Jurnal TELEMATIKA MKOM, Vol.3 No.1, Maret 2011 ISSN 2085-725X
KAJIAN PENERIMAAN MODEL BLENDLEARNING SEBAGAI METODE KULIAH ONLINE BERDASARKAN PENDEKATAN TAM (TECHNOLOGY ACCEPTANCE MODEL) : STUDI KASUS FAKULTAS TEKNOLOGI INFORMASI UNIVERSITAS BUDI LUHUR Dewi Kusumaningsih Program Studi Magister Ilmu Komputer, Program Pascasarjana Universitas Budi Luhur
[email protected] ABSTRAK Adanya persaingan yang semakin pesat, membuat Universitas Budi Luhur menciptakan model blendlearning dalam penerapan metode kuliah online sebagai salah satu metode unggulan yang ditawarkan kepada masyarakat. Dengan metode baru yang diterapkan, penulis menganggap perlu dilakukan sebuah studi analisa mengenai faktor dan hubungan hubungan kausal yang mempengaruhi tingkat penerimaan model blendlearning sebagai metode kuliah online pada yang baru diterapkan pada Fakultas Teknologi Informasi. Penelitian ini bertujuan melihat tingkat penerimaan pengguna, yaitu mahasiswa dengan menggunakan pendekatan Technology Acceptance Model (TAM) yang dikombinasikan dengan Sequential Equation Model (SEM). Metode yang digunakan adalah metode kausal dari variable-variabel yang akan diteliti. Software yang digunakan adalah AMOS 18. Keywords: e-learning, blendlearning, kuliah online, Technology Acceptance Model, Sequential Equation Model suatu jenis proses pengajaran yang memungkinkan tersampaikannya materi atau isi dari pembelajaran dari si pengajar kepada siswa yang diajar menggunakan media internet, intranet atau media jaringan komputer lainnya [1].
1. Pendahuluan Blendlearning merupakan salah satu model dari e-learning yang dijalankan oleh Universitas Budi Luhur. Blendlearning merupakan suatu model pengajaran secara mixed, dimana pertemuan perkuliahan dengan konsep tatap muka dan online digabung secara simultan. Penelitian ini berisi tentang faktor apa saja yang mempengaruhi tingkat penerimaan blendlearning sebagai metode kuliah online dan bagaimana hubungan kausal antara faktor-faktor yang ada. Kerangka pemikiran penelitian mengadopsi model Technology Acceptance Model (TAM). Uji statistik menggunakan Structural Equation Modelling (SEM) dan software AMOS 18 untuk menguji hipotesa yang diajukan.
2.2 Metode Penyampaian E-Learning Menurut Soekartawi tentang metode penyampaian e-learning, proses pembelajaran dalam e-learning dapat dilaksanakan dengan cara langsung (synchronous) atau dengan cara tidak langsung (asynchronous). Bahan pembelajaran bercirikan multimedia yang mempunyai teks, presentasi, grafik, gambar, animasi, simulasi, audio, dan video[2]. 2.3 Technology Acceptance Model (TAM) Model TAM berasal dari teori psikologis untuk menjelaskan perilaku pengguna teknologi informasi yang berlandaskan pada kepercayaan (beliefs), sikap (attitude), minat
2. Landasan Pemikiran 2.1 Definisi E-Learning E-Learning yang merupakan singkatan dari Electronik Learning didefinisikan sebagai
1
Jurnal TELEMATIKA MKOM, Vol.3 No.1, Maret 2011 ISSN 2085-725X
(intention) dan hubungan perilaku pengguna (User Behavior Relatioship). Tujuan model ini adalah untuk dapat menjelaskan faktorfaktor utama dari perilaku pengguna teknologi informasi terhadap penerimaan penggunaan teknologi. Model ini akan menggambarkan bahwa penggunaan SI akan dipengaruhi oleh variabel kemanfaatan (Usefullness) dan variabel kemudahan pemakaian (Ease of Use), dimana keduanya memiliki determinan yang tinggi dan validitas yang telah teruji secara empiris [3].
Gambar 1. Technology Acceptance Model (TAM) [3] Sebagai model kedua dalam acuan, diangkat dari penelitian Siregar dengan judul “Technology Acceptance Model: Analisis Penerapan E-Learning Sebagai Sarana Pendukung Sistem Pembelajaran Berdasarkan Pendekatan TAM”. Dalam penelitian tersebut digambarkan hubungan faktor perceived ease of use, perceived usefulness, dan e-learning Usage, serta adanya pengaruh dari variabel voluntariness [4]. Model digambarkan sebagai berikut:
Perceived Ease of Use (PEOU) Perceived Ease of Use didefinisikan sebagai tingkat dimana seseorang meyakini bahwa penggunaan sistem informasi merupakan hal yang mudah dan tidak memerlukan usaha keras dari pemakainya [3]. Perceived usefullness (PU) Perceived Usefullness didefinisikan sebagai tingkat keyakinan individu bahwa penggunaan sistem informasi tertentu akan meningkatkan kinerjanya [3].
Gambar 2. Technology Acceptance Model [4]
Attitude Toward 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 [3].
Model penelitian yang dilakukan Masrom dengan judul “Technology Acceptance Model and E-learning” juga dijadikan acuan dalam penelitan ini. Dalam penelitiannya, menjelaskan bahwa TAM dapat digunakan untuk menjelaskan tingkat penerimaan pelajar terhadap teknologi e-learning, dan juga TAM dapat menyajikan tujuan dari evaluasi dan prediksi penerimaan akan suatu teknologi [5]. Model penelitian Masrom, digambarkan sebagai berikut:
Behavioral Intention to Use (ITU) Behavioral Intention to Use adalah kecenderungan perilaku untuk tetap menggunakan suatu teknologi [3]. Actual System Usage (ASU) Actual System Usage adalah kondisi nyata penggunaan sistem. Dikonsepkan dalam bentuk pengukuran terhadap frekuensi dan durasi waktu penggunaan teknologi [3]. 2.4 Tinjauan Studi Model pertama yang dijadikan acuan adalah model penerimaan teknologi atau TAM berdasarkan penelitian Davis digambarkan sebagai berikut:
Gambar 3. Technology Acceptance Model [5] Model keempat yang dijadikan acuan adalah penelitian milik Hassanein. Pada penelitiannya, menghasilkan hipotesis bahwa perilaku kehadiran sosial (social
2
Jurnal TELEMATIKA MKOM, Vol.3 No.1, Maret 2011 ISSN 2085-725X
presence) dapat diintegrasikan ke dalam sebuah web dan berdampak positif terhadap kepercayaan secara online. Selain itu, social presence juga berpengaruh terhadap perceived usefulness, enjoyment, dan trust dari website e-learning. Perceived Usefulness dan Perceived Easy of Use juga berpengaruh terhadap trust. Model penelitiannya dapat dilihat pada gambar berikut ini :
2.5 Pola Pikir / Kerangka Pemikiran Kerangka teori yang dijadikan landasan pemikiran adalah modifikasi dari penelitian TAM yang dilakukan oleh Davis[3], Siregar[4], Marom[5], Hassanein[6], dan Syarif[7]. Variabel yang diambil dari penelitian tersebut adalah Perceived Easy of Use, Perceived Usefullness, Attitude Towards Using, Behavioral Intention to Use, dan Actual System Usage, Social Presence, Voluntariness dan Computer Self Efficacy. Model pendekatan TAM yang digunakan pada penelitian ini :
Gambar 4. Technology Acceptance Model [6] Kemudian dalam penelitian lainnya, Kajian Penerimaan Teknologi Internet pada Organisasi Pemerintah Berdasarkan Konsep Technology Acceptance Model (TAM) : Studi Kasus Direktorat Jenderal Pendidikan Islam Departemen Agama RI – Dodi Irawan Syarif, Dana Indra Sensuse [7]. Penelitian ini untuk mengetahui faktor-faktor apa saja yang mempengaruhi penerimaan teknologi internet dalam instansi pemerintahan dengan menggunakan TAM. Hasil dari penelitian ini menunujuk pada adanya pengaruh yang nyata antara sebagian besar konstruksi TAM.
Gambar 6. Technology Acceptance Model (TAM) pada penelitian ini 2.6 Hipotesis Hipotesis umum dari penelitian ini adalah diduga model TAM sesuai untuk penelitian penerimaan blendlearning sebagai metode kuliah online yang dilakukan pada Fakultas Teknologi Informasi Universitas Budi Luhur. Hipotesis khusus pada penelitian ini berupa pengaruh antar konstruk terhadap penerimaan blendlearning sebagai metode kuliah online pada Fakultas Teknologi Informasi Universitas Budi Luhur berdasarkan pendekatan TAM yaitu: 1. H1 : Diduga kemampuan menggunakan (CSE) berpengaruh terhadap kemudahan penggunaan (PEOU). 2. H2 : Diduga kemudahan penggunaan (PEOU) berpengaruh terhadap sikap penggunaan (ATU).
Gambar 5. Technology Acceptance Model pada Direktoral Jenderal Pendidikan Islam Departemen Agama RI [7]
3
Jurnal TELEMATIKA MKOM, Vol.3 No.1, Maret 2011 ISSN 2085-725X
3. H3 : Diduga kemudahan penggunaan (PEOU) berpengaruh terhadap kemanfaatan (PU). 4. H4 : Diduga kemudahan penggunaan (PEOU) berpengaruh terhadap kerelaan penggunaan (VU) 5. H5 : Diduga kemanfaatan (PU) berpengaruh terhadap sikap penggunaan (ATU) 6. H6 : Diduga kehadiran nyata (SP) berpengaruh terhadap sikap penggunaan (ATU) 7. H7 : Diduga kemanfaatan (PU) berpengaruh terhadap kerelaan penggunaan (VU) 8. H8 : Diduga kemanfaatan (PU) berpengaruh terhadap perilaku penggunaan (BITU). 9. H9 : Diduga sikap penggunaan (ATU) berpengaruh terhadap perilaku penggunaan (BITU). 10. H10 : Diduga perilaku penggunaan (BITU) berpengaruh terhadap pemakaian nyata(ASU) 11. H11 : Diduga kerelaan penggunaan (VU) berpengaruh terhadap pemakaian nyata (ASU) 12. H12 : Diduga kemampuan menggunakan (CSE) berpengaruh terhadap pemakaian nyata (ASU)
merupakan pertanyaan yang mewakili setiap variabel yang ada dalam model penelitian.
3. Desain Penelitian 3.1 Metode Penelitian Jenis penelitian adalah penelitian korelasi dengan menggunakan metode kausal dari variabel-variabel yang akan diteliti.
Pengembangan Model Berbasis Teori
3.4 Instrumentasi Penelitian ini menggunakan instrumen kuesioner yang dibuat dengan menggunakan closed questions. Kuesioner dibuat menggunakan skala interval atau semantic diferential. 3.5 Teknik Analisis Data Analisis Deskriptif Tujuan analisis ini memberikan gambaran atau detesis suatu data berupa rata-rata, standar deviasi, variance, maksimum, minimum, kurtosis (puncak dari distribusi data), dan skewness (kemencengan distribusi data) dari karakteristik sampel (responden) dan indikator-indikatornya. Metode Olah Data dengan Structural Equation Model (SEM) Jumlah kuesioner yang disebarkan sebanyak 144 eksemplar dengan menggunakan tingkat signifikansi paling standar, yaitu sebesar 5%. Pengolahan dan analisa data dilakukan dengan teknik multivariat Structrual Equation Model dengan menggunakan perangkat lunak AMOS 18
3.2 Populasi dan Sampel Penelitian Populasi dari penelitian ini adalah mahasiswa reguler angkatan 2010 jenjang Strata Satu Fakultas Teknologi Informasi Universitas Budi Luhur. Adapun metode yang digunakan dalam mendapatkan data empiris melalui kuesioner yang berskala semantic deferensial. 3.3 Metode Pengumpulan Data Untuk mendapatkan data-data yang dibutuhkan dalam penelitian, pengumpulan data dilakukan melalui kuesioner yang bersifat closed question, dimana pertanyaan yang ada didalam kuesioner tersebut
Gambar 7. Model Berbasis Teori Pada penelitian ini terdapat 2 (dua) konstruk eksogen dan 6 (enam) konstruk endogen. Konstruk eksogen disebut dengan sources
4
Jurnal TELEMATIKA MKOM, Vol.3 No.1, Maret 2011 ISSN 2085-725X
variables atau variabel independen yang tidak diprediksi atau tidak dipengaruhi oleh variabel sebelumnya dalam model. Konstruk endogen atau disebut juga dengan variabel dependen yaitu variabel yang dipengaruhi atau yang menerima akibat karena adanya variabel eksogen.
yang dimilikinya dan terlihat sangat jauh berbeda dari observasi-observasi lainnya. Pengujian Parameter Model Uji Validitas Pengujian terhadap validitas variabel laten dapat dilakukan dengan melihat nilai signifikansinya. Jika Sig ≤ 0.05 maka kesimpulan bahwa data empirik identik dengan teori.
Pengembangan Diagram Alur (Path Diagram) Pada penelitian ini, path diagram yang dibangun seperti yang terlihat pada Gambar 8 berikut:
Uji Reliabilitas Pendekatan yang dianjurkan dalam menilai sebuah model pengukuran (measurement model) adalah menilai besaran composite reliability serta variance extracted dari masing-masing konstruk. 1) Composite Reliability Pendekatan yang dianjurkan dalam menilai sebuah model pengukuran (measurement model) ini adalah dengan menilai besaran composite reliability serta variance extracted dari masing-masing konstruk. Composite Reliability diperoleh dengan rumus sebagai berikut :
Gambar 8. Diagram Model Variabel dalam Penelitian ini
2) Variance Extracted
Analisis Inferensial Tindakan yang dilakukan adalah mengevaluasi apakah data yang digunakan telah memenuhi asumsi-asumsi SEM. Asumsi-asumsi yang harus dipenuhi dijabarkan adalah sebagai berikut: a. Ukuran Sampel Penentuan jumlah sampel minimal untuk pendekatan SEM adalah 100-200 responden. b. Normalitas Asumsi lain yang harus dipenuhi oleh variable observed sebelum dianalisis dengan metode estimasi ML adalah data harus memenui ketentuan normalitas multivariate. c. Outliers Adalah observasi yang muncul dengan nilai-nilai ekstrim baik secara univariat maupun multivariat yaitu yang muncul karena kombinasi karakteristik unik
Nilai Variance extracted yang tinggi dapat menunjukkan bahwa indikator-indikator telah mewakili secara baik konstruk laten yang dikembangkan dan nilai yang direkomendasikan adalah paling sedikit 0.50. Variance extracted dapat diperoleh melalui rumus di bawah ini: Variance Extracted dapat diperoleh melalui rumus dibawah ini :
Uji Overall Model Fit Chi Square Statistic Nilai chi-square rendah dan diterima berdasarkan probabilitas dengan cut-off sebesar > 0.05.
5
Jurnal TELEMATIKA MKOM, Vol.3 No.1, Maret 2011 ISSN 2085-725X
RMSEA - The Root Mean Square Error of Approximation Nilai RMSEA yang lebih kecil atau sama dengan 0.08
Pengolahan dalam Model Persamaan Struktural Obyek Penelitian Penelitian ini dilakukan untuk menganalisis delapan variabel laten, dimana dua variabel merupakan variabel eksogen yaitu CSE dan SP. Untuk variabel endogen terdapat terdapat enam variabel yaitu PEOU, ATU, PU, VU, BITU, ASU. Variabel-variabel laten tersebut, diukur melalui variabel indikator yaitu tertera pada tabel berikut ini:
GFI - Goodnes of Fit Index Merupakan sebuah ukuran non-statistikal yang mempunyai rentang nilai ≥ 0.90. AGFI - Adjusted Goodness of Fit Index Nilai AGFI yang direkomendasikan adalah > 0.90. PGFI – Parsimony Goodness of Fit Index Nilai PGFI yang direkomendasikan adalah ≥ 0.60.
Tabel 1. Variabel Penelitian yang diobservasi
CMIN/DF Nilai yang diharapkan kurang dari 2.0 atau kurang dari 3.0.
Variabel
Indikator
Computer Self Efficacy (CSE) [9]
- Menjalankan aplikasi dengan berbagai Browser - Menggunakan chatroom, forum online - Melakukan validasi account dalam sebuah website - Mengunduh file dari website elearning ke dalam media penyimpanan - Interaksi dengan dosen - Keaktifan dosen dalam mengajar online - Kejelasan dosen dalam pemberian materi, menjawab pertanyaan - Kemudahan untuk akses internet - Kemudahan akses website - Kemudahan untuk dipahami/dime ngerti - Kemudahan untuk digunakan - Matakuliah dengan model blendlearning sangat diterima
NFI – Normed Fit Index Nilai NFI yang direkomendasikan adalah ≥ 0.90 CFI – Comparative Fit Index Nilai yang diharapkan untuk diterimanya model adalah penerimaan lebih dari 0.95 4. Analisis, Interpretasi, dan Implikasi Penelitian Social Presence (SP) [6]
Uji Asumsi Structural Equation Model (SEM) Ukuran Sampel Penelitian ini menggunakan 130 sampel, oleh karena itu jumlah sampel yang digunakan sudah memenuhi persyaratan dalam ukuran sampel. Uji Normalitas Pada Assesment of Normality dapat dilihat pada nilai yang berada pada kolom c.r. yaitu 2.55742.
Perceived Ease Of Use (PEOU) [3]
Outliers Pada Tabel Mahalanobis Distance dilihat pada Mahalanobis d-squared bahwa nilai yang diuji tidak ada yang lebih besar dari χ2 tabel, artinya tidak terdapat outlier. Uji outlier pada penelitian ini, nilai Mahalanobis Distancenya berada dibawah χ2 tabel yaitu 354,1937.
Attitude Toward using (ATU)
6
Jumlah Item 1
Variabel Indikator X11
1
X12
1
X13
1
X14
1
X21
1
X22
1
X23
1
Y11
1
Y12
1
Y13
1
Y14
1
Y21
Jurnal TELEMATIKA MKOM, Vol.3 No.1, Maret 2011 ISSN 2085-725X Variabel [3]
Perceived Usefulnes s (PU) [3]
Voluntarin ess Using (VU) [4]
Behavior al Intention To Use (BITU) [3]
Actual System Usage (ASU) [3]
Indikator - Menggunakan konsep blendlearning adalah hal yang positif - Menggunakan konsep blendlearning lebih efisien - Mempercepat mendapatkan informasi perkuliahan - Membantu dalam proses pembelajaran - Meningkatkan efektifitas perkuliahan - Meningkatkan kemauan belajar - Meningkatkan prestasi - Meningkatkan knowledge IT - Penggunaan setiap hari - Waktu penggunaan pada saat perkuliahan online - Niat untuk diterapkan pada matakuliah lain - Niat membawa notebook untuk mengakses website elearning - Niat untuk meningkatkan frekuensi pertemuan kuliah online - Kepuasan pengguna - Frekuensi penggunaan website
Jumlah Item 1
Variabel Indikator Y22
1
Y23
1
Y31
1
Y32
1
Y33
1
Y34
1
Y35
1
Y36
1
Y41
1
Y42
1
Y51
1
Y52
1
Y53
1
Y61
1
Y62
Gambar 9. Hasil Model Awal Penelitian Hipotesis yang menjelaskan kondisi data empiris dengan model atau teori adalah: H0 = Data empirik identik dengan teori atau model (Hipotesis akan diterima apabila P ≥ 0.05). H1 = Data empirik berbeda dengan teori atau model (Hipotesis akan ditolak apabila P < 0.05). Pada gambar tersebut diketahui bahwa nilai probabilitas (P) = 0.000 tidak memenuhi persyaratan karena hasilnya dibawah nilai yang direkomendasikan yaitu P ≥ 0.05. Menurut Hair.et.al [11] cara melakukan pemodelan dapat dilakukan dengan tiga cara yaitu Confirmatory Modeling Strategy, Competing Modeling Strategy dan Model Development Strategy [8]. Berdasarkan hasil Estimasi dan Regression Wieght, maka dilakukan modifikasi dengan menghapus variabel laten dan variabel indikator yang bukan merupakan konstruktor valid bagi model struktural yang diajukan dengan ketentuan: a. Jika nilai estimasi pada loading factor (λ) dari suatu variabel indikator < 0.5 maka indikator tersebut hendaknya dihapus. b. Selanjutnya melihat signifikansi (Sig), nilai yang dipersyaratkan adalah < 0.05. Jika nilai Sig > 0.05 maka dapat dikatakan bahwa indikator tersebut bukan merupakan konstruktor yang valid bagi suatu variabel laten dan sebaiknya hal ini di drop (dihapus).
Pengujian Model Berbasis Teori Awal Penelitian Pengujian model berbasis teori dilakukan dengan menggunakan software AMOS versi 18. Berikut ini hasil pengujian model tersebut :
Pada penelitian ini dilakukan analisis model dua tahap yaitu analisis CFA (Confirmatory
7
Jurnal TELEMATIKA MKOM, Vol.3 No.1, Maret 2011 ISSN 2085-725X
Factor Analysis) dan selanjutnya analisis jalur. Uji confirmatory dilakukan dengan tahapan berikut: Tahap pertama adalah menguji variabel CSE, di bawah ini merupakan tabel hasil uji estimasi:
Tabel 6. Uji Confirmatory Variabel Indikator PU Variabel Indikator Y31 Y32 Y33 Y34 Y35 Y36
Tabel 2. Uji Confirmatory Variabel Indikator CSE Variabel Indikator X11 X12 X13 X14
Estimate
Keterangan
0.48 - 0.02 0.64 0.48
< 0.5 konstruk tidak valid < 0.5 konstruk tidak valid > 0.5 konstruk valid < 0.5 konstruk tidak valid
0.73 0.82 0.81
Variabel Indikator Y41 Y42
Estimate 0.55 0.55 0.52 0.54
> 0.5 konstruk valid > 0.5 konstruk valid > 0.5 konstruk valid
Variabel Indikator Y51 Y52 Y53
Keterangan
0.66 0.74 0.37
> 0.5 konstruk valid > 0.5 konstruk valid < 0.5 konstruk tidak valid
Estimate 0.25 0.52 0.95
Keterangan < 0.5 konstruk tidak valid > 0.5 konstruk valid > 0.5 konstruk valid
Tabel 9. Uji confirmatory Variabel Indikator ASU Variabel Indikator Y61 Y62
Tabel 5. Uji Confirmatory Variabel Indikator ATU Keterangan
Keterangan < 0.5 konstruk tidak valid < 0.5 konstruk tidak valid
Tahap ke delapan adalah menguji variabel ASU, di bawah ini merupakan tabel hasil uji estimasi:
> 0.5 konstruk valid > 0.5 konstruk valid > 0.5 konstruk valid > 0.5 konstruk valid
Estimate
0.37 0.19
Tabel 8. Uji Confirmatory Variabel Indikator BITU
Tahap keempat adalah menguji variabel ATU, di bawah ini merupakan tabel hasil uji estimasi:
Variabel Indikator Y21 Y22 Y23
Estimate
Tahap ketujuh adalah menguji variabel BITU, di bawah ini merupakan tabel hasil uji estimasi:
Keterangan
Tahap ketiga adalah menguji variabel PEOU, di bawah ini merupakan tabel hasil uji estimasi: Tabel 4. Uji Confirmatory Variabel Indikator PEOU Variabel Indikator Y11 Y12 Y13 Y14
Keterangan < 0.5 konstruk tidak valid < 0.5 konstruk tidak valid > 0.5 konstruk valid > 0.5 konstruk valid > 0.5 konstruk valid < 0.5 konstruk tidak valid
Tabel 7. Uji Confirmatory Variabel Indikator VU
Tabel 3. Uji Confirmatory Variabel Indikator SP Estimate
0.43 0.23 0.51 0.77 0.86 0.45
Tahap keenam adalah menguji variabel VU, di bawah ini merupakan tabel hasil uji estimasi:
Tahap kedua adalah menguji variabel SP, di bawah ini merupakan tabel hasil uji estimasi:
Variabel Indikator X21 X22 X23
Estimate
Estimate 0.68 0.55
Keterangan > 0.5 konstruk valid > 0.5 konstruk valid
Uji Parameter Model Uji Validitas Pengujian terhadap validitas variabel laten dilakukan dengan melihat nilai Signifikansi (Sig) yang diperoleh tiap variabel indikator kemudian dibandingkan dengan nilai ά (0.05).
Tahap kelima adalah menguji variabel PU, di bawah ini merupakan tabel hasil uji estimasi:
8
Jurnal TELEMATIKA MKOM, Vol.3 No.1, Maret 2011 ISSN 2085-725X
demikian respon mahasiswa untuk penerimaan model dan konsep baru pembelajaran berpengaruh baik pada penerapan model blendlearning.
A. Variabel Laten Eksogen CSE (Computer Self Efficacy) Tabel 10. Uji Parameter CSE Variabel Indikator X13
Sig (≤0.05) 0.000
Hasil Hipotesis Tolak H0
Keterangan
Perceived Usefulness (PU)
Konstruk yang valid
Tabel 14: Uji Parameter PU
Variabel indikator X13 (pendaftaran diwebsite) secara signifikan merupakan konstruk yang valid bagi variabel laten Computer Self Efficacy.
Variabel Indikator Y33 Y34 Y35
SP (Sosial Presense)
Sig (≤0.05) 0.000 0.000 0.000
Hasil Hipotesis Tolak H0 Tolak H0 Tolak H0
Keterangan Konstruk yang valid Konstruk yang valid Konstruk yang valid
Masing-masing variabel indikator X21 (keberadaan dosen), X22 (keaktifan dosen), X23 (respon pengajaran dosen) secara signifikan merupakan konstruk yang valid bagi variabel laten Sosial Presense.
Masing-masing variabel indikator Y33 (efektifitas model), Y34 (peningkatan kemauan belajar) dan Y35 (peningkatan prestasi akademik) secara signifikan merupakan konstruk yang valid bagi variabel laten PU. Dengan demikian respon mahasiswa untuk efektifitas model blendlearning, peningkatan kemauan belajar dan peningkatan prestasi akademik berpengaruh baik pada penerapan model blendlearning.
B. Variabel Laten Endogen
Behavioral Intention To Use (BITU)
Tabel 11. Uji Parameter SP Variabel Indikator X21 X22 X23
Sig (≤0.05) 0.000 0.000 0.000
Hasil Hipotesis Tolak H0 Tolak H0 Tolak H0
Keterangan Konstruk yang valid Konstruk yang valid Konstruk yang valid
Tabel 15. Uji Parameter BITU
Perceived Ease Of Use (PEOU) Tabel 12. Uji Parameter PEOU Variabel Indikator Y11 Y12 Y13 Y14
Sig (≤0.05) 0.000 0.000 0.000 0.000
Hasil Hipotesis Tolak H0 Tolak H0 Tolak H0 Tolak H0
Keterangan Konstruk yang valid Konstruk yang valid Konstruk yang valid Konstruk yang valid
Masing-masing variabel indikator Y11 (kemudahan mengakses internet), Y12 (pengaksesan website elearning), Y13 (kemudahan interface website elearning) dan Y14 (kemudahan tool website) secara signifikan merupakan konstruk yang valid bagi variabel laten Perceived Ease of Use. Attitude Toward Using (ATU) Sig (≤0.05) 0.000 0.000
Hasil Hipotesis Tolak H0 Tolak H0
Sig (≤0.05) 0.000
Hasil Hipotesis Tolak H0
Y53
0.000
Tolak H0
Keterangan Konstruk yang valid Konstruk yang valid
Masing-masing variabel indikator Y52 (membawa alat akses), dan Y53 (peningkatan frekuensi pertemuan) secara signifikan merupakan konstruk yang valid bagi variabel laten BITU. Dengan demikian respon mahasiswa untuk efektifitas model blendlearning, peningkatan kemauan belajar dan peningkatan prestasi akademik berpengaruh baik pada penerapan model blendlearning. Actual System Usage (ASU)
Tabel 13. Uji Parameter ATU Variabel Indikator Y21 Y22
Variabel Indikator Y52
Tabel 16. Uji Parameter ASU
Keterangan Konstruk yang valid Konstruk yang valid
Masing-masing variabel indikator Y21 (penerimaan model blendlearning), Y22 (model blendlearning terobosan positif), secara signifikan merupakan konstruk yang valid bagi variabel laten ATU. Dengan
Variabel Indikator Y61
Sig (≤0.05) 0.000
Hasil Hipotesis Tolak H0
Y62
0.000
Tolak H0
Keterangan Konstruk yang valid Konstruk yang valid
Masing-masing variabel indikator Y61 (kepuasan model yang diterapkan), dan Y62
9
Jurnal TELEMATIKA MKOM, Vol.3 No.1, Maret 2011 ISSN 2085-725X
(kausal peningkatan pada pemakaian akhir) secara signifikan merupakan konstruk yang valid bagi variabel laten ASU. Dengan demikian respon mahasiswa untuk kepuasan pada model yang diterapkan dan kausal dari penerapan model belajar berpengaruh baik pada penerapan model blendlearning.
Uji Overall Model Fit Kriteria penilaian suatu model tidak hanya dilihat dari nilai probabilitas saja tetapi juga meliputi kriteria yang lainnya yaitu: ukuran Absolute Fit Measure, Increment Fit Measure dan Parsiomonius Fit Measure. Di bawah ini diberikan tabel perbandingan batas nilai kritis yang direkomendasikan pada tiap kriteria tersebut.
Pengujian Reliabilitas Composite Reliability menyatakan ukuran konsistensi internal dari indikator-indikator sebuah konstruk yang menunjukkan derajat sampai dimana masing-masing indikator itu mengindikasikan sebuah konstruk/laten yang umum. Sedangkan Variance Extracted menunjukkan indikator-indikator tersebut telah mewakili secara baik konstruk laten yang dikembangkan.
Tabel 17. Uji Perbandingan Kesesuaian Model Batas Batas Nilai Model Ini Kritis 1. Absolute Fit Measure ChiKecil 299.5 Square χ2 χ2 ≤ (CMIN) α;df - Probability ≥ 0.05 0.000 - Chi≤ 2.0 110 Square χ2 Relatif(C MIN/DF) - GFI ≥ 0.90 0.804 - RMSEA ≤ 0.08 0.116 2. Increment Fit Measure - AGFI ≥ 0.90 0.728 - TLI ≥ 0.95 0.692 - NFI ≥ 0.90 0.666 - CFI ≥ 0.95 0.751 3. Parsiomonius Fit Measure - PNFI ≥ 0.60 0.539 ≥ 0.60 0.576 GFI Ukuran Kesesuaian
Composite Reliability diperoleh dengan rumus sebagai berikut :
Variance Extracted dapat diperoleh melalui rumus di bawah ini :
Setelah dilakukan pengujian dengan uji confirmatory variabel indikator terhadap variabel laten dan pengujian validitas dan reliabilitas, maka didapatkan model sementara seperti pada gambar ini:
Keteran gan Marginal
Marginal Marginal
Marginal Marginal Marginal Marginal Marginal Marginal Marginal Marginal
Berdasarkan tabel di atas, maka dapat dikatakan model yang dibuat dinyatakan tidak fit/tidak sesuai. Maka penulis melakukan perubahan model yang dilakukan dengan menggunakan analisis jalur. Modifikasi Model Modifikasi yang dilakukan adalah dengan menggunakan analisis jalur seperti yang tertera pada gambar di bawah ini:
Gambar 11. Hasil Pengujian Model Penelitian dengan Analisis Jalur
Gambar 10. Model Sementara Setelah Uji Confirmatory
10
Jurnal TELEMATIKA MKOM, Vol.3 No.1, Maret 2011 ISSN 2085-725X
Karena modifikasi model dengan analisis jalur masih mengalami nilai yang tidak signifikan yaitu nilai P > 0.05, maka untuk memperoleh model fit selanjutnya dilakukan modifikasi. Langkah pertama untuk melakukan modifikasi terhadap model yang dibangun adalah dengan menghapus hubungan variabel CSE ke ASU dengan nilai 0.410 maka dihapus. Langkah kedua adalah menghapus hubungan variabel ATU ke BITU dengan nilai 0.107 maka hubungan ini pun dihapus. Karena masih belum mendapat nilai fit, maka beberapa variabel yang masih menggantung dari perhitungan AMOS akan dihapus. Hasil akhir dari penghapusan variabel dan model akhir penelitian ini adalah seperti gambar di bawah ini:
terhadap sikap penggunaan (ATU) model penerapan blendlearning. H6 : Diduga kehadiran nyata (SP) berpengaruh terhadap sikap penggunaan (ATU) Dari 12 (dua belas) hipotesis yang disebutkan terdapat tiga hipotesis yang akan diuji pada penelitian ini. Berdasarkan modifikasi model yang dilakukan. Hipotesis H3, H4, H5, H7, H8, H9, H10, H11 dan H12 tidak diikut sertakan dalam pengujian dikarenakan tidak valid berdasarkan uji model. Dengan demikian, maka pada model akhir, didapat tiga hipotesis yang layak untuk diuji untuk melihat pengaruhnya. a. Hasil Pengujian Hipotesis Tabel 18. Hasil Pengujian Hipotesis Hipotesis CSE – PEOU PEOU - ATU SP – ATU
Sig 0.000 0.000 0.000
Hasil Hipotesis Tolak H0 Tolak H0 Tolak H0
Berdasarkan uji Hipotesis di atas, maka penerimaan model blendlearning sebagai metode kuliah online pada Fakultas Teknologi Informasi Universitas Budi Luhur dipengaruhi oleh varabel laten yaitu CSE, PEOU, ATU, dan SP. Dengan melihat uji hipotesis tersebut dapat ditarik hubungan kausal antara variabel CSE dengan PEOU, PEOU dengan ATU, dan SP dengan ATU berpengaruh secara signifikan. Sementara hipotesis umumnya adalah terdapat hubungan kausal antara faktorfaktor yang mempengaruhi penerimaaan model blendlearning sebagai metode kuliah online pada Fakultas Teknologi Informasi Universitas Budi Luhur.
Gambar 12. Hasil Model Akhir dengan Analisis Jalur yang Dimodifikasi Berdasarkan hasil Run AMOS 18 pada model analisis jalur akhir yang telah dimodifikasi, maka dapat dikatakan model akhir dinyatakan tidak fit < 0.05. Data pada penelitian ini dilakukan analisis model dua tahap yaitu CFA (Confirmatory Factor Analysis) dan dilajutkan dengan analisis jalur.
Interpretasi Model Berdasarkan modifikasi model dan hasil pengujian hipotesis maka model yang didapatkan pada penelitian ini adalah:
Uji Parameter Model Struktural Uji Hipotesis H1 : Diduga kemampuan menggunakan (CSE) secara signifikan berpengaruh terhadap kemudahan penggunaan (PEOU) model penerapan blendlearning. H2 : Diduga kemudahan penggunaan (PEOU) secara signifikan berpengaruh
Gambar 13. Hasil Model Akhir Penelitian
11
Jurnal TELEMATIKA MKOM, Vol.3 No.1, Maret 2011 ISSN 2085-725X
Berdasarkan penelitian penerimaan model blendlearning sebagai metode kuliah online pada Fakultas Teknologi Informasi Universitas Budi Luhur dengan model tersebut diatas, dapat diketahui bahwa penerimaannya dipengaruhi oleh variabel kemampuan menggunakan komputer (CSE), persepsi kemudahan yang didapat (PEOU), sikap penggunaan (ATU) dan kehadiran sosial Dosen/Pengajar (Social Presence). Hasil akhir yang diterima merupakan hasil yang diterapkan pada ruang lingkup Fakultas Teknologi Informasi Universitas Budi Luhur dan tidak dapat digeneralisir.
mudah sembarang user dapat login ke website tersebut Daftar Pustaka [1] Darin, E.Hartley, “Selling E-Learning, American Society for Training and Development”, 2001. [2] Soekartawi, ”Merancang dan Menyelenggarakan e-learning”, Yogyakarta: Ardana Media, 2007. [3] Davis F. D, “Perceived Usefullness, Perceived Ease of Use, of Information Technology “, MIS Quarterly, 1989. [4] Siregar, Juanita,” Analisis Penerapan E-Learning Sebagai Sarana Pendukung Sistem Pembelajaran Berdasarkan Pendekatan TAM : Studi Kasus pada Universitas Bunda Mulia Jakarta”, Tesis, Jakarta, Universitas Budi Luhur, 2007. [5] Masrom, Maslin “Technology Acceptance Model and E-learning”, 2007, http://eprints.utm.my (diakses pada tanggal 13 Januari 2011). [6] Hassanein, Khaled S., Milena M. Head, ”Building Online Trust Through Socially Rich Web Interfaces”, 2004. [7] Dodi Irawan Syarif, Dana Indra Sensuse, Kajian Penerimaan Teknologi Internet pada Organisasi Pemerintah Berdasarkan Konsep Technology Acceptance Model (TAM) : Studi Kasus Direktori Jendral Pendidikan Islam Departemen Agama R.I, Jurnal Sistem Informasi MTI Vol. 3-No. 1 April 2007. [8] Hair, J. F., “Multivariat Data Analyst”, fifth edition, New Jersey, Pearson Education International, Inc., 2006. [9] Marakas, G.M., Yi, M.Y. and Johnson, R.D. "The Multilevel and Multifaceted Character of Computer Self-Efficacy: Toward Clarification of the Construct and an Integrative Framework for Research," Information Systems Research (9:2), 1998,
5. PENUTUP Kesimpulan Berdasarkan hasil analisis dan interpretasi maka penulis menyimpulkan bahwa: 1) Faktor-faktor yang dapat mempengaruhi penerimaan model blendlearning sebagai metode kuliah online pada Fakultas Teknologi Informasi Universitas Budi Luhur, yaitu CSE, PEOU, ATU, dan SP. 2) Diketahui hubungan kausal antara faktor-faktor yang mempengaruhi penerimaan model blendlearning sebagai metode kuliah online: a. Penggunaan website elearning dipengaruhi oleh faktor CSE, PEOU, ATU, SP. b. CSE berpengaruh terhadap PEOU c. PEOU berpengaruh terhadap ATU d. SP berpengaruh terhadap ATU Saran-saran Adapun saran yang diajukan adalah: 1. Infrastruktur Universitas Budi Luhur sebaiknya memiliki bandwith yang cukup agar mudah pengaksesan website. 2. Dalam aspek protokol keamanan, Universitas Budi Luhur harus memperhatikan keamanan pada website e-learning. Perlu ditambahkan validasi atau key question bagi user agar tidak
12