 3 4

Pertanyaan Penggunaan e-learning mempertinggi efektifitas saya dalam belajar. Penggunaan e-learning menjadikan pekerjaan atau tugas perkuliahan lebih mudah Penggunaan e-learning meningkatkan produktivitas tugas perkuliahan saya. saya merasa e-learning berguna atau bermanfaat.

Sumber : Data primer yang diolah (2009)

Jumlah Jawaban Responden STS

TS

N

S

SS

-

25

37

41

4

-

6

66

33

2

1

28

35

42

1

-

9

56

38

4

57

1. Berdasarkan data dari tabel IV.7 diatas menunjukkan bahwa mayoritas responden sebanyak 41 orang atau 38,3 % menjawab setuju atas item penggunaan e-learning mempertinggi efektivitas belajar. Hal ini berarti bahwa sebagian besar responden merasa elearning dapat mempertinggi efektifitas dalam belajar khususnya untuk memenuhi tugas perkuliahan. 2. Berdasarkan data dari Tabel IV.7 diatas menunjukkan bahwa mayoritas responden sebanyak 66 orang atau 61,7 % menjawab 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. 3. Berdasarkan data dari tabel IV.7 diatas menunjukkan bahwa mayoritas responden sebanyak 42 orang atau 39,3 % menjawab 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 4. Berdasarkan data dari tabel IV.7 diatas menunjukkan bahwa mayoritas responden sebanyak 56 orang atau 52,3 % menjawab 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). Deskripsi tanggapan responden sebanyak 107 orang terhadap item pertanyaan persepsi kemudahan penggunaan sebanyak 4 (empat) item. Data kuesioner yang terdapat pada lampiran dapat dilihat deskripsi tanggapan responden pada setiap item pertanyaan adalah sebagai berikut : Tabel IV.8 Deskripsi Tanggapan Responden Sikap Terhadap Penggunaan No 1 2 3 4

Pertanyaan Saya menyukai ide penggunaan elearning. Saya senang menggunakan e-learning Saya percaya bahwa menggunakan elearning ide baik untuk tugas perkuliahan saya. Penggunaan e-learning adalah ide yang bagus

Jumlah Jawaban Responden STS

TS

N

S

SS

1

15

47

38

6

-

2

25

69

11

-

7

34

55

11

-

3

45

47

12

Sumber : Data primer yang diolah (2009)

1. Berdasarkan data dari tabel IV.8 diatas menunjukkan bahwa mayoritas responden sebanyak 47 orang atau 43,9 % menjawab 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

2. Berdasarkan data dari tabel IV.8 diatas menunjukkan bahwa mayoritas responden sebanyak 69 orang atau 64,5 % menjawab 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. 3. Berdasarkan data dari tabel IV.8 diatas menunjukkan bahwa mayoritas responden sebanyak 55 orang atau 51,4 % menjawab 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 mayoritas responden sebanyak 47 orang atau 43,9 % menjawab setuju atas item penggunaan e-learning adalah ide yang bagus. Hal ini berarti bahwa sebagian besar responden merasa bahwa elearning adalah suatu ide yang bagus untuk mendukung kegiatan belajar mengajar. d. Tanggapan

Responden

Mengenai

Minat/

Perhatian

untuk

Menggunakan (Behaviour Intention to Use). Deskripsi tanggapan responden sebanyak 107 orang terhadap item pertanyaan persepsi kemudahan penggunaan sebanyak 3 (tiga) item. Data kuesioner yang terdapat pada lampiran dapat dilihat

60

deskripsi tanggapan responden pada setiap item pertanyaan adalah sebagai berikut : Tabel IV.9 Deskripsi Tanggapan Responden Terhadap Minat/ Perhatian Untuk Menggunakan No

1 2 3

Pertanyaan Saya berkeinginan/ bermaksud untuk menggunakan e-leaning selama perkuliahan Saya berkeinginan/ bermaksud menggunakan e-learning lagi Saya berkeinginan/ bermaksud meningkatkan penggunaan e-learning untuk memenuhi tugas perkuliahan

Jumlah Jawaban Responden STS

TS

N

S

SS

8

58

35

6

-

13

52

38

4

-

24

54

22

7

-

Sumber : Data primer yang diolah (2009) 1. Berdasarkan data dari tabel IV.9 diatas menunjukkan bahwa mayoritas responden sebanyak 58 orang atau 54,2 % menjawab 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 2. Berdasarkan data dari tabel IV.9 diatas menunjukkan bahwa mayoritas responden sebanyak 52 orang atau 48,6 % menjawab 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. 3. Berdasarkan data dari tabel IV.9 diatas menunjukkan bahwa mayoritas responden sebanyak 54 orang atau 50,5 % menjawab 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 a

Rotated Component Matrix Component 1 PEOU1 PEOU2 PEOU3 PEOU4 PU1 PU2 PU3 PU4 ATT1 ATT2 ATT3 ATT4 BITU1 BITU2 BITU3

2

3

4

.764 .777 .813 .857 .817 .584 .878 .712 .746 .440 .656 .839

.421

.789 .830 .718

Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization. a. Rotation converged in 5 iterations.

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

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 a

Rotated Component Matrix Component 1 PEOU1 PEOU2 PEOU3 PEOU4 PU1 PU2 PU3 PU4 ATT1 ATT3 ATT4 BITU1 BITU2 BITU3

2

3

4

.769 .778 .816 .859 .826 .611 .877 .721 .737 .667 .861 .789 .838 .732

Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization. a. Rotation converged in 5 iterations.

Tabel IV. 12 Rangkuman Hasil Analisis Faktor Variabel Perceived Ease of Use

Item Factor Loading PEOU 1 0,769 PEOU 2 0,778 PEOU 3 0,816 PEOU 4 0,859 Perceived Usefulness USE 1 0,826 USE 2 0,611 USE 3 0,877 USE 4 0,721 Attitude Toward Using ATU 1 0,737 ATU 3 0,667 ATU 4 0,861 Behaviour Intention to BITU 1 0,789 Use BITU 2 0,838 BITU 3 0,732 Sumber: Data primer yang diolah (2009)

Keterangan Valid Valid Valid Valid Valid Valid Valid Valid Valid Valid Valid Valid Valid Valid

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

Keterangan Baik Baik Diterima Diterima

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 bitu3 1.000 4.000 .491 bitu2 1.000 4.000 .031 bitu1 1.000 4.000 .326 att1 1.000 5.000 -.098 att3 2.000 5.000 -.268 att4 2.000 5.000 .206 peou1 2.000 5.000 -.768 peou2 2.000 5.000 -.562 peou3 2.000 5.000 -.835 peou4 1.000 5.000 -1.627 pu4 2.000 5.000 .131 pu3 1.000 5.000 -.251 pu2 2.000 5.000 .324 pu1 2.000 5.000 -.073 Multivariate Sumber : Data primer diolah (2009)

c.r. 2.074 .131 1.378 -.415 -1.133 .871 -3.245 -2.375 -3.527 -6.870 .552 -1.060 1.370 -.310

kurtosis -.176 -.348 -.028 -.214 -.181 -.461 .980 1.931 2.877 5.908 -.146 -1.108 .152 -.979 11.007

c.r. -.372 -.736 -.059 -.452 -.381 -.973 2.070 4.076 6.076 12.474 -.308 -2.339 .321 -2.067 2.690

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 Jarak Mahalanobis Observasi 80 38.814 82 32.192 34 27.995 . . . . . . 106 6.335 Sumber : Data primer diolah (2009)

Jarak Mahalanobis Kritis (15, 0.001) 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

.30

e5

.23

.22

e6

e7

e8

1

1

1

pu2

pu3

pu4

1

pu1

.28

1.02 1.00 .54

.77

PU .391

.38

.20

z1

.31

.25 1

z2

.27

.30

.27

ATU

1.07

.70

1.00

BITU

.86

1.00

.88

att1

att3

att4

1

1

1

peou1 peou2 peou3 peou4 1 .22

e1

1 .15

e2

1

.14

e3

1 .17

.32

e9

.42

e11

bitu1 1.17bitu2

bitu3

1 .19

PEOU .91

1.00 .88

1 1 1

.20

e13.31 e14.29 e15

z3

.21

e12

Chi-squares=121.373 prob=.000 CMIN/DF =1.686 RMR=.044 GFI=.862 AGFI=.799 TLI=.879 CFI=.904 RMSEA=.080

e4

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 Chi-square ( c ) Significance Probability (p) CMIN/DF GFI AGFI TLI CFI RMSEA 2

Cut-off Value

hasil

kesimpulan

Diharapkan kecil 121,373

-

³ 0,05

0.000

Tidak fit

£ 2,00 ³ 0,90 ³ 0,90 ³ 0,90 ³ 0,90 £ 0,08

1,686 0,862 0.799 0.879 0.904 0.080

Fit Marginal Tidak fit Marginal Fit Fit

Sumber : Data primer diolah (2009)

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

-.18

.17

e5

.25

1

pu1

.35

e6

e7

.10

e8

1

1

1

pu2

pu3

pu4

1.00 .43.78

.82

PU .511

.30

.17

z1

.36

-.10

.25 1

z2

.28

.27

.28

ATU

1.11

.69

BITU

1.00

.91

.77

1.00

peou1 peou2 peou3 peou4 1 .27

e1

1 .12

e2

1

.18

e3

1 .15

att1

att3

att4

1

1

1

.31

e9

.42

e11

bitu1 bitu2 1.12 bitu3

1 .21

PEOU .78

1.00 .87

1 1 1

e14.30 e15

z3

.22

e12

Chi-squares=82.994 prob=.120 CMIN/DF =1.203 RMR=.041 GFI=.897 AGFI=.843 TLI=.964 CFI=.973 RMSEA=.044

e4

.08

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

2 Chi-square ( c ) Significance Probability (p) CMIN/DF GFI AGFI TLI CFI RMSEA

Diharapkan kecil 82,994

-

³ 0,05 £ 2,00 ³ 0,90 ³ 0,90 ³ 0,90 ³ 0,90 £ 0,08

Fit Fit Marginal Marginal Fit Fit Fit

Sumber : Data primer diolah (2009)

.19

e13.30

hasil

0.120 1,203 0,897 0.843 0.964 0.973 0.044

kesimpulan

70

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

Cut-off Value

Chi-square ( c ) Significance Probability (p) CMIN/DF GFI AGFI TLI CFI RMSEA

Diharapkan kecil ³ 0,05

2

£ 2,00 ³ 0,90 ³ 0,90 ³ 0,90 ³ 0,90 £ 0,08

Hasil sebelum modifikasi 121,373

Hasil sesudah modifikasi 82,994

Keterangan

0.000

0.120

meningkat

1,686 0,862 0.799 0.879 0.904 0.080

1,203 0,897 0.843 0.964 0.973 0.044

meningkat meningkat meningkat meningkat meningkat meningkat

-

Sumber : Data primer diolah (2009) 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 hubunganhubungan 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 Perceived usefulness Attitude toward using Attitude toward using Behavioural intention to use Behavioural intention to use

Perceived ease of use Perceived ease of <--use Perceived <--usefulness Perceived <--usefulness <---

<---

Attitude toward using

Estimate

S.E.

C.R .

P

Keterangan

.358 .144 2.491 .013

Signifikan

.267 .127 2.092 .036

Signifikan

.170 .083 2.054 .040

Signifikan

.303 .088 3.453

***

Signifikan

.282 .128 2.195 .028

Signifikan

Sumber : Data primer diolah (2009) 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 elearning 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 Ekonomi UNS ini konsisten dengan penelitian sebelumnya oleh Masrom (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 Ekonomi UNS ini konsisten dengan penelitian sebelumnya oleh Masrom (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 Ekonomi UNS ini konsisten dengan penelitian sebelumnya oleh Masrom (2006), Jung et al (2008), Hu, Cau, sheng and Tam (1999), dan AlAmmari 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

SI Manajemen

74 orang

69,2 %

Cukup sering

43 orang

40,2 %

Pendidikan Frekuensi Penggunaan Sumber : Data primer diolah (2009)

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 elearning 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 fenomenafenomena

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 ecollaboration 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)
88

( ). Teknologi Informasi, Inovasi bagi Dunia Pendidikan. Dariwww.uny.ac.id/akademik/sharefile/files/222.124.21.201_030420071 34933

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 :

Pria

Usia

:

Jurusan

:

Wanita

Akt

Mnj

Ep

Seberapa sering anda menggunakan e-learning :

SS

Ket : SS

: Sangat Setuju

S

: Setuju

N

: Netral

TS

: Tidak Setuju

STS

: Sangat Tidak Setuju

C

: Cukup

J

: Jarang

TP

: Tidak Pernah

S

C

J

TP

95

1. Persepsi Kemudahan Penggunaan (Perceived Ease of Use) (PEOU) No Kode 1 EASE 1 2

EASE 2

3

EASE 3

4

EASE 4

Ket. Saya merasa e-learning mudah digunakan Saya merasa e-learning mudah untuk dipelajari e-learning jelas dan mudah dipahami Mudah bagi saya untuk mendapatkan informasi di elearning

SS

S

N

TS

STS

S

N

TS

STS

2. Persepsi Kegunaan (Perceived Usefulness) (PU) No Kode 1 USE 1

2

USE 2

3

USE 3

4

USE 4

Ket. Penggunaan e-learning mempertinggi efektivitas saya dalam belajar Penggunaan e-learning menjadikan pekerjaan/ tugas perkuliahan lebih mudah penggunaan e-learning meningkatkan produktivitas tugas perkuliahan saya Saya merasa e-learning berguna/bermanfaat

SS

3. Sikap terhadap Penggunaan (Attitude Toward Using) (ATTITUDE) No Kode 1 ATT 1 2

ATT 2

3

ATT 3

4

ATT 4

Ket. Saya menyukai ide penggunaan e-learning Saya senang menggunakan elearning Saya percaya bahwa menggunakan e-learning ide baik untuk tugas perkuliahan saya Penggunaan e-learning adalah ide yang bagus

SS

S

N

TS

STS

96

4. Maksud Untuk Menggunakan (Intention to Use) (ITU) No Kode 1 ANT 1

2

ANT 2

3

ANT 3

Ket. Saya berkeinginan/ bermaksud untuk menggunakan e-learning selama perkuliahan Saya akan berkeinginan/ bermaksud menggunakan elearning lagi Saya bermaksud/ berkeinginan meningkatkan penggunaan elearning untuk memenuhi tugas perkuliahan

SS

S

N

TS

STS

NO

PRODI

USIA

JEN_KEL

TKT_GUNA

PEOU1

PEOU2

PEOU3

PEOU4

PU1

PU2

PU3

PU4

ATU1

ATU2

ATU3

ATU4

BITU1

BITU2

BITU3

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28

1 3 1 2 1 2 1 3 1 1 2 2 1 1 1 3 3 1 3 1 1 1 1 1 1 3 1 1

19 19 20 19 21 19 19 19 20 21 19 19 21 19 19 20 20 19 19 22 22 19 20 19 22 19 19 19

1 1 2 1 1 2 1 1 1 2 1 2 2 1 2 1 2 2 1 1 2 2 2 2 2 1 1 2

2 3 3 2 3 3 3 2 2 3 3 4 3 3 3 4 3 3 4 4 3 4 4 3 4 4 4 3

5 4 4 5 5 5 5 5 5 5 5 5 5 4 5 5 4 3 4 5 4 4 4 5 4 4 4 4

4 4 4 4 4 5 5 5 4 4 4 5 5 4 4 4 5 4 4 4 4 4 4 5 5 4 5 4

4 4 4 4 4 5 5 4 5 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4

4 4 4 4 4 5 5 4 4 5 4 4 4 4 4 4 4 3 3 3 3 3 4 4 4 4 4 4

3 3 4 4 4 5 5 4 4 5 5 4 4 4 4 4 3 4 4 3 4 3 3 4 4 4 4 4

4 4 3 3 3 5 4 3 4 4 4 3 3 3 3 4 3 3 4 3 3 4 3 4 3 3 3 3

4 4 4 4 4 4 4 4 4 4 4 4 4 3 4 4 4 4 4 4 4 4 3 4 4 3 3 4

4 4 3 4 3 4 5 4 4 4 4 3 3 4 4 4 4 3 3 3 4 4 3 4 3 4 4 3

3 3 4 3 3 5 4 4 3 4 3 3 3 4 4 4 3 3 4 4 4 3 3 5 3 3 3 3

4 4 4 3 4 5 5 5 4 5 5 4 3 4 4 4 4 4 4 4 3 4 4 4 5 4 4 5

4 3 4 5 3 5 4 3 4 3 5 2 4 3 4 3 2 3 2 3 3 3 2 5 3 3 5 4

3 3 4 4 3 5 4 4 4 5 4 3 3 4 3 3 3 3 3 4 3 3 3 4 5 3 3 3

2 1 2 3 2 4 4 3 3 4 3 2 3 2 3 2 3 2 3 2 2 3 2 4 3 3 2 2

2 2 2 3 1 4 3 3 3 3 3 2 3 2 3 1 3 3 2 2 1 2 2 4 3 2 2 2

2 1 1 3 1 3 3 2 3 4 4 1 3 3 2 1 3 2 3 3 2 2 2 4 3 2 1 2

1

2

29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57

1 1 1 1 2 1 2 1 2 1 2 2 1 1 1 1 1 1 1 1 1 1 1 3 1 1 1 3 1

22 19 22 19 19 19 22 19 19 22 19 19 19 20 22 20 19 19 20 19 22 19 19 19 20 20 20 20 19

1 2 1 2 1 2 1 2 1 2 1 1 2 1 2 1 1 2 1 2 1 2 1 1 2 1 2 1 2

4 4 4 3 4 3 3 4 4 4 3 4 4 3 2 3 4 3 3 2 4 3 4 2 3 4 4 2 4

5 4 4 4 5 3 4 5 5 3 4 4 4 4 4 3 4 3 4 5 5 5 4 5 4 3 5 4 4

5 4 4 4 4 4 4 5 4 3 4 4 3 3 4 4 4 3 4 5 4 4 5 4 4 4 4 5 4

5 4 4 4 4 4 4 5 4 3 4 4 4 4 4 3 4 3 4 5 4 4 5 5 4 4 4 4 4

5 4 4 4 5 5 5 5 4 3 4 4 3 3 4 4 3 3 4 4 5 4 4 4 4 4 4 4 3

4 4 4 2 4 3 3 4 3 2 3 4 2 3 4 4 4 3 2 4 2 2 3 2 2 3 2 2 3

4 4 3 3 3 4 4 5 4 2 3 3 3 3 4 4 3 3 3 3 2 3 3 2 3 4 3 3 3

4 4 4 2 3 3 2 4 3 2 4 4 3 3 4 4 4 3 2 3 1 2 3 2 3 2 2 2 3

5 4 3 3 3 4 4 5 3 2 4 4 3 3 4 4 3 3 3 3 2 4 3 2 3 2 3 2 3

4 3 4 2 4 4 3 5 3 2 3 4 2 2 3 3 4 3 3 3 4 3 4 3 3 3 3 2 2

5 4 4 4 5 3 4 3 4 3 4 4 3 4 4 4 4 4 4 4 4 4 4 3 4 3 4 4 4

4 3 4 4 5 2 4 5 4 3 3 3 3 3 4 4 4 3 3 4 4 4 4 3 4 3 4 4 4

4 4 3 2 3 4 3 5 4 3 3 4 3 2 3 3 4 3 3 4 4 4 4 3 3 3 4 4 3

4 2 2 3 2 2 2 4 1 2 2 3 2 1 2 2 3 3 3 3 1 2 2 3 2 2 3 3 2

3 2 1 3 2 3 2 4 1 3 2 2 2 1 2 1 3 3 2 3 1 2 3 3 3 2 3 2 3

4 2 1 3 3 2 2 4 2 1 2 1 2 1 3 1 3 2 2 2 1 2 2 2 1 1 2 3 3

3

58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86

1 1 1 1 1 1 1 1 1 3 1 1 2 1 1 1 1 1 1 2 1 3 2 2 1 2 3 2 1

20 19 19 19 20 19 22 20 22 19 19 19 20 21 21 19 20 19 20 21 19 21 22 19 21 22 21 20 19

1 1 2 2 2 1 2 1 1 2 1 2 2 2 1 2 1 1 2 2 1 2 1 2 2 1 2 1 2

2 4 2 3 3 4 4 2 3 2 4 2 3 3 3 2 4 3 2 4 4 3 2 4 3 2 3 3 4

4 4 5 5 4 5 4 4 4 4 5 4 4 4 4 4 5 5 5 4 5 5 2 4 2 5 4 4 5

4 4 4 4 3 4 3 3 4 4 4 4 5 4 4 5 4 4 4 3 4 4 2 4 2 4 4 5 5

4 3 4 4 4 4 4 4 3 4 5 4 4 3 4 4 5 4 4 4 4 4 2 3 2 5 5 5 5

4 4 4 4 4 3 4 4 4 4 4 4 4 4 4 5 4 4 4 3 4 4 1 4 1 4 4 4 5

2 2 3 4 3 4 2 3 3 4 4 3 4 2 2 2 3 2 3 3 4 3 4 4 2 2 3 2 2

3 2 2 3 3 3 2 3 3 3 4 4 4 3 4 3 4 3 4 3 3 4 4 3 3 4 3 3 3

2 2 3 2 3 4 2 2 3 2 2 3 3 3 2 2 2 2 4 3 4 2 3 4 3 3 3 3 2

3 2 4 3 3 3 2 3 4 3 3 3 3 3 4 3 3 4 4 3 4 3 3 3 3 3 3 3 2

3 2 3 4 3 4 2 2 3 4 3 2 4 3 2 3 2 1 3 4 3 4 4 2 4 2 3 3 4

4 2 3 4 3 3 2 3 4 4 3 4 3 3 3 3 3 3 4 3 3 4 3 3 4 4 4 4 4

4 3 4 4 4 4 3 4 4 3 4 3 3 4 5 3 4 3 4 4 3 4 3 2 4 4 4 4 4

4 3 4 4 4 3 3 4 3 3 4 3 5 4 3 3 4 3 4 4 3 4 5 2 5 4 4 4 4

2 2 3 2 3 2 1 3 2 3 2 2 2 3 2 2 3 2 2 3 2 2 3 3 2 2 2 3 1

3 2 3 2 2 2 2 2 3 3 2 2 3 2 2 1 2 3 3 2 2 3 3 2 2 3 1 2 2

2 1 2 2 1 3 1 2 2 2 2 1 1 2 2 2 2 2 2 2 2 2 3 3 2 2 2 3 1

4

87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107

2 2 1 2 1 2 1 1 1 1 1 1 1 2 1 2 1 1 2 1 1

21 21 21 19 19 19 21 19 19 21 19 21 20 19 20 21 19 19 19 21 20

2 1 1 2 2 1 2 2 2 1 2 1 1 2 2 2 2 2 1 2 1

2 2 4 2 3 2 4 3 4 3 4 3 2 2 4 2 4 3 3 3 2

5 4 4 5 4 4 3 4 5 4 4 5 5 5 4 4 4 4 4 4 4

4 4 4 4 4 4 3 4 5 5 5 4 4 4 4 4 4 4 4 4 4

4 4 3 4 4 4 2 4 5 4 4 5 5 4 4 4 4 4 4 4 4

4 4 4 4 4 4 2 4 5 5 4 4 4 4 4 4 4 4 4 4 4

2 3 3 4 3 3 3 3 4 2 3 3 4 4 3 3 4 3 3 2 2

3 3 3 4 3 4 3 3 4 3 3 3 4 4 3 3 4 3 3 3 3

2 2 3 3 3 4 4 3 5 2 2 3 4 3 3 2 4 3 4 3 2

3 3 2 3 4 4 4 3 5 3 3 3 4 3 3 3 4 4 4 3 3

5 4 4 4 4 5 2 3 5 4 4 4 3 4 3 4 3 4 3 4 3

5 4 4 4 4 5 3 4 4 4 4 4 4 4 4 4 4 4 4 4 4

5 4 4 4 4 5 3 4 5 4 4 4 4 4 2 4 3 4 3 4 4

5 4 4 4 3 5 3 4 5 4 5 4 4 4 3 5 4 4 3 4 3

2 2 2 2 3 2 3 1 3 2 1 2 3 2 2 2 2 3 2 2 2

2 2 1 2 3 1 1 2 3 2 2 4 3 2 2 2 2 3 2 2 3

2 1 1 2 2 2 1 2 4 4 2 3 3 2 2 1 2 2 2 2 2

5

Factor Analysis Communalities PEOU1 PEOU2 PEOU3 PEOU4 PU1 PU2 PU3 PU4 ATT1 ATT2 ATT3 ATT4 BITU1 BITU2 BITU3

Initial 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000

Extraction .621 .658 .703 .746 .695 .455 .793 .609 .678 .445 .528 .742 .720 .722 .660

Extraction Method: Principal Component Analysis. Total Variance Explained

Component 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

Initial Eigenvalues Extraction Sums of Squared Loadings Rotation Sums of Squared Loadings Total % of Variance Cumulative % Total % of Variance Cumulative % Total % of Variance Cumulative % 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

Extraction Method: Principal Component Analysis.

6

Component Matrixa Component 1 PEOU1 PEOU2 PEOU3 PEOU4 PU1 PU2 PU3 PU4 ATT1 ATT2 ATT3 ATT4 BITU1 BITU2 BITU3

2 .572 .616 .585 .505 .601 .586 .490 .631 .558 .532 .429 .459 .552 .488 .653

3

4

.486 .446 .553 .637 -.473 -.628 .441

.412

.504 .706 -.543 -.662 -.433

Extraction Method: Principal Component Analysis. a. 4 components extracted.

Rotated Component Matrixa Component 1 PEOU1 PEOU2 PEOU3 PEOU4 PU1 PU2 PU3 PU4 ATT1 ATT2 ATT3 ATT4 BITU1 BITU2 BITU3

2

3

4

.764 .777 .813 .857 .817 .584 .878 .712 .746 .440 .656 .839

.421

.789 .830 .718

Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization. a. Rotation converged in 5 iterations.

7

Component Transformation Matrix Component 1 2 3 4

1

2

3

.544 .734 -.407 .005

.574 -.635 -.373 .360

.440 -.206 .209 -.849

4 .425 .130 .807 .388

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

Communalities PEOU1 PEOU2 PEOU3 PEOU4 PU1 PU2 PU3 PU4 ATT1 ATT3 ATT4 BITU1 BITU2 BITU3

Initial 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000

Extraction .627 .654 .705 .747 .709 .495 .791 .617 .672 .537 .769 .721 .734 .671

Extraction Method: Principal Component Analysis. Total Variance Explained

Component 1 2 3 4 5 6 7 8 9 10 11 12 13 14

Total 4.368 2.232 1.513 1.338 .827 .679 .587 .469 .439 .407 .358 .323 .267 .193

Initial Eigenvalues % of Variance Cumulative % 31.199 31.199 15.944 47.143 10.804 57.947 9.560 67.507 5.905 73.412 4.852 78.264 4.192 82.456 3.353 85.809 3.139 88.948 2.904 91.851 2.560 94.412 2.306 96.718 1.904 98.622 1.378 100.000

Extraction Method: Principal Component Analysis.

Extraction Sums of Squared Loadings Total % of Variance Cumulative % 4.368 31.199 31.199 2.232 15.944 47.143 1.513 10.804 57.947 1.338 9.560 67.507

Rotation Sums of Squared Loadings Total % of Variance Cumulative % 2.778 19.840 19.840 2.683 19.164 39.004 2.063 14.738 53.742 1.927 13.765 67.507

8

Component Matrixa Component 1 PEOU1 PEOU2 PEOU3 PEOU4 PU1 PU2 PU3 PU4 ATT1 ATT3 ATT4 BITU1 BITU2 BITU3

2 .582 .613 .595 .505 .597 .588 .483 .635 .535 .423 .453 .576 .512 .664

3

4

.486 .446 .553 .637 -.473 -.628 .401 .498 .691

.471

-.508 -.629 -.414

Extraction Method: Principal Component Analysis. a. 4 components extracted.

Rotated Component Matrixa Component 1 PEOU1 PEOU2 PEOU3 PEOU4 PU1 PU2 PU3 PU4 ATT1 ATT3 ATT4 BITU1 BITU2 BITU3

2

3

4

.769 .778 .816 .859 .826 .611 .877 .721 .737 .667 .861 .789 .838 .732

Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization. a. Rotation converged in 5 iterations.

9

Component Transformation Matrix Component 1 2 3 4

1

2

3

.556 .730 -.398 .003

.561 -.640 -.389 .353

.472 -.204 .280 -.811

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

4 .393 .126 .782 .467

10

Reliability ****** Method 1 (space saver) will be used for this analysis ****** _

R E L I A B I L I T Y H A) 1. 2. 3. 4.

A N A L Y S I S

-

S C A L E

(A L P

PEOU1 PEOU2 PEOU3 PEOU4

Statistics for SCALE

Mean 16.3084

N of Variables 4

Variance 4.3096

Std Dev 2.0760

Scale Mean if Item Deleted

Scale Variance if Item Deleted

Corrected ItemTotal Correlation

12.0280 12.2336 12.2804 12.3832

2.5181 2.6713 2.6188 2.4084

Item-total Statistics

PEOU1 PEOU2 PEOU3 PEOU4

Alpha if Item Deleted

.6314 .6620 .7029 .7006

.8160 .8012 .7846 .7837

Reliability Coefficients N of Cases = Alpha =

107.0

N of Items =

4

.8392

Reliability ****** Method 1 (space saver) will be used for this analysis ****** _

R E L I A B I L I T Y H A) 1. 2.

PU1 PU2

A N A L Y S I S

-

S C A L E

(A L P

11

3. 4.

PU3 PU4

Statistics for SCALE

Mean 12.9907

N of Variables 4

Variance 5.7075

Std Dev 2.3890

Scale Mean if Item Deleted

Scale Variance if Item Deleted

Corrected ItemTotal Correlation

9.7664 9.7009 9.8598 9.6449

3.0298 4.0984 2.9707 3.5897

Item-total Statistics

PU1 PU2 PU3 PU4

Alpha if Item Deleted

.6605 .5157 .6907 .6305

.7322 .7991 .7148 .7478

Reliability Coefficients N of Cases = Alpha =

107.0

N of Items =

4

.8022

Reliability ****** Method 1 (space saver) will be used for this analysis ****** _

R E L I A B I L I T Y H A) 1. 2. 3.

A N A L Y S I S

-

S C A L E

(A L P

ATT1 ATT3 ATT4

Statistics for SCALE

Mean 10.5981

N of Variables 3

Variance 3.2426

Std Dev 1.8007

Scale Mean if Item Deleted

Scale Variance if Item Deleted

Corrected ItemTotal Correlation

7.2897 6.9439

1.5285 1.8459

Item-total Statistics

ATT1 ATT3

.5175 .4047

Alpha if Item Deleted .5805 .7161

12

ATT4

6.9626

1.6212

.6033

.4751

Reliability Coefficients N of Cases = Alpha =

107.0

N of Items =

3

.6891

Reliability ****** Method 1 (space saver) will be used for this analysis ****** _

R E L I A B I L I T Y H A) 1. 2. 3.

A N A L Y S I S

-

S C A L E

(A L P

BITU1 BITU2 BITU3

Statistics for SCALE

Mean 6.7850

N of Variables 3

Variance 3.5288

Std Dev 1.8785

Scale Mean if Item Deleted

Scale Variance if Item Deleted

Corrected ItemTotal Correlation

4.4206 4.4766 4.6729

1.8309 1.8367 1.5807

Item-total Statistics

BITU1 BITU2 BITU3

Alpha if Item Deleted

.6284 .5825 .6066

.6657 .7114 .6917

Reliability Coefficients N of Cases = Alpha =

.7691

107.0

N of Items =

3

13

PROGRAM PENDIDIKAN Statistics PRODI N Valid Missing

107 0

PRODI

Valid

Frequency MANAJEMEN 74 AKT 22 EP 11 Total 107

Percent 69.2 20.6 10.3 100.0

Valid Percent 69.2 20.6 10.3 100.0

Cumulative Percent 69.2 89.7 100.0

USIA Statistics USIA N Valid Missing

107 0

USIA

Valid

19 20 21 22 Total

Frequency 55 22 17 13 107

Percent 51.4 20.6 15.9 12.1 100.0

Valid Percent 51.4 20.6 15.9 12.1 100.0

Cumulative Percent 51.4 72.0 87.9 100.0

JENIS KELAMIN Statistics JEN_KEL N Valid Missing

107 0

JEN_KEL

Valid

PRIA WANITA Total

Frequency 51 56 107

Percent 47.7 52.3 100.0

Valid Percent 47.7 52.3 100.0

Cumulative Percent 47.7 100.0

14

TINGKAT PENGGUNAAN Statistics TKT_GUNA N Valid Missing

107 0

TKT_GUNA

Valid

jarang cukup sering Total

Frequency 25 43 39 107

Percent 23.4 40.2 36.4 100.0

Valid Percent 23.4 40.2 36.4 100.0

Cumulative Percent 23.4 63.6 100.0

TANGGAPAN RESPONSDEN Statistics N

Valid Missing

PEOU1 107 0

PEOU2 107 0

PEOU3 107 0

PEOU4 107 0

PEOU1

Valid

2 3 4 5 Total

Frequency 2 7 57 41 107

Percent 1.9 6.5 53.3 38.3 100.0

Valid Percent 1.9 6.5 53.3 38.3 100.0

Cumulative Percent 1.9 8.4 61.7 100.0

PEOU2

Valid

2 3 4 5 Total

Frequency 2 9 75 21 107

Percent 1.9 8.4 70.1 19.6 100.0

Valid Percent 1.9 8.4 70.1 19.6 100.0

Cumulative Percent 1.9 10.3 80.4 100.0

15

PEOU3

Valid

2 3 4 5 Total

Frequency 3 8 79 17 107

Percent 2.8 7.5 73.8 15.9 100.0

Valid Percent 2.8 7.5 73.8 15.9 100.0

Cumulative Percent 2.8 10.3 84.1 100.0

PEOU4

Valid

1 2 3 4 5 Total

Frequency 2 1 13 78 13 107

Percent 1.9 .9 12.1 72.9 12.1 100.0

Valid Percent 1.9 .9 12.1 72.9 12.1 100.0

Cumulative Percent 1.9 2.8 15.0 87.9 100.0

Statistics N

Valid Missing

PU1 107 0

PU2 107 0

PU3 107 0

PU4 107 0

PU1

Valid

2 3 4 5 Total

Frequency 25 37 41 4 107

Percent 23.4 34.6 38.3 3.7 100.0

Valid Percent 23.4 34.6 38.3 3.7 100.0

Cumulative Percent 23.4 57.9 96.3 100.0

PU2

Valid

2 3 4 5 Total

Frequency 6 66 33 2 107

Percent 5.6 61.7 30.8 1.9 100.0

Valid Percent 5.6 61.7 30.8 1.9 100.0

Cumulative Percent 5.6 67.3 98.1 100.0

16

PU3

Valid

1 2 3 4 5 Total

Frequency 1 28 35 42 1 107

Percent .9 26.2 32.7 39.3 .9 100.0

Valid Percent .9 26.2 32.7 39.3 .9 100.0

Cumulative Percent .9 27.1 59.8 99.1 100.0

PU4

Valid

2 3 4 5 Total

Frequency 9 56 38 4 107

Percent 8.4 52.3 35.5 3.7 100.0

Valid Percent 8.4 52.3 35.5 3.7 100.0

Cumulative Percent 8.4 60.7 96.3 100.0

Statistics N

Valid Missing

ATT1 107 0

ATT2 107 0

ATT3 107 0

ATT4 107 0

ATT1

Valid

1 2 3 4 5 Total

Frequency 1 15 47 38 6 107

Percent .9 14.0 43.9 35.5 5.6 100.0

Valid Percent .9 14.0 43.9 35.5 5.6 100.0

Cumulative Percent .9 15.0 58.9 94.4 100.0

ATT2

Valid

2 3 4 5 Total

Frequency 2 25 69 11 107

Percent 1.9 23.4 64.5 10.3 100.0

Valid Percent 1.9 23.4 64.5 10.3 100.0

Cumulative Percent 1.9 25.2 89.7 100.0

17

ATT3

Valid

2 3 4 5 Total

Frequency 7 34 55 11 107

Percent 6.5 31.8 51.4 10.3 100.0

Valid Percent 6.5 31.8 51.4 10.3 100.0

Cumulative Percent 6.5 38.3 89.7 100.0

ATT4

Valid

2 3 4 5 Total

Frequency 3 45 47 12 107

Percent 2.8 42.1 43.9 11.2 100.0

Valid Percent 2.8 42.1 43.9 11.2 100.0

BITU2 107 0

BITU3 107 0

Cumulative Percent 2.8 44.9 88.8 100.0

Statistics N

Valid Missing

BITU1 107 0

BITU1

Valid

1 2 3 4 Total

Frequency 8 58 35 6 107

Percent 7.5 54.2 32.7 5.6 100.0

Valid Percent 7.5 54.2 32.7 5.6 100.0

Cumulative Percent 7.5 61.7 94.4 100.0

BITU2

Valid

1 2 3 4 Total

Frequency 13 52 38 4 107

Percent 12.1 48.6 35.5 3.7 100.0

Valid Percent 12.1 48.6 35.5 3.7 100.0

Cumulative Percent 12.1 60.7 96.3 100.0

18

BITU3

Valid

1 2 3 4 Total

Frequency 24 54 22 7 107

Percent 22.4 50.5 20.6 6.5 100.0

Valid Percent 22.4 50.5 20.6 6.5 100.0

Cumulative Percent 22.4 72.9 93.5 100.0

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

.30

e5

.23

.22

e7

e8

1

1

1

pu2

pu3

pu4

1

pu1

.28

e6

1.02 1.00 .54

.77

PU .391

.38

.20

z1

.31

.25 1

z2

.27

.30

.27

ATU

1.07

.70

1.00

PEOU .91

.86

.88

1.00

peou1 peou2 peou3 peou4 1 .22

e1

1 .15

e2

1

.14

e3

1 .17

att1

att3

att4

1

1

1

.32

e9

e4

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

Variable counts (Group number 1)

.42

e11

.21

e12

BITU 1 .19

1.00 .88

bitu1 bitu2 1.17 bitu3

1 1 1

.20

e13.31 e14.29 e15

z3 Chi-squares=121.373 prob=.000 CMIN/DF =1.686 RMR=.044 GFI=.862 AGFI=.799 TLI=.879 CFI=.904 RMSEA=.080

20

Number of variables in your model: Number of observed variables: Number of unobserved variables: Number of exogenous variables: Number of endogenous variables:

35 14 21 18 17

Parameter summary (Group number 1) Fixed Labeled Unlabeled Total

Weights 21 0 15 36

Covariances 0 0 0 0

Variances 0 0 18 18

Means 0 0 0 0

Intercepts 0 0 0 0

Total 21 0 33 54

Assessment of normality (Group number 1) Variable bitu3 bitu2 bitu1 att1 att3 att4 peou1 peou2 peou3 peou4 pu4 pu3 pu2 pu1 Multivariate

min 1.000 1.000 1.000 1.000 2.000 2.000 2.000 2.000 2.000 1.000 2.000 1.000 2.000 2.000

max 4.000 4.000 4.000 5.000 5.000 5.000 5.000 5.000 5.000 5.000 5.000 5.000 5.000 5.000

skew .491 .031 .326 -.098 -.268 .206 -.768 -.562 -.835 -1.627 .131 -.251 .324 -.073

c.r. 2.074 .131 1.378 -.415 -1.133 .871 -3.245 -2.375 -3.527 -6.870 .552 -1.060 1.370 -.310

kurtosis -.176 -.348 -.028 -.214 -.181 -.461 .980 1.931 2.877 5.908 -.146 -1.108 .152 -.979 11.007

c.r. -.372 -.736 -.059 -.452 -.381 -.973 2.070 4.076 6.076 12.474 -.308 -2.339 .321 -2.067 2.690

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

21

Observation number 80 82 34 10 93 27 56 96 75 70 81 33 25 6 97 19 54 49 85 52 24 74 44 95 92 72 83 36 11 89 12 65 60 98 84 67 20 32 64 62 21 68

Mahalanobis d-squared 38.814 32.192 27.995 26.852 26.019 25.259 23.183 22.958 21.685 21.246 20.670 20.464 20.428 19.741 19.716 19.362 19.171 19.077 18.955 18.825 18.778 17.715 17.705 17.400 17.384 17.333 17.230 16.589 16.546 16.513 16.305 16.173 15.749 15.710 15.652 15.596 15.581 15.488 15.460 15.428 15.415 15.252

p1 .000 .004 .014 .020 .026 .032 .057 .061 .085 .095 .110 .116 .117 .139 .139 .152 .159 .162 .167 .172 .174 .220 .221 .235 .236 .239 .244 .279 .281 .283 .295 .303 .329 .331 .335 .339 .340 .346 .347 .350 .350 .361

p2 .041 .062 .197 .170 .143 .131 .416 .328 .568 .576 .644 .596 .489 .633 .532 .565 .537 .471 .420 .377 .304 .677 .593 .644 .563 .497 .458 .688 .628 .561 .585 .571 .708 .653 .605 .556 .483 .454 .390 .332 .269 .280

22

Observation number 73 18 63 86 87 17 16 71 14 38 42 35 37 2 7 59 50 48 66 79 51 57 13 22 31 29 8 76 61 40 53 4 77 5 3 15 46 91 102 41 47 1

Mahalanobis d-squared 15.087 15.070 14.960 14.740 14.596 14.126 14.096 14.048 14.012 13.964 13.518 13.463 12.946 12.905 12.856 12.707 12.705 12.629 12.554 12.461 12.447 12.238 12.228 12.150 12.133 12.087 11.935 11.670 11.544 11.476 11.259 11.224 10.550 10.078 9.595 9.566 9.507 9.451 9.393 9.095 9.074 9.063

p1 .372 .373 .381 .396 .406 .440 .443 .446 .449 .452 .486 .490 .531 .534 .538 .550 .550 .556 .562 .569 .570 .587 .588 .594 .596 .599 .612 .633 .643 .648 .666 .668 .721 .756 .791 .793 .797 .801 .805 .825 .826 .827

p2 .295 .238 .227 .268 .275 .469 .411 .365 .315 .274 .463 .421 .672 .625 .582 .602 .527 .500 .472 .456 .390 .450 .380 .355 .294 .254 .273 .362 .368 .336 .401 .345 .719 .888 .970 .957 .946 .931 .913 .953 .931 .896

23

Observation number 55 69 26 43 28 94 45 99 9 90 100 78 103 30 107 106

Mahalanobis d-squared 8.966 8.963 8.723 8.564 8.445 8.248 8.205 7.502 7.502 7.356 7.356 7.009 6.502 6.502 6.429 6.335

p1 .833 .833 .848 .858 .865 .876 .878 .914 .914 .920 .920 .934 .952 .952 .954 .957

p2 .884 .831 .874 .881 .872 .890 .849 .978 .958 .954 .915 .952 .986 .968 .944 .912

24

Notes for Model (Default model) Computation of degrees of freedom (Default model) Number of distinct sample moments: Number of distinct parameters to be estimated: Degrees of freedom (105 - 33):

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) PU <--- PEOU ATU <--- PEOU ATU <--- PU BITU <--- ATU BITU <--- PU pu1 <--- PU pu2 <--- PU pu3 <--- PU pu4 <--- PU peou4 <--- PEOU peou3 <--- PEOU peou2 <--- PEOU peou1 <--- PEOU att4 <--- ATU att3 <--- ATU att1 <--- ATU bitu1 <--- BITU bitu2 <--- BITU bitu3 <--- BITU

Estimate S.E. .308 .146 .299 .132 .203 .107 .265 .126 .377 .107 1.000 .542 .098 1.023 .142 .772 .113 1.000 .878 .115 .860 .115 .908 .130 1.000 .698 .166 1.074 .217 1.000 .881 .153 1.167 .185

C.R. 2.115 2.262 1.896 2.108 3.530

P .034 .024 .058 .035 ***

Label par_11 par_12 par_13 par_14 par_15

5.554 *** par_1 7.205 *** par_2 6.823 *** par_3 7.630 *** par_4 7.451 *** par_5 6.983 *** par_6 4.203 *** par_7 4.944 *** par_8 5.765 *** par_9 6.299 *** par_10

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

25

PU <--ATU <--ATU <--BITU <--BITU <--pu1 <--pu2 <--pu3 <--pu4 <--peou4 <--peou3 <--peou2 <--peou1 <--att4 <--att3 <--att1 <--bitu1 <--bitu2 <--bitu3 <---

PEOU PEOU PU ATU PU PU PU PU PU PEOU PEOU PEOU PEOU ATU ATU ATU BITU BITU BITU

Estimate .248 .285 .240 .269 .452 .762 .587 .782 .726 .781 .777 .756 .708 .762 .508 .720 .766 .650 .762

Variances: (Group number 1 - Default model) PEOU z1 z2 z3 e5 e6 e7 e8 e4 e3 e2 e1 e12 e11 e9 e13 e14 e15

Estimate S.E. .270 .061 .390 .093 .246 .072 .187 .052 .300 .059 .233 .036 .277 .057 .222 .040 .173 .034 .137 .026 .150 .027 .222 .037 .214 .060 .418 .065 .319 .075 .204 .046 .306 .052 .285 .063

C.R. 4.437 4.176 3.434 3.600 5.126 6.490 4.844 5.556 5.129 5.187 5.450 5.919 3.567 6.420 4.242 4.429 5.857 4.493

P *** *** *** *** *** *** *** *** *** *** *** *** *** *** *** *** *** ***

Label par_16 par_17 par_18 par_19 par_20 par_21 par_22 par_23 par_24 par_25 par_26 par_27 par_28 par_29 par_30 par_31 par_32 par_33

26

Squared Multiple Correlations: (Group number 1 - Default model) Estimate .062 .173 .353 .580 .423 .586 .518 .258 .581 .501 .572 .604 .610 .528 .611 .344 .581

PU ATU BITU bitu3 bitu2 bitu1 att1 att3 att4 peou1 peou2 peou3 peou4 pu4 pu3 pu2 pu1

Matrices (Group number 1 - Default model) Factor Score Weights (Group number 1 - Default model) PEOU PU ATU BITU

bitu3 .002 .034 .025 .239

bitu2 .001 .024 .018 .168

bitu1 .002 .040 .030 .286

att1 .012 .008 .246 .021

att3 .006 .004 .122 .010

att4 .017 .011 .340 .029

peou1 .169 .007 .015 .002

Total Effects (Group number 1 - Default model) PU ATU BITU bitu3 bitu2 bitu1 att1 att3 att4 peou1 peou2 peou3 peou4

PEOU .308 .362 .212 .248 .187 .212 .389 .253 .362 .908 .860 .878 1.000

PU .000 .203 .431 .503 .380 .431 .218 .142 .203 .000 .000 .000 .000

ATU .000 .000 .265 .310 .234 .265 1.074 .698 1.000 .000 .000 .000 .000

BITU .000 .000 .000 1.167 .881 1.000 .000 .000 .000 .000 .000 .000 .000

peou2 .237 .010 .021 .003

peou3 .265 .011 .024 .003

peou4 .239 .010 .021 .003

pu4 .006 .244 .009 .029

pu3 .006 .258 .009 .030

pu2 .004 .163 .006 .019

pu1 .006 .233 .008 .027

27

pu4 pu3 pu2 pu1

PEOU .238 .315 .167 .308

PU .772 1.023 .542 1.000

ATU .000 .000 .000 .000

BITU .000 .000 .000 .000

Standardized Total Effects (Group number 1 - Default model) PU ATU BITU bitu3 bitu2 bitu1 att1 att3 att4 peou1 peou2 peou3 peou4 pu4 pu3 pu2 pu1

PEOU .248 .345 .205 .156 .133 .157 .248 .175 .263 .708 .756 .777 .781 .180 .194 .146 .189

PU .000 .240 .517 .394 .336 .396 .173 .122 .183 .000 .000 .000 .000 .726 .782 .587 .762

ATU .000 .000 .269 .205 .175 .206 .720 .508 .762 .000 .000 .000 .000 .000 .000 .000 .000

BITU .000 .000 .000 .762 .650 .766 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000

Direct Effects (Group number 1 - Default model) PU ATU BITU bitu3 bitu2 bitu1 att1 att3 att4 peou1 peou2 peou3 peou4

PEOU .308 .299 .000 .000 .000 .000 .000 .000 .000 .908 .860 .878 1.000

PU .000 .203 .377 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000

ATU .000 .000 .265 .000 .000 .000 1.074 .698 1.000 .000 .000 .000 .000

BITU .000 .000 .000 1.167 .881 1.000 .000 .000 .000 .000 .000 .000 .000

28

pu4 pu3 pu2 pu1

PEOU .000 .000 .000 .000

PU .772 1.023 .542 1.000

ATU .000 .000 .000 .000

BITU .000 .000 .000 .000

Standardized Direct Effects (Group number 1 - Default model) PU ATU BITU bitu3 bitu2 bitu1 att1 att3 att4 peou1 peou2 peou3 peou4 pu4 pu3 pu2 pu1

PEOU .248 .285 .000 .000 .000 .000 .000 .000 .000 .708 .756 .777 .781 .000 .000 .000 .000

PU .000 .240 .452 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .726 .782 .587 .762

ATU .000 .000 .269 .000 .000 .000 .720 .508 .762 .000 .000 .000 .000 .000 .000 .000 .000

BITU .000 .000 .000 .762 .650 .766 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000

Indirect Effects (Group number 1 - Default model) PU ATU BITU bitu3 bitu2 bitu1 att1 att3 att4 peou1 peou2 peou3 peou4 pu4 pu3

PEOU .000 .063 .212 .248 .187 .212 .389 .253 .362 .000 .000 .000 .000 .238 .315

PU .000 .000 .054 .503 .380 .431 .218 .142 .203 .000 .000 .000 .000 .000 .000

ATU .000 .000 .000 .310 .234 .265 .000 .000 .000 .000 .000 .000 .000 .000 .000

BITU .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000

29

pu2 pu1

PEOU .167 .308

PU .000 .000

ATU .000 .000

BITU .000 .000

Standardized Indirect Effects (Group number 1 - Default model) PU ATU BITU bitu3 bitu2 bitu1 att1 att3 att4 peou1 peou2 peou3 peou4 pu4 pu3 pu2 pu1

PEOU .000 .060 .205 .156 .133 .157 .248 .175 .263 .000 .000 .000 .000 .180 .194 .146 .189

PU .000 .000 .065 .394 .336 .396 .173 .122 .183 .000 .000 .000 .000 .000 .000 .000 .000

ATU .000 .000 .000 .205 .175 .206 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000

BITU .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000

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

e5 <--> e9 e5 <--> e8 e5 <--> e7

M.I. Par Change 7.080 .106 6.634 -.079 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 Default model Saturated model Independence model

NPAR 33 105 14

CMIN 121.373 .000 607.413

DF 72 0 91

P .000

CMIN/DF 1.686

.000

6.675

RMR, GFI Model Default model Saturated model Independence model

RMR .044 .000 .146

GFI .862 1.000 .458

AGFI .799

PGFI .591

.375

.397

31

Baseline Comparisons Model Default model Saturated model Independence model

NFI Delta1 .800 1.000 .000

RFI rho1 .747 .000

IFI Delta2 .908 1.000 .000

TLI rho2 .879 .000

CFI .904 1.000 .000

Parsimony-Adjusted Measures Model Default model Saturated model Independence model

PRATIO .791 .000 1.000

PNFI .633 .000 .000

PCFI .716 .000 .000

NCP 49.373 .000 516.413

LO 90 22.850 .000 442.135

NCP Model Default model Saturated model Independence model

HI 90 83.778 .000 598.177

FMIN Model Default model Saturated model Independence model

FMIN 1.145 .000 5.730

F0 .466 .000 4.872

LO 90 .216 .000 4.171

HI 90 .790 .000 5.643

RMSEA Model Default model Independence model

RMSEA .080 .231

LO 90 .055 .214

HI 90 .105 .249

AIC 187.373 210.000 635.413

BCC 198.252 244.615 640.028

PCLOSE .028 .000

AIC Model Default model Saturated model Independence model

BIC 275.576 490.647 672.833

CAIC 308.576 595.647 686.833

ECVI Model Default model Saturated model Independence model

HOELTER

ECVI 1.768 1.981 5.994

LO 90 1.517 1.981 5.294

HI 90 2.092 1.981 6.766

MECVI 1.870 2.308 6.038

32

HOELTER .05 82 20

Model Default model Independence model

HOELTER .01 90 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 -.18

.17

e5

.25

.10

e7

e8

1

1

1

pu2

pu3

pu4

1

pu1

.35

e6

1.00 .43.78

.82

PU .511

.30

.17

z1

.36

-.10

.25 1

z2

.28

.27

.28

ATU

1.11

.69

1.00

PEOU .78

.91

.77

1.00

peou1 peou2 peou3 peou4 1 .27

e1

1 .12

e2

1

.18

e3

1 .15

att1

att3

att4

1

1

1

.31

e9

e4

.08

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

.42

e11

.22

e12

BITU 1 .21

1.00 .87

bitu1 bitu2 1.12 bitu3

1 1 1

.19

e13.30 e14.30 e15

z3 Chi-squares=82.994 prob=.120 CMIN/DF =1.203 RMR=.041 GFI=.897 AGFI=.843 TLI=.964 CFI=.973 RMSEA=.044

33

Variable counts (Group number 1) Number of variables in your model: Number of observed variables: Number of unobserved variables: Number of exogenous variables: Number of endogenous variables:

35 14 21 18 17

Parameter summary (Group number 1) Fixed Labeled Unlabeled Total

Weights 21 0 15 36

Covariances 0 0 3 3

Variances 0 0 18 18

Means 0 0 0 0

Intercepts 0 0 0 0

Assessment of normality (Group number 1) Variable bitu3 bitu2 bitu1 att1 att3 att4 peou1 peou2 peou3 peou4 pu4 pu3 pu2 pu1 Multivariate

min 1.000 1.000 1.000 1.000 2.000 2.000 2.000 2.000 2.000 1.000 2.000 1.000 2.000 2.000

max 4.000 4.000 4.000 5.000 5.000 5.000 5.000 5.000 5.000 5.000 5.000 5.000 5.000 5.000

skew .491 .031 .326 -.098 -.268 .206 -.768 -.562 -.835 -1.627 .131 -.251 .324 -.073

c.r. 2.074 .131 1.378 -.415 -1.133 .871 -3.245 -2.375 -3.527 -6.870 .552 -1.060 1.370 -.310

kurtosis -.176 -.348 -.028 -.214 -.181 -.461 .980 1.931 2.877 5.908 -.146 -1.108 .152 -.979 11.007

c.r. -.372 -.736 -.059 -.452 -.381 -.973 2.070 4.076 6.076 12.474 -.308 -2.339 .321 -2.067 2.690

Total 21 0 36 57

34

Observations farthest from the centroid (Mahalanobis distance) (Group number 1) Observation number 80 82 34 10 93 27 56 96 75 70 81 33 25 6 97 19 54 49 85 52 24 74 44 95 92 72 83 36 11 89 12 65 60 98 84 67 20

Mahalanobis d-squared 38.814 32.192 27.995 26.852 26.019 25.259 23.183 22.958 21.685 21.246 20.670 20.464 20.428 19.741 19.716 19.362 19.171 19.077 18.955 18.825 18.778 17.715 17.705 17.400 17.384 17.333 17.230 16.589 16.546 16.513 16.305 16.173 15.749 15.710 15.652 15.596 15.581

p1 .000 .004 .014 .020 .026 .032 .057 .061 .085 .095 .110 .116 .117 .139 .139 .152 .159 .162 .167 .172 .174 .220 .221 .235 .236 .239 .244 .279 .281 .283 .295 .303 .329 .331 .335 .339 .340

p2 .041 .062 .197 .170 .143 .131 .416 .328 .568 .576 .644 .596 .489 .633 .532 .565 .537 .471 .420 .377 .304 .677 .593 .644 .563 .497 .458 .688 .628 .561 .585 .571 .708 .653 .605 .556 .483

35

Observation number 32 64 62 21 68 73 18 63 86 87 17 16 71 14 38 42 35 37 2 7 59 50 48 66 79 51 57 13 22 31 29 8 76 61 40 53 4 77 5 3 15 46

Mahalanobis d-squared 15.488 15.460 15.428 15.415 15.252 15.087 15.070 14.960 14.740 14.596 14.126 14.096 14.048 14.012 13.964 13.518 13.463 12.946 12.905 12.856 12.707 12.705 12.629 12.554 12.461 12.447 12.238 12.228 12.150 12.133 12.087 11.935 11.670 11.544 11.476 11.259 11.224 10.550 10.078 9.595 9.566 9.507

p1 .346 .347 .350 .350 .361 .372 .373 .381 .396 .406 .440 .443 .446 .449 .452 .486 .490 .531 .534 .538 .550 .550 .556 .562 .569 .570 .587 .588 .594 .596 .599 .612 .633 .643 .648 .666 .668 .721 .756 .791 .793 .797

p2 .454 .390 .332 .269 .280 .295 .238 .227 .268 .275 .469 .411 .365 .315 .274 .463 .421 .672 .625 .582 .602 .527 .500 .472 .456 .390 .450 .380 .355 .294 .254 .273 .362 .368 .336 .401 .345 .719 .888 .970 .957 .946

36

Observation number 91 102 41 47 1 55 69 26 43 28 94 45 99 9 90 100 78 103 30 107 106

Mahalanobis d-squared 9.451 9.393 9.095 9.074 9.063 8.966 8.963 8.723 8.564 8.445 8.248 8.205 7.502 7.502 7.356 7.356 7.009 6.502 6.502 6.429 6.335

p1 .801 .805 .825 .826 .827 .833 .833 .848 .858 .865 .876 .878 .914 .914 .920 .920 .934 .952 .952 .954 .957

p2 .931 .913 .953 .931 .896 .884 .831 .874 .881 .872 .890 .849 .978 .958 .954 .915 .952 .986 .968 .944 .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) PU <--- PEOU ATU <--- PEOU ATU <--- PU BITU <--- ATU BITU <--- PU pu1 <--- PU pu2 <--- PU pu3 <--- PU pu4 <--- PU peou4 <--- PEOU peou3 <--- PEOU peou2 <--- PEOU peou1 <--- PEOU att4 <--- ATU att3 <--- ATU att1 <--- ATU bitu1 <--- BITU bitu2 <--- BITU bitu3 <--- BITU

Estimate S.E. .358 .144 .267 .127 .170 .083 .282 .128 .303 .088 1.000 .431 .083 .780 .119 .822 .117 1.000 .769 .112 .909 .116 .779 .129 1.000 .695 .168 1.108 .226 1.000 .870 .149 1.120 .177

C.R. 2.491 2.092 2.054 2.195 3.453

P .013 .036 .040 .028 ***

Label par_11 par_12 par_13 par_14 par_15

5.167 *** par_1 6.556 *** par_2 7.052 *** par_3 6.894 *** par_4 7.826 *** par_5 6.061 *** par_6 4.143 *** par_7 4.907 *** par_8 5.837 *** par_9 6.319 *** par_10

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

38

PU <--ATU <--ATU <--BITU <--BITU <--pu1 <--pu2 <--pu3 <--pu4 <--peou4 <--peou3 <--peou2 <--peou1 <--att4 <--att3 <--att1 <--bitu1 <--bitu2 <--bitu3 <---

PEOU PEOU PU ATU PU PU PU PU PU PEOU PEOU PEOU PEOU ATU ATU ATU BITU BITU BITU

Estimate .255 .262 .234 .277 .410 .877 .537 .698 .891 .804 .692 .813 .618 .753 .499 .734 .780 .654 .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) e7 <--> e4 e5 <--> e8 e3 <--> e1

Estimate -.417 -1.455 .346

Variances: (Group number 1 - Default model) PEOU z1 z2 z3 e5 e6 e7 e8

Estimate S.E. .280 .060 .515 .114 .246 .072 .206 .054 .165 .075 .253 .036 .354 .057 .097 .049

C.R. 4.686 4.528 3.432 3.805 2.220 7.075 6.160 1.997

P *** *** *** *** .026 *** *** .046

Label par_19 par_20 par_21 par_22 par_23 par_24 par_25 par_26

39

Estimate S.E. .153 .035 .180 .030 .118 .028 .275 .044 .221 .060 .422 .065 .305 .077 .193 .046 .304 .052 .303 .063

e4 e3 e2 e1 e12 e11 e9 e13 e14 e15

C.R. 4.365 5.911 4.300 6.319 3.676 6.458 3.989 4.213 5.840 4.786

P *** *** *** *** *** *** *** *** *** ***

Label par_27 par_28 par_29 par_30 par_31 par_32 par_33 par_34 par_35 par_36

Squared Multiple Correlations: (Group number 1 - Default model) Estimate .065 .155 .314 .554 .428 .609 .539 .249 .568 .382 .662 .479 .646 .793 .487 .288 .769

PU ATU BITU bitu3 bitu2 bitu1 att1 att3 att4 peou1 peou2 peou3 peou4 pu4 pu3 pu2 pu1

Matrices (Group number 1 - Default model) Factor Score Weights (Group number 1 - Default model) PEOU PU ATU BITU

bitu3 .002 -.014 .021 .222

bitu2 .001 -.011 .017 .172

bitu1 .002 -.020 .030 .312

att1 .012 -.004 .259 .021

att3 .006 -.002 .118 .010

att4 .015 -.005 .323 .026

peou1 .081 .004 .006 .001

peou2 .333 .016 .026 .004

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

PEOU .358 .327

PU .000 .170

ATU .000 .000

BITU .000 .000

peou3 .151 .007 .012 .002

peou4 .346 -.055 .025 -.003

pu4 -.038 .763 .019 .069

pu3 .100 -.110 .005 -.009

pu2 .004 -.073 -.002 -.007

pu1 -.030 .592 .015 .053

40

BITU bitu3 bitu2 bitu1 att1 att3 att4 peou1 peou2 peou3 peou4 pu4 pu3 pu2 pu1

PEOU .201 .225 .175 .201 .363 .227 .327 .779 .909 .769 1.000 .294 .279 .154 .358

PU .351 .393 .305 .351 .189 .118 .170 .000 .000 .000 .000 .822 .780 .431 1.000

ATU .282 .316 .245 .282 1.108 .695 1.000 .000 .000 .000 .000 .000 .000 .000 .000

BITU .000 1.120 .870 1.000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000

Standardized Total Effects (Group number 1 - Default model) PU ATU BITU bitu3 bitu2 bitu1 att1 att3 att4 peou1 peou2 peou3 peou4 pu4 pu3 pu2 pu1

PEOU .255 .321 .194 .144 .127 .151 .236 .160 .242 .618 .813 .692 .804 .227 .178 .137 .223

PU .000 .234 .475 .354 .311 .371 .172 .117 .177 .000 .000 .000 .000 .891 .698 .537 .877

ATU .000 .000 .277 .207 .181 .217 .734 .499 .753 .000 .000 .000 .000 .000 .000 .000 .000

BITU .000 .000 .000 .745 .654 .780 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000

Direct Effects (Group number 1 - Default model) PU ATU BITU bitu3

PEOU .358 .267 .000 .000

PU .000 .170 .303 .000

ATU .000 .000 .282 .000

BITU .000 .000 .000 1.120

41

bitu2 bitu1 att1 att3 att4 peou1 peou2 peou3 peou4 pu4 pu3 pu2 pu1

PEOU .000 .000 .000 .000 .000 .779 .909 .769 1.000 .000 .000 .000 .000

PU .000 .000 .000 .000 .000 .000 .000 .000 .000 .822 .780 .431 1.000

ATU .000 .000 1.108 .695 1.000 .000 .000 .000 .000 .000 .000 .000 .000

BITU .870 1.000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000

Standardized Direct Effects (Group number 1 - Default model) PU ATU BITU bitu3 bitu2 bitu1 att1 att3 att4 peou1 peou2 peou3 peou4 pu4 pu3 pu2 pu1

PEOU .255 .262 .000 .000 .000 .000 .000 .000 .000 .618 .813 .692 .804 .000 .000 .000 .000

PU .000 .234 .410 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .891 .698 .537 .877

ATU .000 .000 .277 .000 .000 .000 .734 .499 .753 .000 .000 .000 .000 .000 .000 .000 .000

BITU .000 .000 .000 .745 .654 .780 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000

Indirect Effects (Group number 1 - Default model) PU ATU BITU bitu3 bitu2 bitu1

PEOU .000 .061 .201 .225 .175 .201

PU .000 .000 .048 .393 .305 .351

ATU .000 .000 .000 .316 .245 .282

BITU .000 .000 .000 .000 .000 .000

42

att1 att3 att4 peou1 peou2 peou3 peou4 pu4 pu3 pu2 pu1

PEOU .363 .227 .327 .000 .000 .000 .000 .294 .279 .154 .358

PU .189 .118 .170 .000 .000 .000 .000 .000 .000 .000 .000

ATU .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000

BITU .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000

Standardized Indirect Effects (Group number 1 - Default model) PU ATU BITU bitu3 bitu2 bitu1 att1 att3 att4 peou1 peou2 peou3 peou4 pu4 pu3 pu2 pu1

PEOU .000 .060 .194 .144 .127 .151 .236 .160 .242 .000 .000 .000 .000 .227 .178 .137 .223

PU .000 .000 .065 .354 .311 .371 .172 .117 .177 .000 .000 .000 .000 .000 .000 .000 .000

ATU .000 .000 .000 .207 .181 .217 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000

BITU .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000

Modification Indices (Group number 1 - Default model)

43

Covariances: (Group number 1 - Default model) e9 e1 e6 e6 e5

<--> z1 <--> e11 <--> z2 <--> e12 <--> e9

M.I. Par Change 4.613 .095 4.444 .070 4.425 .060 5.199 .063 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 Default model Saturated model Independence model

NPAR 36 105 14

CMIN 82.994 .000 607.413

DF 69 0 91

P .120

CMIN/DF 1.203

.000

6.675

RMR, GFI Model Default model Saturated model Independence model

RMR .041 .000 .146

GFI .897 1.000 .458

AGFI .843

PGFI .589

.375

.397

RFI rho1

IFI Delta2

TLI rho2

Baseline Comparisons Model

NFI Delta1

CFI

44

Model Default model Saturated model Independence model

NFI Delta1 .863 1.000 .000

RFI rho1 .820 .000

IFI Delta2 .974 1.000 .000

TLI rho2 .964 .000

CFI .973 1.000 .000

Parsimony-Adjusted Measures Model Default model Saturated model Independence model

PRATIO .758 .000 1.000

PNFI .655 .000 .000

PCFI .738 .000 .000

NCP 13.994 .000 516.413

LO 90 .000 .000 442.135

NCP Model Default model Saturated model Independence model

HI 90 41.075 .000 598.177

FMIN Model Default model Saturated model Independence model

FMIN .783 .000 5.730

F0 .132 .000 4.872

LO 90 .000 .000 4.171

HI 90 .387 .000 5.643

RMSEA Model Default model Independence model

RMSEA .044 .231

LO 90 .000 .214

HI 90 .075 .249

AIC 154.994 210.000 635.413

BCC 166.862 244.615 640.028

PCLOSE .597 .000

AIC Model Default model Saturated model Independence model

BIC 251.216 490.647 672.833

CAIC 287.216 595.647 686.833

ECVI Model Default model Saturated model Independence model

HOELTER

ECVI 1.462 1.981 5.994

LO 90 1.330 1.981 5.294

HI 90 1.718 1.981 6.766

MECVI 1.574 2.308 6.038

45

Model Default model Independence model

HOELTER .05 115 20

HOELTER .01 127 22