ANALISA PENGARUH PENGGUNAAN INTERNET SEBAGAI MEDIA BELAJAR, MOTIVASI BELAJAR DAN KREATIVITAS TERHADAP PRESTASI BELAJAR SISWA DENGAN MENGGUNAKAN STRUCTURAL EQUATION MODELING (Studi Kasus SMAN 1 Probolinggo) 1
Azwar Rhosyied, dan 2Bambang Wijanarko Otok Jurusan Statistika Institut Teknologi Sepuluh Nopember (ITS) Surabaya Kampus ITS Sukolilo Surabaya 60111
E-mail :
[email protected],
[email protected]
Abstrak Penggunaan internet sebagai media belajar sangat membantu para akademisi dalam belajar. Keberadaan internet bisa berdampak positif dan sekaligus bisa berdampak negatif bagi remaja dan pelajar. Wawasan tentang karakteristik remaja pelajar dalam mangakses internet perlu diketahui oleh orang tua dan guru sebagai upaya kontrol terhadap penggunaan internet. Penggunaan internet sebagai media belajar mampu mempengaruhi motivasi belajar siswa sekaligus meningkatkan kreativitasnya. Tujuan akhirnya adalah tercapainya prestasi belajar yang memuaskan. Tujuan penlitian ini adalah mengkaji dampak penggunaan internet sebagai media belajar terhadap prestasi belajar siswa. Metode analisis yang dipakai adalah Confirmatory Factor Analysis (CFA) untuk mengkonfiirmasi indikator terhadap variabel laten. Dan juga model Structural Equation Modeling (SEM) untuk mengetahui besar ukuran pengaruh variabel laten ke variabel laten lain. Hasil yang diperoleh adalah penggunaan internet sebagai media belajar berpengaruh positif terhadap motivasi belajar, kerativitas serta berpengaruh secara tidak langsung terhadap prestasi belajar. Kata kunci : Confirmatory Factor Analysis, SEM, Media Belajar Internet
1. Pendahuluan Menurut Rahardjo (2002) sebagaimana dikutip di situs depdiknas, bahwa manfaat internet bagi pendidikan adalah dapat menjadi akses kepada sumber informasi, akses kepada nara sumber, dan sebagai media kerjasama (pustekkom.depdiknas.go.id). Sehingga penggunaan internet yang intensif dan tepat guna akan mempunyai korelasi yang signifikan terhadap prestasi belajar. Ibrahim (1982) dalam Dubatar (2008) mengatakan bahwa media belajar mampu mebangkitkan minat dan motivasi siswa dalam belajar. Fasilitas internet sebagai penunjang kegiatan belajar mengajar di kalangan siswa sekolah menengah atas sudah mulai diterapkan. Motivasi belajar yang tinggi akan mampu menunjang prestasi siswa. Hal ini dikuatkan oleh hasil penelitian Supartini (2008), bahwa motivasi belajar berpengaruh secara signifikan terhadap hasil belajar atau prestasi belajar siswa. Selain itu, ternyata internet sebagai media belajar juga mampu merangsang kreativitas seseorang. Menurut Surya (2006) bahwa Teknologi Informasi dan Komunikasi (TIK) akan memberikan peluang berkembangnya kreativitas dan kemandirian belajar siswa. Kreativitas sama absahnya seperti intelegensi sebagai prediktor prestasi sekolah (Munandar, 1977). Structural Equation Modeling (SEM) adalah metode multivariat yang penggunaanya menekankan pada teori yang sebelumnya ada. Oleh karena itu, hipotesis yang digunakan dalam penelitian ini merupakan hasil teori dan penelitian empiris yang sudah dilakukan. Tujuan penelitian ini adalah untuk mengetahui karakteristik siswa dalam menggunakan internet serta mengetahui pengaruh penggunaan internet sebagai media belajar terhadap motivasi belajar, kreativitas dan prestasi belajar siswa. Sehingga hasil yang didapat bisa menjadi kontrol serta pengembangan bagi guru dan orang tua terhadap penggunaan internet di kalangan siswa. 2. Tinjauan Pustaka Internet Sebagai Media Belajar Isa & Mu’adz (2007) dalam penelitiannya merinci proses belajar melalui media internet adalah akses sumber yang relevan, download informasi yang relevan, berinteraksi dengan sumber, berinteraksi dengan orang lain tentang sumber, membuat analisis tentang sumber, dan memiliki saran atau respon tentang sumber.
1
Motif dan Motivasi Belajar Motif adalah kekuatan yang memobilisasi dan menyalurkan energi itu sendiri digerakkan oleh suatu keadaan tertentu yang mendorong suatu organisme ke arah keadaan tertentu. Dalam kegiatan proses belajar akan berhasil baik, kalau siswa tekun mengerjakan tugas, ulet dalam memecahkan berbagai masalah dan hambatan secara mandiri. Siswa yang belajar dengan baik tidak akan terjebak pada sesuatu rutinitas dan mekanis, mampu mempertahankan pendapatnya kalau diyakini dan dipandangnya cukup rasional. Bahkan seorang siswa yang memiliki motivasi belajar yang kuat peka dan responsif terhadap berbagai masalah umum, dan memikirkan bagaimana pemencahannya. Diantara ciri orang yang termotivasi adalah cepat bosan dengan tugas-tugas rutin dan tidak cepat puas dengan hasil yang telah didapatkan.(Sadirman, 2000). Sedangkan menurut Frandsen dalam Sadirman (2000) disebutkan bahwa hal yang modorong seseorang untuk belajar diantaranya adalah selalu ingin tahu dan adanya keinginan untuk memperbaiki kegagalan di masa lalu dengan usaha yang lebih keras. Kreativitas Kreativitas adalah suatu gaya hidup, suatu cara dalam mempersepsi dunia. Hidup kreatif berarti mengembangkan talenta yang dimiliki, belajar menggunakan kemampuan diri sendiri secara optimal; menjajaki gagasan baru, tempat-tempat baru, aktivitas-aktivitas baru; mengembangkan kepekaan terhadap masalah lingkungan, masalah orang lain, masalah kemanusiaan (Munandar, 2002:25). Analisis Faktor Konfirmatori Model pengukuran merepresentasikan dugaan hipotesis yang sudah ada sebelumnya yaitu hubungan antara indikator-indikator dengan faktornya yang dievaluasi dengan menggunakan teknik analisis faktor konfirmatori (Kline, 2005). Jika diambil p = 2, maka model Analisis Faktor Konfirmatori adalah
x1 = λ1ξ + δ 1
x 2 = λ 2ξ + δ 2
(1)
λ1 dan λ2 nilai loading faktor yang menyatakan seberapa jauh pengaruh variabel observasi dalam membentuk variabel laten (Bollen,1989). Sedangkan measurement error ( δ ) = 1 – (standardized loading2). Keandalan variabel laten dapat diketahui dari nilai Construct Reliability ( ρ c ) dengan rumus sebagai berikut p
CR =
( ∑ λi ) 2 i =1
p
p
(2)
[( ∑ λi ) + ( ∑ ε i )] 2
i =1
i =1
dimana CR = Construct Reliability, λ = loading factor variabel indikator, ε = error variance variabel indikator, p = banyaknya indikator variabel laten (Hair et al., 2006) Persamaan Model Struktural (SEM) SEM merupakan integrasi dari Analisis Faktor Konfirmatori dan Analisis Jalur (Path Analysis). Model umum persamaan Model Struktural adalah. (3) η (mx1) = B(mxm )η mx1 + Γ(mxn )ξ (nx1) + ζ (mx1)
η adalah variabel laten endogen, B koefisien pengaruh variabel laten endogen, Γ adalah koefisien pengaruh variabel laten eksogen, ξ adalah variabel laten eksogen, ζ adalah error model. (Johnson, 1996)
2
Uji Kesesuaian Model Diantara uji kesesuaian model struktural yang paling diperlukan adalah Chi-Square statistics dan RMSE atau Root Mean Square Error of Approximation. Nilai Chi-Square statistics yang dihasilkan diharapkan kecil. Sedangkan ukuran kesesuian model berdasarkan RMSE adalah kurang dari sama dengan 0.05. Adapun RMSE antara rentang 0.05 dan 0.08 menunjukkan good fit, rentang 0.08 sampai 0.1 menunjukkan mediocre dan RMSE lebih dari 0.1 menunjukkan poor fit (Brown, 1993 dan McCallum, 1996 dalam Wijayanto, 2008). Menurut Brown (1993) dalam Ghozali & Fuad (2005) RMSEA merupakan indikator yang paling informatif. Estimasi Parameter Estimasi parameter model pengukuran dilakukan dengan membandingkan matriks varians kovarians model pengukuran dengan matriks varian kovarians data observasi. (Ferron, 2007)
()
∑ (θ ) = ∑ θˆ
⎛ λ12 + V (δ1 ) λ1λ2 ⎞ ⎛ Var (x1 ) Cov( x1 , x2 )⎞ ⎟ = ⎜⎜ ⎜ 2 ⎟ Cov( x , x ) Var ( x ) ⎟⎟ ⎜ λλ ( ) λ δ + V 2 1 2 ⎝ ⎠ 2 1 2 2 ⎠ ⎝
(4)
Sedangkan estimasi parameter model struktural dilakukan dengan metode Maximum Likelihood.
(
)(
)
⎡Λ (I − β )−1 ΓΦΓ ' + Ψ (I − β )−1 ' Λ' + θ ε y Σ(θ ) = ⎢ y −1 ' ' ' ⎢⎣ Λ x ΦΓ (I − β ) Λ y
[
]
Λ y (I − β ) ΓΦΛ' x ⎤ ⎥ Λ x ΦΛ' x + θ δ ⎥⎦ −1
(5)
Σ(θ ) adalah bentuk matriks varian kovarian SEM. Setelah matriks varian kovarian data observasi diketahui (S), selanjutnya adalah mensubstitusikan matriks Σ(θ ) dan S ke dalam persamaan Maximum Likelihood berikut
(
)
FML = log Σ(θ ) + tr SΣ −1 (θ ) − log S − ( p + q )
(6)
3. Metodologi Penelitian Sumber data penelitian ini adalah siswa SMA Negeri 1 Probolinggo. Sampel diambil secara random dengan metode sampling stratifikasi proporsional berdasarkan kelas. Sebanyak 195 siswa terambil sebagai responden dengan rincian kelas X 69 siswa, kelas XI 69 siswa dan kelas XII 57 siswa. Variabel yang digunakan adalah variabel karakteristik demografi, variabel perilaku penggunaan internet dan 4 variabel laten sebgai input untuk analisis SEM, yaitu Internet sebagai Media Belajar (MI), Motivasi Belajar (MB), Kreativitas (KR), dan Prestasi Belajar (PB). Berikut adalah diagram jalur hipotesisnya .
Gambar 1. Diagram Jalur (Path Diagram)
Adapun langkah-langkah analisis yang diterapkan adalah : 1. Melakukan analisis deskriptif untuk mengetahui deskripsi karakteristik responden 2. Pengujian multinormalitas dan linearitas, multikolinearitas dan deteksi outlier
3
3. 4. 5. 6.
Melakukan model pengukuran tiap variabel laten dengan Analisis Faktor Konfirmatori Mengkonstruksi diagram path untuk membangun model struktural berdasarkan teori yang ada. Mengevaluasi goodness of fit model pengkuran dan model struktural Memodifikasi model yang terbukti tidak memiliki kesesuaian model berdasarkan kriteria.
4. Analisis Data dan Pembahasan 4.1 Statistik Deskriptif Dari analisa statistik deskriptif didapat hasil bahwa siswa SMA Negeri 1 Probolinggo sudah mengenal internet 1 sampai 3 tahun yang lalu. Artinya, pengimplementasian internet sudah mereka kenal sejak kelas VII sampai kelas IX. Hasil selengkapnya bisa dibaca pada Tabel 1 dibawah ini. Tabel 1 Pengalaman Berinternet Kelas kelas X kelas XI kelas XII
<6 bulan 3 (4.3%) 4 (5.8%) 0
lama pengalaman berinternet 6-12 1-3 3-6 bulan tahun tahun 8 22 33 (11.6%) (47.8%) (31.9%) 23 5 33 (7.2%) (47.8%) (33.3%) 19 2 31 (3.5%) (54.4%) (33.3%)
Total
>6 tahun 3 (4.3%) 4 (5.8%) 5 (8.8%)
69 (100%) 69 (100%) 57 (100%)
SIswa SMA negeri 1 Probolinggo mengaku bahwa internet memiliki banyak sisi kelebihan dibandingkan dengan dokumen konvensional. Hal ini bisa diketahui dari hasil statistik deskriptif Tabel 2 dibawah ini dengan menggunakan lima pembanding. Tabel 2 Perbandingan Internet dengan Dokumen Konvensional Waktu Menghemat waktu (93%) Menghabiskan waktu (7%) Lebih informatif (94%)
Informatif Harga
Lebih mahal (48%) Lebih berguna (94%) Lebih disukai (99%)
Kegunaan Prefereble
Kurang informatif (6%) Tidak mahal (52%) Kurang berguna (6%) Kurang disukai (1%)
Dari hasil analisa statistik deskriptif diketahui dari lima tingkat kepentingan tujuan akses internet, terbanyak untuk tingkat kepentingan tertinggi adalah untuk jejaring sosial 34.8%, kemudian mengerjakan tugas sekolah 31.3%, untuk pengetahuan dan edukasi 18.5%, chatting 12.8%, game online 9.2% dan informasi dan berita 7.2%. Untuk selengkapnya bisa dilihat pada Tabel 3 berikut. Tabel 3. Tabulasi Silang Antara Tujuan Akses Internet dan Kepentingan Kepentingan
Tujuan Informasi dan berita pengetahuan dan edukasi mengerjakan tugas sekolah jejaring sosial chatting game online
total
1 22 (11.3%)
2 47 (24.1%)
3 66 (33.8%)
4 46 (23.6%)
5 14 (7.2%)
10 (5.1%)
34 (17.4%)
56 (28.7%)
59 (30.3%)
36 (18.5%)
5 (2.6%)
15 (7.7%)
40 (20.5%)
74 (37.9%)
61 (31.3%)
20 (10.3%)
21 (10.8%)
38 (19.5%)
48 (24.6%)
68 (34.8%)
195 (100%)
48 (24.6%)
48 (24.6%)
44 (22.6%)
30 (15.4%)
25 (12.8%)
195 (100%)
110 (56.4%)
35 (17.9%)
17 (8.7%)
15 (7.7%)
18 (9.2%)
195 (100%)
4
195 (100%) 195 (100%) 195 (100%)
Dari Tabel 3 di atas diketahui bahwa selain jejaring sosial, tujuan yang paling penting juga adalah untuk mengerjakan tugas sekolah. Mata pelajaran yang paling banyak menerapkan internet sebagai sarana proses belajar-mengajar di SMAN 1 Probolinggo adalah Biologi dan TIK (Teknologi Informasi dan Komunikasi). Sedangkan tempat akses internet berdasarkan intensitas, sebanyak 70.8% siswa mengatakan tidak pernah mengakses internet di rumah, 8.7% pernah dengan tingkat intensitas kurang dari 1 jam/minggu. Untuk tingkat intnesitas 3-5 jam/minggu dilakukan oleh 9.2% siswa di rumah, sisanya 11.3% mengaksesnya dengan intensitas lebih dari 5 jam/minggu. Selengkapnya bisa dilihat pada Tabel 4 berikut. Tabel 4. Tabulasi Silang Antara Tempat Akses dan Intensitas Akses Internet Intensitas Tempat
Total
Tidak pernah
<1 jam/minggu
3-5 jam/minggu
>5 jam/minggu
Rumah
138 (70.8%)
17 (8.7%)
18 (9.2%)
22 (11.3%)
195 (100%)
Sekolah
3 (1.5%)
86 (44.1%)
97 (49.7%)
9 (4.6%)
195 (100%)
104 (53.3%) 31 (16.0%)
40(20.5%) 29 (14.9%)
195 (100%)
Warnet
7 (3.6%)
44 (22.6%)
Handphone
59 (30.3%)
76 (39.0%)
195 (100%)
4.2 Analisis Faktor Konfirmatori Langkah pertama dalam analisis SEM adalah melakukan konfirmatori atau validitas indikator-indikator yang mengukur tiap variabel laten. Statistk uji untuk analisis faktor konfirmatori adalah distribusi t. Indikator dikatakan signifikan mengukur variabel laten jika nilai t-value>1.96. Hasilnya adalah untuk variabel laten Media Belajar Internet (MDB), Kreativitas (KR) dan Prestasi Belajar (PB) masing-masing indikator yang mengukurnya signifikan secara statistik. Sedangkan untuk variabel laten Motivasi Belajar (MB) terdapat satu indikator yang tidak signifikan, yaitu MB5. Indikator MB5 ini merepresentasikan kebosanan dengan tugas-tugas rutin. Sehingga untuk analisis SEM selanjutnya, indikator MB5 tidak diikutsertakan. Setelah diketahui nilai loading factor beserta signifikansi masing-masing indikator yang mengukur variabel laten, maka selanjutnya memeriksa kesesuaian model pengukuran tiap variabel laten. Berikut disajikan ukuran kesesuaian model pengukuran tiap variabel laten setelah dilakukan modifikasi. Tabel 5 Goodness of fit Index Model Pengukuran Hasil Modifikasi Goodness of fit index Chi-Square P-value RMSEA GFI AGFI CFI
Cut of f value
MDB 4.46 0.108 0.08 0.99 0.93 0.99
Diharapkan kecil ≥ 0.05 ≤ 0.08 ≥ 0.9 ≥ 0.9 ≥ 0.9
Variabel Laten MB KR 96.39 26.97 0.043 0.249 0.052 0.000 0.94 0.97 0.92 0.95 0.88 1.00
PB 3.58 0.611 0.00 0.99 0.98 1.00
Dari Tabel 5 di atas menunjukkan bahwa nilai tiap indeks goodness of fit masing-masing variabel sudah memenuhi kriteria (cut off value). Diantara kriteria yang ada, RMSEA merupakan kriteria yang paling informatif (Brown & Cudeck, 1993 dalam Ghozali & Fuad, 2005). Sehingga walaupun indeks CFI untuk variabel MB tidak memenuhi kriteria, yaitu 0.88 < 0.9, namun tidak bisa menjustifikasi ketidaksesuaian model pengukuran untuk variabel MB. Hal ini karena nilai indeks yang lain, terkhusus RMSEA sudah menunjukkan kesesuaian model MB.
5
4.3 Model Struktural Prosedur selanjutnya adalah melakukan analisis SEM atau model persamaan struktural dengan melibatkan semua indikator yang signifikan secara statistik. Pada analisis faktor konfirmatori sebelumnya, diketahui bahwa indikator MB5 tidak signifikan secara statistik, sehingga pada analisa SEM ini tidak akan diikutisertakan dalam permodelan. Adapun hipoetsis yang diajukan adalah : H1: Media Belajar Internet (MDB) mempengaruhi motivasi belajar (MB) H2: Media Belajar Internet (MDB) mempengaruhi kreativitas (KR) H3: Motivasi Belajar (MB) mempengaruhi prestasi belajar (PB) H4: Kreativitas (KR) mempengaruhi prestasi belajar (PB) Dari hipotesis di atas dibentuk ke dalam diagram jalur (path diagram). Berikut adalah diagram jalur beserta hasil nilai standardized estimate dan nilai t-value persamaan model strukturalnya.
Gambar 2 Nilai Standardized Esstimate Persamaan Model Struktural
Gambar 3 Nilai T-value Persamaan Model Struktural
Dari Gambar 2 dan 3 di atas diringkas pada Tabel 6 berikut ini. Tabel 6 Koefisien Parameter dan Nilai T-value Model Struktural Hipotesis
Path Coeff.
t-value
Keterangan
MDBÆMB
0.75
6.93
Signifikan
MDBÆKR
0.63
4.37
Signifikan
MBÆPB
0.26
2.18
Signifikan
KRÆPB
0.32
2.41
Signifikan
Dari Tabel 6 di atas dijelaskan dalam bentuk model persamaan struktural berikut.
6
Tabel 7 Persamaan Struktural Model MB KR PB
Persamaan
MB = 0.75MDB + 0.44 ζ 1 KR = 0.63MDB + 0.61 ζ 2 PB = 0.26MB + 0.32KR + 0.75 ζ 3
Besar dan arah koefisien lintasan yang distandarkan menunjukkan eratnya hubungan antar variabel. Besar koefisien yang lebih besar dari 0.5 berarti memiliki hubungan yang erat. Dari Tabel 6 di atas dapat diketahui bahwa nilai t-value semua hipotesis lebih besar dari |1.96|, sehingga semua hubungan kausal signifikan secara statistik. Semua koefisien keempat hubungan kausal tersebut positif menandakan arah hubungan yang searah antar variabel. Koefisien hubungan kausal Media Belajar Internet (MDB) dengan Motivasi Belajar (MB) sebesar 0.75. Artinya, jika penggunaan Media Belajar Internet (MDB) naik satu satuan maka akan meningkatkan Motivasi Belajar (MB) sebesar 0.75. Hal ini menunjukkan sangat eratnya hubungan antara penggunaan media belajar internet dalam meningkatkan motivasi belajar siswa. Tanda koefisien yang positif merepresentasikan semakin tinggi penggunaan internet sebagai media belajar, maka akan meningkatkan pula motivasi belajar siswa. Media Belajar Internet (MDB) juga memiliki hubungan yang sangat erat dengan Kreativitas (KR). Hal itu ditunjukkan dengan nilai koefisien sebesar 0.63 yang artinya jika Media Belajar Internet (MDB) naik satu satuan maka akan meningkatkan Kerativitas (KR) sebesar 0.63. Tanda koefisien yang positif merepresentasikan semakin tinggi penggunaan media belajar internet maka akan semakin meningkatkan kreativitas siswa. Sedangkan Motivasi Belajar (MB) memiliki hubungan yang cukup erat dengan Prestasi Belajar (PB). Hal itu ditunjukkan dengan besaran koefisien sebesar 0.26, yang artinya jika Motivasi Belajar (MB) naik satu satuan maka akan meningkatkan Prestasi Belajar (PB) sebesar 0.26. Tanda koefisien positif merepresentasikan semakin besar motivasi belajar siswa maka akan meningkatkan prestasi belajarnya. Hubungan kausal Kreativitas (KR) dengan Prestasi Belajar (PB) dinilai cukup erat. Hal ini didasarkan pada nilai koefisien sebesar 0.32 yang artinya jika Kreativitas (KR) naik satu satuan maka akan meningkatkan Prestasi Belajar (PB) sebesar 0.32. Tanda koefisien positif mmerepresentasikan semakin tinggi kreativitas siswa maka akan semakin tinggi pula prestasi belajar siswa tersebut. Dari keterangan Tabel 7 di atas, Kreativitas (KR) memiliki pengaruh lebih besar terhadap Prestasi Belajar (PB) dibandingkan dengan Motivasi Belajar (MB) jika secara bersama-sama mempengaruhi variabel Prestasi Belajar (PB). Setelah model struktural terbentuk, maka selanjutnya menilai kesesuain model strukturalnya berdasarkan beberapa kriteria index dalam Tabel 8 di bawah ini. Tabel 8 Goodness of fit Model Struktural Goodness of fit index
Cut off value
Chi-Square P-value RMSEA GFI AGFI CFI
≥ 0.05 ≤ 0.08 ≥ 0.9 ≥ 0.9 ≥ 0.9
Hasil model
Keterangan
791.35
Diharapkan kecil
0.000
Kurang Baik
0.066
Baik
0.79
Kurang Baik
0.76
Kurang Baik
0.74
Kurang Baik
Dari Tabel 8 di atas dapat diketahui bahwa model struktural sudah menunjukkan good fit jika dilihat dari nilai kriteria RMSEA yang kurang 0.08. Menurut Brown (1993) dalam Ghozali & Fuad (2005) RMSEA merupakan indikator yang paling informatif dibandingkan yang lainnya.
7
4.4 Analisis Pengaruh Langsung (Direct Effect), Tidak Langsung (Indirect Effect) dan Pengaruh Total Selain bisa mengetahui besarnya pengaruh langsung variabel satu ke variabel lainnya, analisa SEM juga mampu mengetahui pengaruh tidak langsung antar variabel. Berikut adalah hasil rangkumannya dalam bentuk tabel.
Tabel 9 Pengaruh Langsung, Tidak Langsung dan Total
Pengaruh antar variabel
MDBÆMB MDBÆKR MBÆPB KRÆPB MDBÆPB
Langsung 0.75 0.63 0.26 0.32 -
Pengaruh Tidak langsung melalui MB KR 0.195 0.202
Total 075 063 026 032 0.39
Dari Tabel 9 di atas dapat diketahui pengaruh langsung dan tidak langsung antar variabel laten. Dapat diketahui bahwa tinggi rendahnya Motivasi Belajar (MB) positif dipengaruhi langsung oleh Media Belajar Internet (MDB) sebesar 0.75. Besarnya pengaruh langsung Media Belajar Internet (MDB) terhadap Kreativitas (KR) sebesar 0.63. Sedangkan tinggi rendahnya Prestasi Belajar (PB) positif dipengaruhi langsung oleh Motivasi Belajar (MB) dan Kreativitas (KR) masing–masing sebesar 0.26 dan 0.32. Pengaruh tidak langsung Media Belajar Internet (MDB) terhadap Prestasi Belajar (PB) melalui Motivasi Belajar (MB) sebesar 0.195. Sedangkan pengaruh tidak langsung Media Belajar Internet (MDB) terhadap Prestasi Belajar (PB) melalui Kreativitas (KR) sebesar 0.202. . 5. Kesimpulan dan Saran Berdasarkan hasil analisis dan pembahasan di atas didapatkan beberapa kesimpulan sebagai berikut : 1. Salah satu deskripsi dari segi tujuan penggunaan internet, tujuan yang paling penting siswa SMA Negeri 1 Probolinggo berinternet adalah untuk jejaring sosial. Kemudian diurutan kedua adalah untuk mengerjakan tugas sekolah. Sedangkan tujuan yang paling tidak penting dalam berinternet adalah untuk game online dan chatting. 2. Penggunaan internet sebagai media belajar paling banyak diterapakan pada mata pelajaran Biologi dan TIK (Teknologi Informasi dan Komunikasi). 3. Semakin besar penggunaan internet sebagai media belajar akan meningkatkan pula motivasi belajar dan kreativitas siswa. Semakin besar motivasi belajar siswa maka akan semakin meningkatkan prestasi belajar siswa. Demikian pula semakin tinggi kreativitas siswa maka akan semakin meningkatkan prestasi belajar siswa. Beberapa saran yang dapat direkomendasikan adalah: 1. Sebaiknya dilakukan penelitian serupa dengan jumlah sampel yang lebih besar untuk mendapatkan deskripsi hasil karakteristik pengguna internet yang lebih jelas. 2. Perlu penambahan variabel akibat pengaruh negatif internet sebagai media belajar terhadap siswa sebagai pembanding pengaruh positifnya. 3. Melakukan desain penelitian yang melibatkan konsep perubahan pengaruh penggunaan internet sebagai media belajar.
8
Daftar Pustaka Bollen, Kenneth A. (1989). Structural Equations With Latent Variables. New York :John Wiley & Sons, Inc. Dubatar, Jalarwin. (2008). Pengaruh Media Pembelajaran Terhadap Hasil Belajar Pengelasan Pada Siswa Yang Berprestasi Tinggi Dan Rendah Di SMK SWASTA 1 Trisakti Laguboti Kabupaten Toba Samosir. Ferron, John M. & Hess, Melinda R. (2007). Estimation in SEM: A Concrete Example. Journal of Educational and Behavioral Statistics. Vol.32, No.1, pp. 110-120 Ghozali, I & Fuad. (2005). Structural Equation Modeling (Teori, Konsep dan Aplikasi dengan Program LISREL 8.54). Semarang: Badan Penerbit Universitas Diponegoro. Hair, J.F. JR., Anderson, R.E, Tatham, R.L. & Black, W.C. (2006). Multivariate Data Analysis. Six Edition. New Jersey : Pearson Educational, Inc Johnson RA & Wichern DW. (1992). Applied Multivariate Statistical Analysis. New Jersey: Prentice Hall, Englewood Chiffs. Kline, Rex B. (2005). Principle and Practice of Structural Equation Modeling. Second Edition. New York: The Guilford Press Munandar, Utami. (2002). Kreativitas dan Keberbakatan : Strategi Mewujudkan Potensi Kreatif dan Bakat. Jakarta: PT. Gramedia Pustaka Utama Rahardjo, Budi. Model Inovasi E-learning dalam Meningkatkan-Mutu Pendidikan http://pustekkom.depdiknas.go.id/ index.php?pilih=hal&id=70 [24 Maret 2009] Sadirman A. M. (2000). Interaksi dan Motivasi Belajar-Mengajar. Jakarta: PT Raja Grafindo Persada Sekaran, U. (2006). Metodologi Penelitian untuk Bisnis 2 (Edisi 4). Jakarta: Salemba Empat. Sharma, S. (1996). Applied Multivariate Techniques. John Wiley & Sons. Inc Supartini. Hubungan Motivasi Belajar Dengan Hasil Belajar Siswa di SMK Al-Hidayah I Jakarta Selatan [skripsi]. Jakarta: Fakultas PDU/Administrasi Perkantoran, Sekolah Tinggi Keguruan dan Ilmu Pendidikan (STIKP) Purnama. 2008 Surya, Mohamad. Potensi Teknologi Informasi dan Komunikasi Dalam Penigkatan Mutu Pembelajaran di Kelas. Di dalam: Pemanfaatan Teknologi Informasi dan Komunikasi untuk Pendidikan Jarak Jauh dalam Rangka Peningkatan Mutu Pembelajaran; Jakarta, 12 Desember 2006 Wijayanto, Setyo Hari. (2008). Structural Equation Modeling dengan LISREL 8.8. Yogyakarta: Graha Ilmu
9
