UNIVERSITAS INDONESIA ANALISIS PENERIMAAN DAN PENGGUNAAN E-LEARNING: STUDI KASUS INSTRUKTUR DI PPPPTK BAHASA JAKARTA KARYA AKHIR

UNIVERSITAS INDONESIA

ANALISIS PENERIMAAN DAN PENGGUNAAN E-LEARNING: STUDI KASUS INSTRUKTUR DI PPPPTK BAHASA JAKARTA

KARYA AKHIR

SUGIHARTATI PUJI RAHAYU 1206302794

FAKULTAS ILMU KOMPUTER PROGRAM STUDI MAGISTER TEKNOLOGI INFORMASI JAKARTA JANUARI 2014

Analisis penerimaan ..., Sugihartati Puji Rahayu, Fasilkom UI, 2014

UNIVERSITAS INDONESIA

ANALISIS PENERIMAAN DAN PENGGUNAAN E-LEARNING: STUDI KASUS INSTRUKTUR DI PPPPTK BAHASA JAKARTA

KARYA AKHIR Diajukan sebagai salah satu syarat untuk memperoleh gelar Magister Teknologi Informasi

SUGIHARTATI PUJI RAHAYU 1206302794

FAKULTAS ILMU KOMPUTER PROGRAM STUDI MAGISTER TEKNOLOGI INFORMASI JAKARTA JANUARI 2014


ii


iii


KATA PENGANTAR

Puji syukur saya panjatkan kepada Allah SW, atas berkat dan rahmat-Nya, saya dapat menyelesaikan Karya Akhir ini dengan lancar. Penulisan karya akhir ini dilakukan dalam rangka memenuhi salah satu syarat untuk mencapai gelar Magister Teknologi Informasi pada Program Studi Magister Teknologi Informasi, Fakultas Ilmu Komputer - Universitas Indonesia. Saya menyadari bahwa tanpa bantuan dan bimbingan dari berbagai pihak, sangatlah sulit bagi saya untuk menyelesaikannya. Oleh karena itu, saya mengucapkan terima kasih kepada: 1. Bapak Dana indra Sensuse, Ph.D., selaku dosen pembimbing yang telah menyediakan waktu, tenaga, dan pikiran untuk mengarahkan saya dalam penyusunan karya akhir ini; 2. Bapak Dr. Achmad Nizar Hidayanto dan Dr. Indra Budi sebagai dosen penguji yang telah meluluskan saya dalam sidang karya akhir; 3. Kepala PPPPTK Bahasa, Ibu Dr. Hj. Teriska R. Setiawan. M.Ed., yang telah memberikan kesempatan bagi saya untuk mendapatkan beasiswa melanjutkan pendidikan jenjang S2; 4. Ibu Dra. Hj. Haslinda Erlina (alm), mantan Kepala Bidang Program dan Informasi PPPPTK Bahasa yang selalu memberikan dukungan kepada saya dalam menempuh pendidikan S2 sampai tutup usia; 5. Ibu Dra. Nurlaila Salim, M.Pd., selaku Kepala Seksi Data dan Informasi PPPPTK Bahasa tempat saya bertugas dan teman-teman seruangan yang selalu memberikan dukungan bagi saya untuk mendapatkan ijin tugas belajar dan meninggalkan tugas kantor untuk sementara waktu; 6. Bapak/Ibu widyaiswara/instruktur PPPPTK Bahasa yang telah banyak membantu dalam usaha memperoleh data yang saya perlukan; 7. Bapak dan Ibu di Semarang yang senantiasa berdoa demi keberhasilan saya; 8. Suami saya tercinta, mas Bambang Hermanto yang selalu memberikan dukungan material dan moral; 9. Anak-anak saya tercinta, Nashwa Khoirunnisa dan Avicenna Algebra Arrantisy yang selalu menjadi penyemangat saya; iv


10. Teman-teman 2012SA MTI UI, atas kebersamaan dan keceriaan ditengahtengah padatnya tugas kuliah selama 3 semester; 11. Irena, Jeng Galuh, dan Yuli, atas kebersamaan dalam berjubelnya kereta sore antara Jakarta – Depok; dan 12. Rekan, sahabat, dan pihak-pihak yang tidak dapat saya sebutkan satu persatu, yang telah membantu dalam menyelesaikan karya akhir ini.

Saya berharap Allah SWT membalas segala kebaikan semua pihak yang telah membantu saya menyelesaikan karya akhir ini. Semoga karya akhir ini dapat memberikan manfaat bagi lembaga saya bekerja dan pengembangan ilmu pengetahuan secara luas.

Jakarta,

Januari 2014 Penulis

v


vi


ABSTRAK

Nama : Sugihartati Puji Rahayu Program Studi : Magister Teknologi Informasi Judul : Analisis Penerimaan dan Penggunaan e-Learning: Studi Kasus Instruktur di PPPPTK Bahasa Jakarta Perkembangan teknologi informasi dan internet berdampak pada pengelolaan dunia pendidikan dan pembelajaran di Indonesia. Pusat Pengembangan dan Pemberdayaan Pendidik dan Tenaga Kependidikan (PPPPTK) Bahasa sebagai lembaga yang mempunyai tanggung jawab meningkatkan mutu pendidik dan tenaga kependidikan (PTK) di Indonesia telah memanfaatkan perkembangan teknologi informasi sebagai strategi untuk memperluas jangkauan dan memperoleh target sasaran yang semakin banyak. Strategi tersebut adalah implementasi elearning dalam sistem diklat yang bertujuan untuk mempercepat dan mempermudah penyampaian informasi bagi PTK Bahasa di seluruh Indonesia. Setelah 2 tahun berjalan, pemanfaatan dan penggunaan e-learning di PPPPTK Bahasa belum mencapai sasaran yang diharapkan. Dalam upaya mengoptimalkan pemanfaatan dan penggunaan e-learning, dilakukan penelitian tentang faktor-faktor yang mempengaruhi penerimaan dan penggunaan e-learning tersebut. Penelitian fokus pada penerimaan dan penggunaan e-learning oleh widyaiswara/instruktur PPPPTK Bahasa sebagai pengguna, pengajar, dan pengembang konten. Penelitian ini menggunakan pendekatan model UTAUT. Model UTAUT dimodifikasi dengan menambahkan beberapa variabel dengan merujuk pada penelitian-penelitian sebelumnya.Variabel yang digunakan antara lain performance expectancy, effort expectancy, social influence, facilitating conditions, attitude toward using technology, self-efficacy, information quality, system quality, service quality, behavioral intention, actual use, dan moderator usia. Metode analisis data yang digunakan adalah Structural Equation Modeling dengan Partial Least Square (PLS-SEM) menggunakan smartPLS. Hasil penelitian menyatakan bahwa faktor-faktor yang mempengaruhi penggunaan e-learning oleh widyaiswara/instruktur di PPPPTK Bahasa adalah facilitating conditions, service quality, attitude toward using technology, dan behavioral intention. Pengaruh faktor-faktor tersebut tidak dipengaruhi oleh faktor usia. Kata Kunci: e-learning, UTAUT, PLS-SEM xv + 142 halaman; 29 gambar; 21 tabel; 4 Lampiran

vii

Universitas Indonesia


ABSTRACT

Name : Sugihartati Puji Rahayu Study Program : Magister Teknologi Informasi Title : Acceptance and Use Analysis of e-Learning: A Case Study at Instructors of PPPPTK Bahasa Jakarta The development of information technology and internet have impact on the management of education and learning in Indonesia. PPPPTK Bahasa as a center for development and empowerment of language’s teachers and education personnels has the responsibility for improving the quality of teachers and education personnels in Indonesia. PPPPTK Bahasa have made use of information technology as a strategy to expand and acquiring more targets. The strategy is the implementation of e-learning in education and training system, which aims to speed up and simplify the delivery of information for language’s teachers and education personnels in Indonesia. After 2 years of implementation, utilization and use of e learning in PPPPTK Bahasa did not achieve the expected goals. In order to optimize the utilization and use of e-learning, conducted research on the factors that influence the acceptance and use of e-learning. The study focused on the acceptance and use of e-learning by lecturers/instructors as a user, teacher, and content developers. This research used UTAUT model approach. UTAUT model was modified by adding several variables that refered to preview studies. The variables in theoritical framework include performance expectancy, effort expectancy, social influence, facilitating conditions, attitude toward using technology, self-efficacy, information quality, system quality, service quality, behavioral intention, actual use, and age as a moderator. Methods of data analysis using Structural Equation Modeling with Partial Least Square (PLS-SEM) and smartPLS as tool. This study states, the factors that affect the use of e-learning by lecturers/instructors in PPPPTK Bahasa are facilitating conditions, service quality, attitude toward using technology, and behavioral intention. This influence is not influenced by age. Keywords: e-learning, UTAUT, PLS-SEM xv + 142 pages; 29 figures; 21 tables; 4 attachments

viii



DAFTAR ISI

HALAMAN JUDUL ............................................................................................ i HALAMAN PERNYATAAN ORISINALITAS .................................................. ii HALAMAN PENGESAHAN ............................................................................. iii KATA PENGANTAR ........................................................................................ iv HALAMAN PERNYATAAN PERSETUJUAN PUBLIKASI ............................ vi ABSTRAK ........................................................................................................ vii ABSTRACT ..................................................................................................... viii DAFTAR ISI ...................................................................................................... ix DAFTAR TABEL ............................................................................................. xii DAFTAR GAMBAR ........................................................................................ xiii DAFTAR RUMUS ........................................................................................... xiv DAFTAR LAMPIRAN ...................................................................................... xv 1. PENDAHULUAN .......................................................................................... 1 1.1 Latar Belakang ....................................................................................... 1 1.2 Perumusan Masalah ................................................................................ 4 1.3 Tujuan Penelitian .................................................................................... 7 1.4 Manfaat Penelitian .................................................................................. 7 1.5 Ruang Lingkup Penelitian ....................................................................... 7 1.6 Sistematika Penulisan ............................................................................. 7 2. LANDASAN TEORI...................................................................................... 9 2.1 e-Learning .............................................................................................. 9 2.1.1 Sejarah e-Learning ....................................................................... 9 2.1.2 Definisi dan Komponen e-Learning ............................................ 10 2.1.3 Keunggulan dan Kelemahan e-Learning ..................................... 12 2.1.4 Keberhasilan dan Kegagalan dalam Implementasi e-Learning..... 14 2.2 User Acceptance ................................................................................... 15 2.3 Unified Theory of Acceptance and Use of Technology (UTAUT) .......... 20 2.4 Updated DeLone and McLean Information Systems (IS) Success Model 24 2.5 Penelitian Sebelumnya .......................................................................... 27 2.5.1 “Analisis Model Penerimaan Pengguna dengan Model UTAUT: Studi Kasus e-Learning Program Vokasi Universitas Indonesia” oleh Purwanto (2011) ................................................................. 28 2.5.2 “Student Acceptance of Web-based Learning System” oleh Din Jong dan Wang (2009) ................................................................ 29 2.5.3 “System Characteristics, Satisfaction, and e-Learning Usage: A Structural Equation Model (SEM)” oleh Ramayah dan Lee (2010) ................................................................................................... 33 2.5.4 “Instructor's Acceptance of Learning Management Systems: A Theoretical Framework” oleh Al-Busaidi dan Al-Shihi (2010) ... 35 2.5.5 “Intention to Use Digital Library based on Modified UTAUT Model: Perspectives of Malaysian Postgraduate Students” oleh Rahman, dkk (2011) ................................................................... 37 2.6 Survey Research (Penelitian Survei) ..................................................... 39 ix



2.7

Sampling............................................................................................... 40 2.7.1 Probability Sampling .................................................................. 41 2.7.2 Nonprobability Sampling ............................................................ 41 2.8 Data Penelitian dan Skala Pengukuran .................................................. 42 2.8.1 Tipe Data .................................................................................... 42 2.8.2 Skala Pengukuran Likert ............................................................. 44 2.9 Structural Equation Modeling dengan Partial Least Square (PLSSEM) .................................................................................................... 45 2.9.1 Model Pengukuran (Outer Model) .............................................. 49 2.9.2 Model Struktural (Inner Model) .................................................. 54 2.9.3 Tahapan Analisis Partial Least Square (PLS) ............................. 56 2.10 Kerangka Teori ..................................................................................... 59 2.11 Perbandingan Kerangka Teori dengan Model Penelitian Sebelumnya ... 68 3. METODOLOGI PENELITIAN .................................................................. 71 3.1 Identifikasi Masalah.............................................................................. 72 3.2 Perumusan Tujuan, Manfaat, dan Ruang Lingkup Penelitian................. 72 3.3 Studi Literatur....................................................................................... 72 3.4 Perumusan Hipotesis ............................................................................ 73 3.5 Penyusunan Kuesioner .......................................................................... 73 3.6 Pengumpulan Data ................................................................................ 74 3.7 Pengolahan Data ................................................................................... 74 3.8 Analisis Data dan Penarikan Kesimpulan .............................................. 78 4. PROFIL ORGANISASI .............................................................................. 79 4.1 Sejarah Organisasi ................................................................................ 79 4.2 Struktur Organisasi ............................................................................... 80 4.3 Tugas, Visi dan Misi Organisasi ........................................................... 81 4.4 Tata Nilai dan Motto Organisasi ........................................................... 83 4.5 Implementasi e-Learning PPPPTK Bahasa ........................................... 84 5. ANALISIS DAN PEMBAHASAN .............................................................. 90 5.1 Karakteristik Responden ....................................................................... 90 5.2 Transformasi Data ................................................................................ 93 5.3 Metode PLS-SEM................................................................................. 94 5.3.1 Merancang Model Struktural (Inner Model)................................ 95 5.3.2 Merancang Model Pengukuran (Outer Model) ............................ 96 5.3.3 Diagram Jalur ............................................................................. 96 5.3.4 Konversi Diagram Jalur dalam Sistem Persamaan....................... 97 5.3.5 Estimasi Parameter, Uji Kecocokan Model, dan Uji Hipotesis .. 100 5.4 Interpretasi Model............................................................................... 124 5.4.1 Fasilitas Pendukung (Facilitating Conditions) .......................... 126 5.4.2 Kualitas Pelayanan e-Learning (Service Quality) ...................... 128 5.4.3 Minat (Behavioral Intention) .................................................... 129 5.4.4 Reaksi Afektif atau Sikap terhadap Teknologi (Attitude toward Using Technology).................................................................... 130 5.4.5 Faktor Usia ............................................................................... 132 x



5.5

Implikasi Penelitian ............................................................................ 132 5.5.1 Manajemen/Lembaga ............................................................... 132 5.5.2 Peningkatan Sistem e-Learning................................................. 134 5.5.3 Penelitian Lanjutan ................................................................... 134

6. KESIMPULAN DAN SARAN ................................................................... 136 6.1. Kesimpulan ........................................................................................ 136 6.2. Saran .................................................................................................. 137 DAFTAR REFERENSI ................................................................................. 140 LAMPIRAN

xi



DAFTAR TABEL Tabel 2.1 Kriteria Model Indikator Reflektif dan Formatif ................................. 52 Tabel 2.2 Variabel dan Indikator dalam Kerangka Teori .................................... 61 Tabel 2.3 Perbandingan Model Penelitian .......................................................... 68 Tabel 5.1 Hasil Transformasi Data PE1 ............................................................. 93 Tabel 5.2 Loading Factor Variabel Performance Expectancy (PE) .................. 102 Tabel 5.3 Loading Factor Variabel Effort Expectancy (EE) ............................. 103 Tabel 5.4 Loading Factor Variabel Social Influence (SI) ................................. 103 Tabel 5.5 Loading Factor Variabel Facilitating Conditions (FE) ..................... 104 Tabel 5.6 Loading Factor Variabel Attitude toward Using Technology (AUT). 104 Tabel 5.7 Loading Factor Variabel Self-Efficacy (SE)...................................... 105 Tabel 5.8 Loading Factor Variabel Information Quality (IQ) ........................... 105 Tabel 5.9 Loading Factor Variabel System Quality (SysQ) .............................. 106 Tabel 5.10 Loading Factor Variabel Service Quality (SerQ) ............................ 106 Tabel 5.11 Loading Factor Variabel Behavioral Intention (BI) ........................ 107 Tabel 5.12 Loading Factor Variabel Actual Use (AU) ..................................... 107 Tabel 5.13 Loading Factor Model Re-estimasi 1 ............................................. 109 Tabel 5.14 Loading Factor Model Re-estimasi 2 ............................................. 111 Tabel 5.15 Cross Loading Factor .................................................................... 113 Tabel 5.16 Composite Reliability ..................................................................... 114 Tabel 5.17 Nilai R-Square ............................................................................... 115 Tabel 5.18 Path Coefficients (Mean, STDEV, T-Values)................................... 117

xii



DAFTAR GAMBAR Gambar 1. 1 Fishbone Diagram ........................................................................... 4 Gambar 2.1 Konsep dasar model penerimaan ..................................................... 16 Gambar 2.2 Model UTAUT ............................................................................... 23 Gambar 2.3 Updated DeLone and McLean IS Success Model ............................ 25 Gambar 2.4 Model penelitian Din Jong dan Tzong-Song Wang (2009) .............. 31 Gambar 2.5 Final Model Din Jong dan Tzong-Song Wang (2009) ..................... 32 Gambar 2.6 Model Penelitian Ramayah dan Jason Wai Chow Lee (2010) .......... 33 Gambar 2.7 Instructor's LMS Acceptance Model................................................ 36 Gambar 2.8 Model Penelitian Abdul Rahman, dkk (2011) ................................. 38 Gambar 2.9 Model Struktural PLS ..................................................................... 48 Gambar 2.10 Model Reflektif ............................................................................ 50 Gambar 2.11 Model Formatif............................................................................. 51 Gambar 2.12 Kerangka Teori (Theoritical Framework) ..................................... 59 Gambar 3.1 Metodologi Penelitian ..................................................................... 71 Gambar 4.1 Struktur Organisasi PPPPTK Bahasa .............................................. 80 Gambar 4.2 e-Learning PPPPTK Bahasa ........................................................... 85 Gambar 4.3 Konten e-Learning PPPPTK Bahasa ............................................... 86 Gambar 4.4 Materi Bahasa Inggris ..................................................................... 88 Gambar 4.5 Materi Bahasa Jerman..................................................................... 89 Gambar 5.1 Jenis Kelamin Responden ............................................................... 91 Gambar 5.2 Kelompok Umur Responden ........................................................... 91 Gambar 5.3 Tingkat Pendidikan Responden ....................................................... 92 Gambar 5.4 Jenis Kelamin Responden ............................................................... 92 Gambar 5.5 Inner Model .................................................................................... 95 Gambar 5.6 Diagram Jalur ................................................................................. 96 Gambar 5.7 Hasil Algoritma PLS 1.................................................................. 102 Gambar 5.8 Hasil Algoritma PLS Re-Estimasi 1 .............................................. 108 Gambar 5.9 Hasil Algoritma PLS Re-Estimasi 2 .............................................. 110 Gambar 5.10 Model Akhir ............................................................................... 124

xiii



DAFTAR RUMUS Rumus 2,1 Persamaan Model Indikator Refleksif ............................................... 50 Rumus 2,2 Persamaan Model Indikator Formatif ............................................... 51 Rumus 2,3 Persamaan Inner Model.................................................................... 54 Rumus 2,4 Persamaan Hubungan antar variabel Laten ....................................... 55 Rumus 2,5 Q-square Predictive Relevance ........................................................ 55 Rumus 2,6 Weight Relation................................................................................ 57 Rumus 3,1 Nilai Densitas................................................................................... 75 Rumus 3,2 Scale Value (SV) .............................................................................. 75 Rumus 3,3 Transformasi Skala .......................................................................... 76

xiv



DAFTAR LAMPIRAN

Lampiran 1. Hasil Observasi dan Pengumpulan Data Awal .............................. 143 Lampiran 2. Kuesioner Penelitian .................................................................... 146 Lampiran 3. Jawaban Responden ..................................................................... 154 Lampiran 4. Transformasi Data dengan Metode Suksesif Interval .................... 159

xv



BAB 1 PENDAHULUAN

Bagian awal ini menguraikan tentang latar belakang penelitian, perumusan masalah, tujuan, manfaat, dan ruang lingkup penelitian.

1.1 Latar Belakang Teknologi informasi terus mengalami evolusi seiring dengan perkembangan peradaban manusia. Pengelolaan dan penyampaian informasi terus berkembang, mulai dari bentuk gambar, mesin cetak, komputer, telegraf, telepon, radio, televisi, sampai dengan internet yang ada sekarang. Perkembangan teknologi informasi semakin cepat sejak munculnya internet. Internet berhasil menggabungkan antara teknologi komputer dan telekomunikasi. Jaringan internet telah menjadi pelopor terjadinya revolusi teknologi. Munculnya internet melahirkan dunia baru yang mempunyai karakteristik berbeda dengan dunia nyata dan berhasil mempengaruhi berbagai aspek kehidupan manusia. Internet dapat mengubah perilaku pengguna teknologi dan pola kehidupan sehari-hari, serta dapat merubah sistem yang telah ada, misalnya dalam bidang bisnis, pemerintahan, pendidikan, jurnalistik, hubungan sosial, dan lain-lain. Perkembangan teknologi informasi ini telah menggiring para peneliti dan praktisi dalam bidang pendidikan untuk mempertimbangkan cara terbaik dalam mengintegrasikan teknologi dengan pendidikan. Craig Furneaux, dalam konferensi ETL (Education, Teaching and Leadership) tahun 2004 menyatakan bahwa teknologi informasi telah mempengaruhi perubahan metode, tujuan dan potensi pendidikan (change to learning dan change to teaching), meskipun pada hakikatnya pendidikan akan mengalami perubahan dengan sendirinya. Penggunaan teknologi informasi dalam pendidikan adalah salah satu cara yang dapat digunakan untuk meningkatkan efektivitas dan kualitas pendidikan. Teknologi informasi juga dapat dijadikan sebagai produk yang bisa digunakan dalam pendidikan dan sebagai konten atau bagian dari materi yang bisa dijadikan isi dalam pendidikan.

1



2

Furneaux (2004) menyampaikan pendapat Brian Kroeker tentang keberadaan teknologi informasi dalam hal ini internet. Menurut Brian Kroeker, internet akan memunculkan lembaga pendidikan virtual, dimana peserta didik dapat mengakses informasi yang dibutuhkan melalui web browser. Metode pendidikan tradisional yang mempertemukan antara pendidik dan peserta didik secara langsung akan berubah menjadi elektronik edukasi (e-education). Produk-produk yang menyertai munculnya e-education adalah e-learning, e-consulting, e-book, e-news, e-library. Semua produk tersebut memanfaatkan internet untuk kegiatan pendidikan. Para peserta didik dari berbagai belahan dunia dapat memanfaatkannya untuk mendapatkan ilmu pengetahuan yang dibutuhkan. Peserta didik juga dapat berkomunikasi secara langsung dengan narasumbernya tanpa melalui birokrasi yang rumit dan tidak terbatas oleh ruang dan waktu. Peserta didik lebih fleksibel dalam mengikuti proses pendidikan, tetapi interaksi dengan pendidik tetap berlangsung dengan baik. Furneaux (2004) juga menyampaikan pendapat Duderstat, bahwa teknologi informasi telah mempengaruhi perubahan tujuan pendidikan. Secara historis pendidikan berpusat pada pengajaran dan pembelajaran. Dengan adanya perkembangan teknologi informasi, pendidikan dianggap sebagai proses menciptakan, melestarikan, mengintegrasikan, mentransmisi, dan menerapkan pengetahuan. Berbagai informasi ilmu pengetahuan bisa didapat dengan mudah dan tidak ada batasan melalui internet. Pemanfaatan internet sebagai media pembelajaran ini telah merubah potensi pendidikan menjadi lebih baik. Perkembangan teknologi informasi juga berdampak kepada pengelolaan dunia pendidikan dan pembelajaran di Indonesia. Pendidik dan Tenaga Kependidikan (PTK) dituntut untuk mampu menyesuaikan diri agar lebih kompeten dalam melaksanakan tugas di sekolah. Luasnya jangkauan wilayah untuk pendidikan dasar dan menengah, membutuhkan strategi yang tepat, efektif, dan efisien dalam peningkatan kompetensi PTK. Pemanfaatan teknologi informasi dapat digunakan sebagai strategi untuk memperluas jangkauan tersebut. Selain itu, teknologi informasi juga dapat dimanfaatkan untuk memperoleh target sasaran yang semakin banyak sehingga dapat mempercepat dan mempermudah penyampaian informasi Universitas Indonesia


3

bagi PTK. Dalam rangka mengimplementasikan strategi tersebut, Pusat Pengembangan dan Pemberdayaan Pendidik dan Tenaga Kependidikan (PPPPTK) Bahasa telah mengembangkan e-learning. Hal ini berdasarkan peran dan tanggung jawab PPPPTK Bahasa sebagai Unit Pelaksana Teknis (UPT) Kementerian Pendidikan dan Kebudayaan dalam meningkatkan mutu pendidik dan tenaga kependidikan (PTK) di Indonesia. Pembangunan e-learning sebagai pembelajaran online (online learning) di PPPPTK Bahasa bertujuan untuk menjamin ketersediaan, keterjaminan, dan keterjangkauan layanan PPPPTK Bahasa dalam melayani PTK bahasa di semua provinsi, kabupaten, dan kota di Indonesia. Cara ini diharapkan dapat meningkatkan efektivitas dan efisiensi kinerja lembaga, serta dapat meningkatkan efektivitas dan kualitas pendidikan (Renstra PPPPTK Bahasa, 2010 – 2014). e-Learning PPPPTK Bahasa dirintis mulai tahun 2010 melalui pelatihan tentang elearning dan software yang digunakan (Moodle). Kegiatan ini diikuti oleh para widyaiswara, calon widyaiswara, dan tim teknis TI PPPPTK Bahasa. Pelatihan ini mengajarkan cara membuat produk inovasi yang berisi informasi tentang pendidikan dan materi pembelajaran dengan memanfaatkan teknologi informasi. eLearning mulai digunakan dalam sistem diklat di PPPPTK Bahasa pada tahun 2011. Implementasi e-learning ini belum mencapai sasaran seperti yang tertuang di dalam Rencana Strategis (Renstra) PPPPTK Bahasa tahun 2010 – 2014. Beberapa sasaran yang tidak tercapai tersebut antara lain: a. Persentase PTK bahasa yang telah memanfaatkan atau menggunakan e-learning PPPPTK Bahasa sampai dengan tahun 2012 kurang lebih hanya 4%. Sasaran di dalam Renstra adalah 10%. b. Persentase widyaiswara/instruktur yang telah membuat materi bahan ajar di dalam e-learning PPPPTK Bahasa sesuai dengan bidang spesialisasinya sampai dengan tahun 2012 belum memenuhi sasaran di dalam Renstra, yaitu 80%. Hanya sekitar 60% widyaiswara/instruktur yang telah membuatnya. c. Persentase perangkat infrastruktur penunjang layanan e-learning yang telah tersedia dan terpasang belum tercapai 100%. Masih ada beberapa kelas dan asrama yang belum terhubung dengan koneksi internet sehingga tidak dapat Universitas Indonesia


4

digunakan dalam sistem diklat yang akan menggunakan e-learning sebagai media pembelajaran. Implementasi e-learning di PPPPTK Bahasa ini perlu dievaluasi lebih lanjut guna mengoptimalkan pemanfaatannya dan mencapai sasaran yang telah ditetapkan.

1.2 Perumusan Masalah Dari uraian latar belakang di atas, serta hasil observasi dan pengumpulan data awal yang telah dilakukan (Lampiran 1), dapat dirumuskan permasalahan dalam implementasi e-learning di PPPPTK Bahasa, sebagaimana yang digambarkan dalam fishbone diagram berikut ini:

Gambar 1.1 Fishbone Diagram



5

Gambar 1.1 menunjukkan faktor-faktor yang mengakibatkan implementasi elearning di PPPPTK Bahasa belum optimal (belum mencapai sasaran Renstra). Faktor-faktor tersebut antara lain: a. Widyaiswara/instruktur sebagai pengguna dan pengajar/pembuat konten Jumlah widyaiswara/instruktur yang sudah membuat bahan ajar untuk e-learning PPPPTK Bahasa sekitar 60%. Sasaran pencapaian sampai dengan tahun 2012 yang tertuang di dalam Renstra PPPPTK Bahasa tahun 2010 – 2014 seharusnya 80%. Masih banyak widyaiswara/instruktur yang belum menggunakan elearning dalam sistem diklat. b. PTK Bahasa sebagai pengguna dan peserta didik Jumlah PTK bahasa yang telah menggunakan e-learning PPPPTK Bahasa masih sedikit. Total yang sudah pernah bergabung dengan e-learning PPPPTK Bahasa hanya mencapai kurang lebih 4% dari total PTK Bahasa yang telah mengikuti kegiatan diklat pada tahun 2011 dan 2012 (hanya 642 dari ±15.000 orang yang pernah mengikuti diklat tahun 2011 dan 2012). c. Infrastruktur (sarana dan prasarana penunjang) Infrastruktur untuk pengembangan e-learning yang ada belum optimal. Masih ada beberapa kelas dan asrama yang belum terhubung dengan jaringan internet (±30%) sehingga tidak dapat digunakan untuk kegiatan diklat yang akan menggunakan e-learning sebagai media pembelajaran. Masih diperlukan software tambahan untuk menunjang pengembangan konten e-learning PPPPTK Bahasa. Misalnya aplikasi animasi berbasis web yang dapat memberikan tampilan e-learning menjadi lebih interaktif. d. Faktor manajemen organisasi/lembaga Faktor manajemen organisasi yang mengakibatkan implementasi e-learning di PPPPTK Bahasa belum optimal antara lain:  Belum adanya evaluasi penggunaan e-learning dalam sistem diklat.



6

 Kinerja tim pengembang e-learning di PPPPTK Bahasa belum jelas karena belum ada program kerja dan rancangan (desain) pengembangan konten elearning sebagai arah dan ukuran kerja.  Laporan hasil kerja dan evaluasi kinerja tim pengembang e-learning belum ada sehingga tidak ada umpan balik (feedback) dari pimpinan guna peningkatan kinerja tim.  Masih diperlukan pelatihan tambahan bagi tim pengembang e-learning guna peningkatan kompetensi sehingga berpengaruh pada pengembangan elearning.  Sistem kompensasi bagi tim pengembang e-learning belum jelas. Berdasarkan hasil analisa faktor-faktor di atas, penelitian ini memilih faktor widyaiswara/instruktur untuk kajian lebih lanjut. Hal ini disebabkan karena selama implementasi/pengembangan e-learning, widyaiswara/instruktur dianggap sebagai tokoh utama oleh pimpinan dalam keberlangsungan e-learning PPPPTK Bahasa. Berdasarkan tujuan awal penerapan e-learning yaitu menjamin ketersediaan, keterjaminan, dan keterjangkauan layanan PPPPTK Bahasa dalam melayani pendidik dan tenaga kependidikan (PTK) bahasa di semua provinsi, kabupaten, dan kota di Indonesia, maka widyaiswara/instruktur diharapkan dapat mengembangkan konten e-learning untuk menjamin ketersediaan materi bahan ajar yang berkualitas dan dapat menjangkau PTK bahasa di seluruh Indonesia. e-Learning juga dapat dijadikan

sebagai

media

dan

metode

dalam

mengajar

oleh

para

widyaiswara/instruktur sehingga dapat memberikan pendidikan yang lebih efektif, efisien, dan berkualitas dalam meningkatkan mutu PTK bahasa, sekaligus memperkenalkan e-learning PPPPTK Bahasa kepada para PTK bahasa. Introspeksi diri atau evaluasi ke dalam lembaga terlebih dahulu diharapkan dapat memberikan umpan balik yang positif terhadap implementasi e-learning di PPPPTK Bahasa sebelum mengevaluasi keluar. Oleh karena itu pertanyaan penelitian ini adalah: “Faktor-faktor apa saja yang mempengaruhi penggunaan e-learning oleh widyaiswara/instruktur di PPPPTK Bahasa?” Universitas Indonesia


7

1.3 Tujuan Penelitian Tujuan yang ingin dicapai dalam penelitian ini adalah: a. Mengetahui faktor-faktor yang mempengaruhi penggunaan e-learning oleh widyaiswara/instruktur di PPPPTK Bahasa. b. Mengetahui langkah-langkah yang dapat dilakukan untuk meningkatkan penggunaan e-learning oleh widyaiswara/instruktur di PPPPTK Bahasa. c. Memberikan rekomendasi kepada lembaga dalam mengoptimalkan penggunaan dan pemanfaatan e-learning PPPPTK Bahasa.

1.4 Manfaat Penelitian Manfaat yang diharapkan dari penelitian ini sebagai berikut: a. Hasil penelitian dapat digunakan sebagai bahan masukan bagi pengambil keputusan dalam menentukan arah kebijakan pengembangan e-learning di PPPPTK Bahasa. b. Hasil penelitian dapat digunakan sebagai bahan studi literatur untuk penelitianpenelitian selanjutnya.

1.5 Ruang Lingkup Penelitian Penilitian ini fokus pada widyaiswara/instruktur sebagai pengguna, pengajar, dan pembuat konten e-learning. Faktor-faktor lain yang mempengaruhi implementasi dan pengembangan e-learning di PPPPTK Bahasa tidak termasuk dalam kajian penelitian ini. Demikian juga dengan jenis dan teknologi yang digunakan dalam pengembangan e-learning tidak dibahas dalam penelitian ini.

1.6 Sistematika Penulisan Sistematika Penulisan yang digunakan dalam karya akhir ini adalah sebagai berikut:



8

BAB 1. PENDAHULUAN Bagian pendahuluan menguraikan latar belakang penelitian, perumusan masalah, tujuan, manfaat, dan ruang lingkup penelitian, serta sistematika penulisan karya akhir. BAB 2. LANDASAN TEORI Bab 2 membahas tentang beberapa konsep atau teori yang terkait dengan penelitian ini. Konsep dan teori tersebut dijadikan dasar untuk menyelesaikan masalah atau menjawab pertanyaan penelitian. BAB 3. METODOLOGI PENELITIAN Metodologi penelitian menjelaskan serangkaian kegiatan atau tahapan-tahapan yang dilakukan untuk mencapai tujuan dalam penelitian ini. BAB 4. PROFIL ORGANISASI Bab ini menjelaskan tentang profil PPPPTK Bahasa yang dijadikan sebagai objek penelitian. BAB 5. ANALISA DAN PEMBAHASAN Bab 5 menjelaskan tentang hasil pengolahan data, uji statistik, dan analisis data yang dilakukan dalam penelitian ini. BAB 6. KESIMPULAN DAN SARAN Bab terakhir dari karya akhir ini adalah kesimpulan dari hasil penelitian, rekomendasi untuk lembaga (objek penelitian), dan saran bagi penelitian selanjutnya.



BAB 2 LANDASAN TEORI

Bab ini membahas tentang beberapa konsep atau teori yang dijadikan dasar untuk menyelesaikan masalah atau menjawab pertanyaan penelitian. Teori-teori yang dikaji menggambarkan alur logika atau penalaran penulis dalam menjawab permasalahan penelitian ini.

2.1 e-Learning Pada bagian awal di bab kedua ini membahas tentang definisi dan konsep-konsep yang berkaitan dengan e-learning.

2.1.1 Sejarah e-Learning Perkembangan teknologi informasi khususnya internet telah memberikan dampak yang besar dalam dunia pendidikan. Internet telah meningkatkan kecepatan untuk mendapatkan informasi dan memberikan fasilitas multimedia yang membuat belajar menjadi lebih menarik dan interaktif. Kehadiran internet telah memunculkan bentuk baru sistem pembelajaran, yaitu e-learning (electronic learning). e-Learning telah mengubah metode pembelajaran tradisional yang mempertemukan antara pendidik dan peserta didik secara langsung menjadi pembelajaran lewat internet. e-Learning merupakan pendidikan virtual/maya. Furneaux

(2004)

menyatakan

bahwa

e-Learning

telah

merubah

cara

belajar/mengajar (change to learning dan change to teaching). Kemunculan elearning merupakan hasil penelitian dari para ahli dan praktisi di bidang pendidikan untuk menemukan cara terbaik dalam mengintegrasikan teknologi informasi dengan pendidikan. Perkembangan e-learning diuraikan oleh Cross (2002) sebagai berikut: 

1990-1999: The era of custom CBT (Computer Based Training), yaitu era mulai bermunculan aplikasi e-learning yang berjalan dalam PC standalone maupun dalam bentuk kemasan CD-ROM. Materi berisi tulisan atau multimedia (video dan audio). 9



10



1994-1999: The dawn of economic sense in packaged CBT, yaitu era dimana mulai banyak diproduksi paket-paket CBT yang lebih menarik.



1997-1999: The rise of the Learning Management System, yaitu era aplikasi perangkat lunak yang menggunakan teknologi internet untuk melakukan kegiatan secara online. LMS menjawab tuntutan akan kebutuhan informasi yang cepat dan tidak terbatas oleh jarak dan lokasi.



1999: Aplikasi e-learning berbasis web, yaitu perkembangan LMS menjadi aplikasi e-learning berbasis web secara total, baik untuk belajar oleh peserta didik maupun untuk pengelolaan administrasi kegiatan belajar mengajar. LMS digabungkan dengan situs-situs portal yang merupakan situs-situs informasi, majalah dan surat kabar, sehingga isinya semakin lengkap. Materi multimedia juga semakin variatif dengan adanya video streaming yang memberikan tampilan lebih interaktif.



Tahun 1999 sampai dengan sekarang, e-learning semakin berkembang seiring dengan penetrasi internet (penggunaaan internet) yang selalu meningkat dari tahun ke tahun. Semakin banyak organisasi yang mengembangkan e-learning dan menjadikannya sebagai suatu proses dalam upaya meningkatkan kualitas pelayanan dalam bidang pendidikan dan pelatihan (training).

2.1.2 Definisi dan Komponen e-Learning e-Learning adalah proses pembelajaran yang menggunakan media elektronik atau komputer yang terstruktur (Allen, 2003), sedangkan menurut Horton (2003), elearning adalah sistem pembelajaran dengan menggunakan teknologi internet dan web. Dari kedua definisi tersebut, dapat disimpulkan bahwa e-learning merupakan sistem pembelajaran dengan menggunakan media komputer dan internet. William Horton mengkategorikan e-learning menjadi lima tipe, antara lain: a. Learner-led e-learning atau Self-directed e-learning, yaitu e-learning yang dirancang untuk memungkinkan peserta didik belajar secara mandiri dengan menggunakan materi bahan ajar berbasis web dan jaringan internet. Universitas Indonesia


11

b. Instructor-led e-learning, yaitu pembelajaran secara syncronous (real time) dengan menggunakan teknologi internet sehingga pendidik dan peserta didik dapat berkomunikasi secara langsung, misalnya dengan teleconference dan chatting. c. Facilitated e-learning, yaitu kombinasi dari learner-led e-learning dan instructor-led e-learning. Peserta didik disediakan materi bahan ajar berbasis web dan dapat berkomunikasi secara interaktif dengan pendidik melalui website. d. Embedded e-learning, yaitu jenis pembelajaran yang menerapkan metode justin time training. Metode ini menggunakan aplikasi program yang dimasukkan ke dalam website sehingga solusi dapat segera diberikan ketika peserta didik ingin mengetahui suatu informasi atau pengetahuan. e. Telementoring dan e-Coaching, yaitu bimbingan atau pelatihan jarak jauh dengan memanfaatkan teknologi internet dan web, misalnya dengan menggunakan peralatan audio (telepon) atau teleconference (video, audio, komputer), maupun melalui chatting atau instant messaging. Menurut Wahono (2008), komponen yang membentuk e-learning adalah: a. e‐Learning System, yaitu sistem perangkat lunak yang membuat virtualisasi proses belajar mengajar konvensional, meliputi manajemen kelas, pembuatan materi, forum diskusi, sistem penilaian, sistem ujian online dan segala fitur yang berhubungan dengan manajemen proses belajar mengajar. Sistem perangkat lunak ini disebut dengan Learning Management System (LMS). b. e‐Learning Content, yaitu konten dan bahan ajar yang ada pada e‐learning system, bisa dalam bentuk multimedia based content (konten berbentuk multimedia interaktif) atau text‐based content (konten berbentuk teks seperti pada buku pelajaran biasa). c. e‐Learning Infrastructure, yaitu infrastruktur e‐learning atau peralatan yang digunakan dalam e‐learning, seperti komputer, jaringan internet, perlengkapan multimedia, dan peralatan teleconference jika diperlukan.



12

Cross (2002) menyebutkan beberapa tren model e-learning yang banyak digunakan oleh lembaga pendidikan antara lain: a. Blended Learning, yaitu metode pembelajaran yang memadukan antara metode konvensional (tatap muka) dengan metode pembelajaran online (online training) yang menggunakan materi berbasis web. b. Learning Content Management Systems (LCMSs) dan Learning Object, yaitu teknologi yang berkaitan dengan sistem manajemen pembelajaran dan pengembangan konten pembelajaran secara online. c. Web Collaboration or Live e-Learning, yaitu metode yang menggunakan software berbasis web untuk memungkinkan pembelajaran jarak jauh atau pendidikan virtual melalui internet. e-Learning PPPPTK Bahasa mempunyai tipe facilitated e-learning, yaitu gabungan dari tipe learner-led e-learning dan instructor-led e-learning. e-Learning ini menyediakan materi bahan ajar berbasis web yang dapat digunakan oleh peserta didik secara mandiri dan berkomunikasi secara interaktif dengan pengajar melalui chatting. e-Learning telah digunakan dalam sistem pembelajaran jarak jauh yang telah dikembangkan untuk bidang studi bahasa Inggris. Pembelajaran jarak jauh ini menggunakan model web collaboration, yaitu menggunakan metode pendidikan virtual melalui internet.e-Learning PPPPTK Bahasa juga digunakan sebagai media pembelajaran bagi peserta dan pengajar dalam kegiatan diklat dengan menggunakan model blended learning, yang menggabungkan metode konvensional (tatap muka) dengan menggunakan materi berbasis web. e-Learning PPPPTK bahasa dibangun dengan menggunakan aplikasi Moodle versi 1.9.3 dan beberapa aplikasi pendukung lainnya yang bersifat open source.

2.1.3 Keunggulan dan Kelemahan e-Learning e-Learning diterapkan oleh banyak organisasi karena berbagai keunggulannya. Noe (2005) menyatakan beberapa keunggulan e-learning, antara lain: a. dapat mendukung tujuan dan strategi bisnis organisasi; b. dapat diakses dimana saja dan kapan saja; Universitas Indonesia


13

c. dapat menjangkau wilayah yang luas; d. dapat menyampaikan pembelajaran dengan lebih cepat kepada peserta yang lebih banyak; e. mudah untuk memperbarui pembelajaran; f. dapat menggunakan berbagai macam media dalam penyampaian materi; dan g. memberikan kemudahan akses bagi peserta didik untuk berkomunikasi dengan ahlinya. Disamping beberapa keunggulan yang ditawarkan di atas, e-learning juga mempunyai beberapa kelemahan, seperti yang diungkapkan oleh Rosenberg (2006), yaitu: a. Tidak semua orang dapat menggunakan e-learning dengan baik, terutama orang yang masih awam teknologi maupun internet. b. Tidak mudah membuat e-learning yang interaktif dan sesuai dengan keinginan semua pengguna karena membutuhkan kemampuan pemrograman yang baik. c. Implementasi e-learning membutuhkan biaya yang cukup tinggi karena kebutuhan infrastrukturnya. d. e-Learning merupakan hal yang baru dalam sistem pembelajaran dan membutuhkan proses penyesuaian sehingga tidak semua orang tertarik untuk menggunakan e-learning sebagai media belajar karena kemungkinan adanya keterbatasan-keterbatasan tertentu. e-Learning diterapkan di lingkungan PPPPTK Bahasa dengan harapan dapat memberikan keunggulan dalam melaksanakan tugasnya meningkatkan kompetensi PTK Bahasa dengan lebih efektif, efisien, dan berkualitas, serta dapat menjangkau seluruh PTK Bahasa di Indonesia dengan mudah. Namun ada beberapa hal yang menjadi kendala dalam pengembangannya. Penggunaan dan pemanfaatan eLearning PPPPTK Bahasa belum optimal dalam kegiatan diklat, baik oleh pengajar maupun peserta didik, seperti yang telah dijelaskan dalam Bab 1. Oleh karena itu, penelitian ini melakukan kajian terkait kendala tersebut.



14

2.1.4 Keberhasilan dan Kegagalan dalam Implementasi e-Learning Allen (2003) menyatakan bahwa keberhasilan e-learning ditentukan oleh dua faktor, yaitu manajemen dan desain. Pelaksanaan e-learning yang terencana dengan baik akan menghasilkan efektivitas tinggi, efisien waktu, dan hemat biaya. Organisasi yang mempunyai perencanaan baik dalam implementasi e-learning akan lebih kompetitif dalam meningkatkan layanan yang diberikan. Rencana yang baik ini membutuhkan keterlibatan unsur manajemen dalam menentukan visi dan kriteria e-learning, serta dukungan pendanaan dalam implementasi dan pengembangannya. Desain yang baik dan mampu memberikan konten yang interaktif dapat meningkatkan motivasi peserta e-learning. Jika kedua hal di atas tidak dipenuhi maka dapat menyebabkan ketidakselarasan antara desain e-learning dengan strategi organisasi. Selim (2007) telah melakukan penelitian tentang Critical success factor (CSF) atau faktor-faktor yang menentukan keberhasilan implementasi e-learning. Faktorfaktor tersebut dikelompokkan ke dalam 4 kategori, yaitu: a. Instruktur Dalam implementasi e-learning, instruktur harus mempunyai kemampuan mengajar dengan menggunakan e-learning. b. Peserta didik Motivasi peserta didik dan kemampuannya dalam menggunakan teknologi sangat mempengaruhi keberhasilan e-learning. c. Teknologi informasi Kemudahan akses internet, kemudahan membuka web e-learning, serta konten dan struktur e-learning juga merupakan faktor penunjang keberhasilan elearning. d. Faktor pendukung lainnya Faktor yang mendukung keberhasilan implementasi e-learning selain ketiga faktor di atas antara lain: 

Kemudahan akses ke web lain untuk pengayaan materi belajar; Universitas Indonesia


15



Adanya technical support yang selalu membantu saat dibutuhkan; dan



Kemudahan penggunaan.

Selain faktor yang mempengaruhi keberhasilan e-learning di atas, terdapat juga faktor yang menjadi penyebab gagalnya implementasi e-learning, antara lain faktor biaya, kurangnya motivasi peserta dalam melakukan pembelajaran online, kurangnya partisipasi manajemen, akses internet yang terbatas, kualitas konten yang rendah, dan kurangnya evaluasi terhadap efektivitas dan efisiensi implementasi e-learning (Noe, 2005). Penelitian ini melakukan evaluasi tentang implementasi e-learning di PPPPTK Bahasa sehingga dapat memberikan masukan bagi pimpinan/lembaga dalam menentukan

arah

kebijakan.

Evaluasi

tersebut

dilakukan

terhadap

widyaiswara/instruktur sebagai pengajar sekaligus pengguna e-learning yang diharapkan dapat menentukan kunci keberhasilan implementasi e-learning di PPPPTK Bahasa.

2.2 User Acceptance Dillon (2001) mendefinisikan user acceptance sebagai kesediaan sekelompok pengguna

untuk

menggunakan

teknologi

informasi

dalam

mendukung

pekerjaannya. Teori penerimaan (acceptance theory) membahas tentang faktorfaktor yang mempengaruhi adopsi teknologi oleh pengguna sehingga dapat meminimalkan resiko penolakan terhadap teknologi tersebut. Faktor yang dimaksud adalah karakeristik dari psikologi pengguna. Seperti yang disampaikan oleh Dillon (2001), Alavi dan Joachimsthaler (1992) juga telah mengidentifikasi variabel psikologis tersebut dan menyatakan bahwa faktor pengguna yang paling relevan dalam menentukan penerimaan teknologi adalah: a. Aspek kognitif, yaitu karakteristik kemampuan individu dalam proses menerima, mengolah, dan menggunakan informasi. b. Kepribadian, misalnya kebutuhan untuk berprestasi, tingkat pertahanan diri, keyakinan diri (locus of control), dan kecenderungan mengambil risiko. Universitas Indonesia


16

c. Faktor demografi, misalnya usia dan tingkat pendidikan. d. Variabel situasional pengguna seperti faktor sosial atau lingkungan. Dillon (2001) juga menyampaikan tentang teori difusi inovasi oleh Rogers (1995) yang menunjukkan bahwa faktor individu (psikologi) pengguna merupakan faktor penting. Rogers (1995) membagi technology or innovation adopters menjadi lima kategori, tergantung pada kecepatan menyerap teknologi tersebut, antara lain innovator, early adopters, early majority, late majority, dan laggards (lamban). Rogers memperkirakan bahwa innovator dan early adopters cenderung mempunyai keberanian untuk mengambil resiko dan mencoba hal baru dalam meningkatkan kemampuannya (Dillon, 2001). Venkatesh, dkk (2003) menggambarkan konsep dasar model penerimaan sebagai berikut:

Gambar 2.1 Konsep Dasar Model Penerimaan Sumber: Venkatesh, dkk (2003)

Gambar 2.1 menunjukkan bahwa penggunaan secara nyata suatu teknologi informasi ditentukan oleh reaksi (sikap) individu terhadap teknologi informasi tersebut dan niat untuk menggunakannya. Terdapat beberapa model atau teori penerimaan pengguna di bidang teknologi informasi yang telah dirumuskan oleh beberapa ahli dengan melibatkan analisa socio-cognitive seseorang yang bersifat dinamis, yaitu sikap pengguna terhadap suatu teknologi baru, dengan cara mengukur respon afektif awalnya. Hal ini diharapkan dapat memprediksi penerimaan pengguna dalam jangka panjang terhadap suatu teknologi. Model tersebut diantaranya adalah: Universitas Indonesia


17

a. Innovation Diffusion Theory (IDT) oleh Rogers (1976). Merujuk pada laman University of Twente tentang teori difusi inovasi, terdapat dua proses yang saling berhubungan dalam IDT, yaitu proses difusi dan proses adopsi. Proses tersebut meliputi innovation, communication channels, time, dan social system, yaitu suatu inovasi disampaikan kepada sekelompok individu selama jangka waktu tertentu. Proses difusi inovasi memiliki lima tahapan, yaitu pengetahuan, persuasi, keputusan, implementasi, dan konfirmasi. Venkatesh, dkk (2003) menjelaskan faktor-faktor yang terlibat dalam proses difusi, antara lain: 

Relative Advantage, yaitu sejauh mana penggunaan sebuah teknologi dirasa memberikan hasil yang lebih baik daripada sebelum menggunakannya.



Ease of Use, yaitu tingkat kesulitan yang dirasakan oleh pengguna dalam menggunakan sebuah teknologi.



Image, yaitu sejauh mana sebuah teknologi dirasa dapat meningkatkan citra atau status sosial seseorang.



Visibility, yaitu sejauh mana seseorang dapat melihat orang lain menggunakan suatu teknologi dalam organisasi.



Compatibility, yaitu sejauh mana teknologi dirasa sesuai dengan kondisi yang sudah ada dalam sebuah organisasi dan sesuai dengan kebutuhan organisasi tersebut.



Result Demonstrability, yaitu hasil dari penggunaan sebuah teknologi.



Voluntariness of Use, yaitu tingkat kebebasan menggunakan suatu teknologi.

b. Technology Acceptance Model (TAM) oleh Davis (1989). Venkatesh, dkk (2003) menjelaskan bahwa TAM merupakan adaptasi dari Theory of Reason Action (TRA) yang telah disesuaikan untuk model penerimaan sistem informasi dan dirancang untuk memprediksi penerimaan dan penggunaan suatu teknologi informasi dalam pekerjaan seseorang. TRA merupakan teori dasar tentang perilaku manusia. Faktor-faktor yang terlibat dalam model ini antara lain: Universitas Indonesia


18



Faktor keyakinan, meliputi perceived ease of use (tingkat keyakinan seseorang akan kemudahan suatu teknologi) dan perceived usefulness (tingkat keyakinan seseorang bahwa teknologi dapat meningkatkan kinerjanya);



Faktor attitude (sikap); dan



Faktor behavior intention to use (niat untuk menggunakan) dan usage behavior (perilaku penggunaan).

c. TAM 2 oleh Venkatesh dan Davis (2000). TAM 2 merupakan pengembangan model TAM dengan menambahkan faktor subjective norm sebagai prediktor atau faktor yang mempengaruhi intention atau niat (Venkatesh, dkk, 2003). Subjective norm adalah persepsi seseorang terhadap pendapat orang lain yang dianggap penting tentang keharusan atau ketidakharusan melakukan sesuatu (mandatory/less voluntary). d. Model of PC Utilization (MPCU) oleh Thompson, Higgins, dan Howell (1991). Venkatesh, dkk (2003) menjelaskan bahwa MPCU menggunakan theory of human behavior yang menggabungkan Theory of Reason Action (TRA) dan Theory of Planned Behaviour (TPB) dalam hal penggunaan sistem informasi dan pemanfaatan PC (Personal Computer). TPB merupakan pengembangan dari TRA dengan menambahkan faktor perceived behavioral control sebagai determinan atau penentu niat dan perilaku. Perceived behavioral control adalah kemampuan seseorang dalam mengontrol atau menghadapi berbagai kendala dalam berperilaku. MPCU lebih menekankan pada perilaku penggunaan daripada niat. Dalam MPCU, perilaku penggunaan ini dipengaruhi oleh beberapa faktor, antara lain: 

Facilitating condition for PC use, yaitu fasilitas pendukung dalam penggunaan PC.



Social factors influencing PC use, yaitu pengaruh faktor sosial terhadap penggunaan PC.



Affect toward PC use, yaitu dampak setelah menggunakan PC. Universitas Indonesia


19



Complexity of PC use, yaitu tingkat kesulitan dalam penggunaan PC.



Job fit with PC use, yaitu kapabilitas PC dalam meningkatkan kinerja.



Longterm consequences of PC use, yaitu konsekuensi yang akan didapat dalam jangka panjang.

e. Combined Technology Acceptance Model and Theory of Planned Behaviour (cTAM-TPB) oleh Taylor dan Todd (1995). Seperti yang telah disampaikan oleh Venkatesh, dkk (2003), c-TAM-TPB mengkombinasikan prediktor dari TAM dan TPB dengan mempertimbangkan faktor prior use (penggunaan awal atau sebelumnya) dalam dimensi user experience (pengalaman pengguna). Prediktor tersebut antara lain: 

Attitude toward behavior,

yaitu sikap

atau penilaian seseorang

(positif/negatif) terhadap penggunaan suatu teknologi. 

Subjective norm, yaitu persepsi seseorang terhadap pendapat orang lain yang dianggap penting tentang keharusan atau ketidakharusan melakukan sesuatu.



Perceived

behavioral

control,

yaitu

persepsi

seseorang

tentang

kemampuannya dalam berperilaku dan menghadapi kendala internal maupun eksternal yang mungkin terjadi dalam berperilaku tersebut. Hal ini terkait dengan tingkat kemudahan atau kesulitan dalam melakukan sesuatu. Pengendalian berperilaku ini yang merefleksikan pengalaman sebelumnya. 

Perceived usefulness, yaitu tingkat keyakinan seseorang bahwa teknologi dapat meningkatkan kinerjanya.

Teori ini memberikan kontribusi yang signifikan terhadap penelitian pengembangan produk. f. Unified Theory of Acceptance and Use of Technology (UTAUT) oleh Venkatesh, Morris, Gordon B. Davis, dan Fred D. Davis (2003). UTAUT merupakan sebuah model yang memberikan pandangan baru bagaimana menentukan intention (niat) dan behavior (perilaku) yang selalu mengalami perubahan dari waktu ke waktu. Model ini mengasumsikan tiga konsep yang Universitas Indonesia


20

dapat menentukan intention to use, yaitu performance expectancy, effort expectancy, dan social influence, serta konsep lain yang menentukan use behavior, yaitu intention dan facilitating condition. UTAUT akan dijelaskan lebih lanjut karena digunakan dalam kerangka penelitian ini. Dari uraian di atas dapat disimpulkan bahwa faktor-faktor psikologi pengguna, baik faktor internal (sikap/kepribadian) maupun faktor lingkungan/sosial menentukan pola adopsi atau penerimaan seseorang dalam menggunakan suatu teknologi. Dillon (2001) menyatakan bahwa faktor manusia dalam usahanya untuk memahami, menerima, dan menggunakan sebuah teknologi dapat menentukan keberhasilan implementasi teknologi tersebut. Selim (2007) menyebutkan bahwa keberhasilan elearning dapat diraih apabila teknologi e-learning tersebut dapat diterima dan digunakan oleh penggunanya, yang salah satunya adalah instruktur sebagai pengajar dan pembuat materi bahan ajar dalam e-learning. Berdasarkan pendapat tersebut maka penelitian ini membahas tentang faktor-faktor yang menentukan atau mempengaruhi

penerimaan

dan

penggunaan

e-learning

oleh

para

widyaiswara/instruktur di PPPPTK Bahasa dengan menggunakan teori user acceptance. Hal ini dilakukan dalam rangka mengevaluasi implementasi e-learning di PPPPTK Bahasa.

2.3 Unified Theory of Acceptance and Use of Technology (UTAUT) Unified Theory of Acceptance and Use of Technology (UTAUT) merupakan model penerimaan teknologi yang dikembangkan oleh Venkatesh, Morris, Gordon B. Davis, dan Fred D. Davis pada tahun 2003. Seperti halnya dengan model atau teori penerimaan sebelumnya, UTAUT juga melibatkan analisa socio-cognitive seseorang yang bersifat dinamis, yaitu sikap pengguna terhadap suatu teknologi baru dengan cara mengukur respon afektifnya. Dengan cara ini diharapkan dapat memprediksi penerimaan pengguna dalam jangka panjang terhadap suatu teknologi. UTAUT meninjau kembali elemen-elemen pada delapan model penerimaan sebelumnya, antara lain Theory of Reason Action (TRA), Technology Acceptance Model (TAM/TAM2), Motivational Model (MM), Theory of Planned Behaviour (TPB), Combined TAM and TPB (c-TAM-TPB), Model of PC Universitas Indonesia


21

Utilization (MPCU), Innovation Diffusion Theory (IDT), dan Social Cognitive Theory (SCT). UTAUT merupakan sebuah model yang memberikan pandangan baru bagaimana menentukan intention (niat) dan behavior (perilaku) yang selalu mengalami perubahan dari waktu ke waktu. Model UTAUT dirumuskan dengan empat faktor utama sebagai determinan yang mempengaruhi niat untuk berperilaku (behavioral intention) dan perilaku untuk menggunakan suatu teknologi (use behavior). Menurut Venkatesh, dkk (2003), variabel behavioral intention ditentukan oleh performance expectancy, effort expectancy, dan social influence, sedangkan variabel use behavior ditentukan oleh behavioral intention dan facilitating condition. Variabel use behavior ini menjadi pengukur user acceptance pada sebuah teknologi. Penjelasan masing-masing faktor determinan di atas adalah sebagai berikut: a. Performance Expectancy (Ekspektasi Kinerja), yaitu tingkat keyakinan seseorang bahwa penggunaan teknologi dapat membantu memaksimalkan kinerjanya. Faktor ini dibangun dari konstruk beberapa model atau teori sebelumnya, antara lain: 

Perceived Usefulness dari TAM/TAM2 dan c-TAM-TPB, yaitu tingkat keyakinan seseorang bahwa teknologi yang digunakan dapat meningkatkan kinerjanya.



Extrinsic Motivation dari MM, yaitu persepsi pengguna bahwa teknologi yang digunakan dapat memberikan hasil yang lebih baik untuk pekerjaannya.



Job-fit (MPCU), yaitu kapabilitas suatu teknologi dalam meningkatkan kinerja.



Relative Advantage dari IDT, yaitu sejauh mana penggunaan sebuah teknologi dirasa memberikan hasil yang lebih baik daripada sebelum menggunakannya.



Outcome Expectations dari SCT, yaitu harapan yang ingin dicapai seseorang dalam menggunakan suatu teknologi, mencakup harapan pribadi dan harapan untuk pekerjaannya. Universitas Indonesia


22

b. Effort Expectancy (Ekspektasi Usaha), yaitu persepsi seseorang tentang tingkat kemudahan penggunaan suatu teknologi. Faktor ini dibangun dari beberapa konstruk model atau teori sebelumnya, antara lain: 

Perceived Ease of Use dari TAM/TAM2, yaitu tingkat keyakinan seseorang akan kemudahan sebuah teknologi.



Complexity dari MPCU, yaitu kompleksitas suatu teknologi untuk dipahami dan digunakan oleh seseorang.



Ease of Use dari IDT, yaitu tingkat kesulitan yang dirasakan oleh pengguna dalam menggunakan sebuah teknologi.

c. Social Influence (Pengaruh Sosial), yaitu kesadaran seseorang akan pentingnya suatu teknologi disebabkan karena pengaruh orang lain atau lingkungan. Faktor ini dibangun dari beberapa konstruk model atau teori sebelumnya, antara lain: 

Subjective Norm dari TRA, TAM2, TPB, dan c-TAM-TPB, yaitu persepsi seseorang terhadap pendapat orang lain yang dianggap penting tentang keharusan atau ketidakharusan untuk melakukan sesuatu.



Social Factors dari MPCU, yaitu pengaruh sosial (kelompok individu) terhadap perilaku seseorang.



Image dari IDT, yaitu sejauh mana sebuah teknologi dirasa dapat meningkatkan citra atau status sosial seseorang.

d. Facilitating Conditions (Fasilitas Pendukung), yaitu infrastruktur dan fasilitas lainnya yang dapat mendukung penggunaan sebuah teknologi. Faktor ini dibangun dari beberapa konstruk model atau teori sebelumnya, antara lain: 

Perceived Behavioral Control dari TPB dan c-TAM-TPB, yaitu pengendalian berperilaku yang mengacu pada persepsi seseorang tentang kemampuannya untuk melakukan sesuatu dan menghadapi kendala internal maupun eksternal yang mungkin terjadi dalam berperilaku tersebut. Pengendalian berperilaku ini merefleksikan pengalaman sebelumnya.



Facilitating Conditions dari MPCU, yaitu fasilitas pendukung dalam penggunaan teknologi. Universitas Indonesia


23



Compatibility dari IDT, yaitu sejauh mana suatu teknologi dirasa sesuai dengan kondisi yang sudah ada dalam sebuah organisasi dan sesuai dengan kebutuhan organisasi tersebut.

Selain keempat faktor utama di atas, terdapat empat moderator, yaitu faktor-faktor yang mempengaruhi (dapat memperkuat atau memperlemah) pengaruh faktor utama di atas terhadap penggunaan teknologi informasi. Faktor-faktor tersebut adalah: a. gender (jenis kelamin) diadopsi dari TAM2; b. age (usia) diadopsi dari TAM2; c. experience (pengalaman menggunakan) diadopsi dari c-TAM-TPB, IDT, dan MPCU; d. voluntariness (kesukarelaan atas kebebasan menggunakan) diadopsi dari IDT. Hasil penelitian yang dilakukan Venkatesh, dkk (2003) tersebut dapat digambarkan sebagai berikut:

Gambar 2.2 Model UTAUT Sumber: Venkatesh, dkk (2003)



24

Gambar 2.2 menunjukkan pengaruh faktor-faktor determinan dan moderator terhadap niat untuk berperilaku (behavioral intention) dan perilaku untuk menggunakan (use behavior) suatu teknologi. Model UTAUT digunakan untuk menilai tingkat penerimaan dan penggunaan suatu teknologi informasi dengan cara mendefinisikan setiap faktor-faktor yang terlibat di dalamnya dalam bentuk variabel-variabel manifes (indikator) yang dapat diukur langsung. Venkatesh, dkk (2003) merumuskan model di atas dengan melakukan penelitian terhadap penggunaan suatu teknologi, baik secara voluntary (sukarela) maupun mandatory (keharusan). Model UTAUT dapat digunakan untuk menilai keberhasilan pengenalan suatu teknologi baru dengan memahami faktor-faktor yang mempengaruhi penerimaan teknologi tersebut oleh pengguna sehingga dapat digunakan dalam pengambilan keputusan selanjutnya. Oleh karena itu model UTAUT cocok digunakan dalam penelitian ini, yaitu untuk menentukan faktorfaktor yang mempengaruhi penerimaan dan penggunaan e-learning oleh para widyaiswara/instruktur di PPPPTK Bahasa.

2.4 Updated DeLone and McLean Information Systems (IS) Success Model Pada tahun 2003, DeLone dan McLean memperbarui kembali model kesuksesan sistem informasi. DeLone and McLean (Information Systems) IS Success Model dibuat untuk mengukur tingkat kepuasan pengguna terhadap sebuah sistem informasi. DeLone dan McLean (2003) menyatakan bahwa tidak ada penggunaan sistem

informasi

yang

benar-benar

wajib

(mandatory).

Jika

level

pimpinan/eksekutif memilih sebuah sistem informasi untuk diterapkan dan digunakan oleh karyawannya, adopsi lanjutan atau penggunaan sistem informasi itu sendiri sepenuhnya bersifat sukarela (voluntary). Pihak manajemen selalu memiliki pilihan untuk menghentikan penggunaan sistem informasi tersebut jika tidak memberikan hasil atau manfaat seperti yang diharapkan. Model kesuksesan sistem informasi yang baru dari DeLone dan McLean (2003) disebut Updated DeLone and McLean IS Success Model dan digambarkan sebagai berikut:



25

Gambar 2.3 Updated DeLone and McLean IS Success Model Sumber: DeLone & McLean (2003)

Gambar 2.3 menjelaskan hubungan pengaruh antar variabel yang terlibat di dalam Updated DeLone and McLean IS Success Model. DeLone dan McLean (2003) menambahkan variabel service quality (kualitas pelayanan) ke dalam model untuk melengkapi variabel kualitas lainnya, yaitu system quality (kualitas sistem) dan information

quality

(kualitas

informasi).

DeLone

dan

McLean

juga

menggabungkan variabel individual impacts (dampak individu) dan organizational impacts (dampak individu) dari model sebelumnya menjadi net benefit (keuntungan bersih). Penggabungan tersebut berdasarkan asumsi bahwa dampak dari sistem informasi bukan lagi hanya pada penggunaan secara individu maupun organisasi saja. Namun sudah melibatkan banyak pihak terkait. Variabel lain yang ditambahkan dalam model baru ini adalah intention to use (niat untuk menggunakan) sebagai sikap dari pengguna. Variabel intention to use dapat digunakan sebagai alternatif variabel use (penggunaan) yang merupakan perilaku pengguna. Dalam model tersebut digambarkan bahwa user satisfaction (tingkat kepuasan) mempengaruhi intention to use/use (niat pengguna untuk menggunakan sistem informasi) dan demikian sebaliknya. Niat untuk menggunakan sistem informasi (intention to use) dan penggunaan secara nyata (use) sulit untuk dibedakan. Namun banyak peneliti lebih memilih menggunakan variabel use untuk mewakili keduanya. Tingkat kepuasan dan niat pengguna ditentukan oleh keuntungan/manfaat (net benefit) yang dapat diberikan oleh suatu sistem informasi. Jika net benefit dari sistem informasi secara terus menerus memberikan hasil yang Universitas Indonesia


26

positif, akan mempengaruhi dan memperkuat penggunaan, serta kepuasan pengguna. Demikian juga sebaliknya, suatu sistem informasi dianggap dapat meningkatkan produktivitas dan memberikan keuntungan/manfaat, apabila ada kepuasan dari pengguna yang menggunakan sistem informasi tersebut. Jadi ada feedback (umpan balik) diantara variabel-variabel di atas, yaitu antara penggunaan, kepuasan pengguna, dan keuntungan bersih/manfaat. Variabel-variabel yang terlibat dalam model di atas dijelaskan sebagai berikut: a. Information Quality (kualitas informasi) Kualitas informasi diukur berdasarkan tingkat akurasi, ketepatan waktu, kelengkapan, relevansi, dan konsistensi dari sistem informasi. b. System Quality (kualitas sistem) Kualitas sistem diukur berdasarkan kemudahan penggunaan (ease of use), fungsionalitas, keandalan (reliability), fleksibilitas, kualitas data, portabilitas, integrasi, dan tingkat kepentingan dari sistem informasi. c. Service Quality (kualitas layanan) Kualitas layanan diukur berdasarkan dimensi tangibles (mempunyai hardware dan software yang up-to-date), tingkat keandalan (reliability), pelayanan yang cepat (responsiveness), jaminan bahwa sistem dapat melakukan pekerjaan dengan baik (assurance), dan kemampuan sistem informasi untuk menarik empati pengguna. d. Intention to Use/Use Penggunaan sistem informasi dapat diukur sebagai frekuensi penggunaan, waktu penggunaan, jumlah akses, pola penggunaan, dan ketergantungan terhadap sistem informasi. e. User Satisfaction (kepuasan pengguna) Variabel ini diukur berdasarkan pendapat pengguna tentang sistem informasi terkait pengalamannya menggunakan sistem informasi tersebut.



27

f. Net Benefit (keuntungan bersih) Net benefit merupakan deskripsi yang paling akurat dari variabel keberhasilan/kesuksesan akhir. Istilah net benefit (keuntungan bersih) digunakan oleh DeLone dan McLean karena penelitian ini awalnya dikembangkan untuk memberi kontribusi terhadap perkembangan sistem informasi yang semakin pesat, khususnya dalam bidang e-commerce. Namun bukan berarti tidak layak digunakan untuk penelitian sistem informasi yang lain. “Keuntungan bersih” yang dimaksud adalah dampak positif dan negatif yang diakibatkan oleh sebuah sistem informasi, baik secara individu maupun organisasi. Keuntungan bersih dapat juga disebut dengan manfaat. Istilah manfaat lebih cocok digunakan untuk sistem informasi yang digunakan dalam organisasi non profit. Keuntungan bersih/manfaat ini berbeda untuk masingmasing pengguna. Penggunaan sistem informasi oleh setiap individu dalam sebuah organisasi akan memberikan dampak terhadap produktivitas organisasi tersebut.

Penggunaan

sistem

informasi

juga

berdampak

pada

keberhasilan/kesuksesan sistem informasi tersebut. Pada sub-bab sebelumnya telah dijelaskan tentang definisi e-learning, yaitu sistem pembelajaran dengan menggunakan media komputer dan internet. e-Learning merupakan sistem pembelajaran secara online yang dapat digunakan untuk berbagi informasi dalam pengembangan ilmu pengetahuan. Oleh karena itu, Updated DeLone and McLean IS Success Model juga dapat digunakan dalam penelitian tentang implementasi e-learning dalam suatu organisasi. Model ini mempunyai variabel niat untuk menggunakan suatu sistem informasi atau teknologi informasi sehingga dapat dijadikan rujukan untuk mengembangkan model penelitian.

2.5 Penelitian Sebelumnya Berikut akan dijelaskan beberapa penelitian sebelumnya yang digunakan sebagai bahan rujukan dalam penelitian ini.



28

2.5.1 “Analisis Model Penerimaan Pengguna dengan Model UTAUT: Studi Kasus e-Learning Program Vokasi Universitas Indonesia” oleh Purwanto (2011) Penelitian Purwanto (2011) ini menganalisis faktor-faktor yang mempengaruhi penerimaan mahasiswa terhadap e-learning dengan menggunakan model UTAUT. Faktor yang digunakan dalam penelitian ini adalah performance expectancy, effort expectancy, facilitating condition, dan behavioral intention, dengan moderator gender. Faktor Social Influence tidak digunakan. Responden dalam penelitian ini adalah mahasiswa Program Vokasi Universitas Indonesia. Hasil yang diperoleh adalah: a. Performance expectancy, effort expectancy, facilitating condition berpengaruh terhadap tingkat penerimaan pengguna terhadap sistem e-learning. Hal ini sesuai dengan model UTAUT. b. Faktor-faktor determinan yang berpengaruh terhadap tingkat penerimaan pengguna tersebut kemudian dijelaskan berdasarkan gender. Penggunaan moderator gender mengakibatkan adanya perbedaan tingkat pengaruh dari masing-masing faktor determinan tersebut. c. Faktor yang berpengaruh terhadap tingkat penerimaan pengguna pria terhadap sistem e-learning adalah performance expectancy, effort expectancy, facilitating condition, dan behavioral intention. d. Faktor yang berpengaruh terhadap tingkat penerimaan pengguna wanita hanya performance expectancy, effort expectancy, dan behavioral intention. Faktor facilitating condition tidak berpengaruh pada tingkat penerimaan pengguna wanita. Hal ini dimungkinkan ada hubungan dengan tingkat kenyamanan yang diinginkan wanita saat melakukan hal-hal yang membutuhkan konsentrasi tinggi seperti belajar. Oleh karena itu dapat disimpulkan bahwa sebagian besar responden wanita mungkin merasa lebih nyaman jika aktivitas belajarnya dilakukan dengan menggunakan fasilitas pribadi yang memungkinkan terjaganya kenyamanan. e. Pengaruh performance expectancy terhadap behavioral intention dan facilitating condition terhadap behavioral intention lebih kuat pada pria Universitas Indonesia


29

dibanding wanita. Jadi dapat disimpulkan bahwa pria lebih berorientasi pada kecepatan penyelesaian pekerjaan/tugas dibandingkan wanita. f. Pengaruh effort expectancy terhadap behavioral intention lebih kuat pada wanita dibandingkan pria. Jadi dapat disimpulkan bahwa mahasiswa wanita lebih berorientasi pada proses, dimana suatu sistem atau teknologi akan mudah dioperasikan setelah dipelajari sebelumnya dengan baik. Penelitian ini dijadikan sebagai rujukan karena mempunyai kesamaan dengan penelitian yang dilakukan terhadap implementasi e-learning di PPPPTK Bahasa. Hal yang sama tersebut adalah implementasi e-learning dalam pembelajaran konvensional (tatap muka) sebagai teknologi yang dibahas. Namun perbedaannya, penelitian ini mengambil sudut pandang dari sisi peserta didik sebagai pengguna elearning, sedangkan penelitian yang dilakukan di PPPPTK Bahasa mengambil sisi pengajar atau instruktur sebagai objek penelitian. Penelitian Purwanto (2011) ini tidak menggunakan semua faktor yang ada dalam model UTAUT. Pemilihan faktor-faktor yang terlibat tersebut hanya berdasarkan asumsi peneliti bahwa penelitian dilakukan di lingkungan sekolah/pendidikan sehingga ada faktor yang dianggap tidak sesuai untuk dimasukkan ke dalam model penelitian. Asumsi tersebut tidak disertai dengan alasan-alasan yang lebih mudah diterima pembaca.

2.5.2 “Student Acceptance of Web-based Learning System” oleh Din Jong dan Wang (2009) Penelitian Din Jong dan Wang (2009) ini menganalisis tentang penerimaan webbased learning system oleh siswa postsecondary yang mengambil kelas e-learning di Technical University Taiwan selama musim semi tahun 2009. Penelitian ini menggunakan pendekatan model UTAUT yang telah dimodifikasi, yaitu melibatkan faktor lain di luar model UTAUT. Moderator tidak digunakan dalam penelitian ini. Faktor yang ditambahkan dalam penelitian adalah: a. Attitude toward using technology, yaitu keseluruhan reaksi afektif seseorang dalam menggunakan teknologi, misalnya anggapan positif/negatif tentang penggunaan suatu teknologi, motivasi diri, dan perasaan senang atau tidak



30

senang dalam menggunakan teknologi. Dijelaskan oleh Venkatesh, dkk (2003), faktor ini dibangun dari beberapa konstruk model atau teori, antara lain: 

Attitude toward Behavior diadopsi dari Theory of Reasoned Action (TRA), Theory of Planned Behavior (TPB), dan Combined TAM and TPB (c-TAMTPB). Attitude toward Behavior adalah perasaan positif/negatif individu dalam berperilaku.



Intrinsic Motivation diadopsi dari Motivational Model (MM), yaitu persepsi bahwa pengguna ingin melakukan sesuatu tanpa paksaan atau tekanan.



Affect toward Use diadopsi dari Model of PC Utilization (MPCU), yaitu perasaan senang atau tidak senang dalam menggunakan teknologi.



Affect diadopsi dari Social Cognitive Theory (SCT), yaitu kesenangan dalam melakukan sesuatu.

b. Self-efficacy, yaitu kemampuan seseorang menggunakan suatu teknologi untuk menyelesaikan pekerjaan. Faktor ini diadopsi dari Social Cognitive Theory (Venkatesh, dkk, 2003). c. Anxiety, yaitu keraguan atau ketakutan dalam menggunakan suatu teknologi. Faktor ini juga diadopsi dari Social Cognitive Theory (Venkatesh, dkk, 2003). Ketiga faktor di atas tidak termasuk dalam model UTAUT. Menurut Venkatesh, dkk (2003), faktor self-efficacy dan anxiety sudah termasuk di dalam faktor effort expectancy yang merupakan kontribusi dari konstruk Perceived Ease of Use. Faktor attitude toward using technology juga disimpulkan tidak berpengaruh signifikan secara langsung terhadap behavior intention, tetapi melalui faktor performance expectancy dan effort expectancy. Namun Venkatesh, dkk (2003) menyatakan bahwa model yang dibuatnya (UTAUT) tidak menutup kemungkinan untuk dimodifikasi, baik menambah faktor maupun mengurangi faktor, disesuaikan dengan kasus yang diteliti.



31

Model penelitian Din Jong dan Wang (2009) adalah sebagai berikut:

Gambar 2.4 Model penelitian Din Jong dan Wang (2009) Gambar 2.4 menunjukkan bahwa Din Jong dan Wang (2009) ingin meneliti pengaruh tujuh faktor determinan yang diajukan terhadap niat untuk berperilaku (behavior intention) dan penggunaan sistem/teknologi secara nyata (system usage). Ketujuh faktor tersebut adalah performance expectancy, effort expectancy, attitude toward using technology, facilitating conditions, self-efficacy, social influence, dan anxiety.



32

Hasil penelitian Din Jong dan Wang (2009) dapat digambarkan sebagai berikut:

Gambar 2.5 Final Model Din Jong dan Wang (2009) Gambar 2.5 menunjukkan bahwa variabel yang berpengaruh terhadap behavior intention adalah performance expectancy, attitude toward using technology, facilitating conditions, self-efficacy, dan social influence. Variabel penggunaan sistem dipengaruhi secara langsung oleh behavior intention, attitude toward using technology, dan social influence. Kelebihan dari penelitian Din Jong dan Wang (2009) ini adalah kemampuannya membuat model penelitian dengan memodifikasi model UTAUT sehingga menghasilkan suatu model baru untuk behavior intention dan use behavior. Namun tidak ada moderator yang digunakan ataupun ditambahkan. Penelitian Din Jong dan Wang (2009) mempunyai persamaan dengan penelitian yang dilakukan di PPPPTK Bahasa, yaitu membahas penerapan sistem e-learning. Perbedaannya, Din Jong dan Wang (2009) menganalisis pembelajaran jarak jauh dengan menggunakan e-learning oleh siswa sebagai pengguna, sedangkan penelitian di PPPPTK Bahasa menganalisis implementasi e-learning dalam pembelajaran konvensional (tatap muka) dari sisi pengajar sebagai pengguna.



33

2.5.3 “System Characteristics, Satisfaction, and e-Learning Usage: A Structural Equation Model (SEM)” oleh Ramayah dan Lee (2010) Penelitian ini dilakukan atas dasar perkembangan e-learning yang semakin banyak pada beberapa perguruan tinggi di Malaysia. Penelitian dimaksudkan untuk memberikan masukan kepada pengembang e-learning dan penggunanya. Ramayah dan Lee mengumpulkan data dari 250 mahasiswa perguruan tinggi negeri di Penang, Malaysia. Penelitian tersebut mengadopsi Updated DeLone and McLean IS Success Model. Berikut adalah model penelitiannya:

Gambar 2.6 Model Penelitian Ramayah dan Lee (2010) Gambar 2.6 menunjukkan bahwa Ramayah dan Lee berasumsi bahwa kesuksesan implementasi e-learning diukur dari tingkat kepuasan (user satisfaction/US) dan penggunaan secara berkelanjutan oleh penggunanya (behavioral intention/BI). Kedua hal tersebut dianalisis berkaitan dengan dimensi kualitas yang dirasakan oleh pengguna, antara lain kualitas pelayanan (service quality/SERQ), kualitas informasi (information quality/IQ), dan kualitas sistem (system quality/SQ). Metode analisis data menggunakan model persamaan struktural SEM. Hasil yang diperoleh adalah sebagai berikut: a. Service quality, information quality, dan system quality berpengaruh terhadap kepuasan pengguna (user satisfaction). Universitas Indonesia


34

b. Information quality mempunyai pengaruh yang paling besar terhadap kepuasan pengguna. c. Service quality dan system quality juga mempunyai pengaruh positif terhadap penggunaan secara berkelanjutan (behavioral intention). d. Kepuasan pengguna (user satisfaction) memiliki dampak positif pada penggunaan secara berkelanjutan (behavioral intention). Dari hasil analisis tersebut disimpulkan bahwa pengembang e-learning perlu memastikan kualitas, relevansi, dan kelengkapan informasi. Hal ini bertujuan untuk memenuhi kebutuhan pengguna agar tercapai kepuasan pengguna. Disamping itu, kehandalan dan kemudahan akses dari sistem e-learning juga perlu diperhatikan. Jika niat untuk menggunakan e-learning secara berkelanjutan rendah karena kurangnya kepuasan pengguna, implementasi sistem e-learning dianggap gagal. Ramayah dan Lee telah berhasil menjelaskan faktor-faktor yang diperlukan bagi pengembang e-learning dan lembaga yang akan mengimplementasikan e-learning. Penelitian tersebut menghasilkan pemikiran teoritis tentang pengaruh kualitas sistem, kualitas informasi, dan kualitas pelayanan terhadap kepuasan pengguna dan niat untuk menggunakannya secara berkelanjutan pada sistem e-learning yang digunakan di perguruan tinggi di Malaysia. Teori tersebut dibentuk berdasarkan hasil uji empirik yang telah dilakukan. Meskipun demikian, ada beberapa keterbatasan

dalam

penelitian

ini.

Generalisasi

hasil

penelitian

harus

memperhitungkan ukuran sampel yang telah digunakan. Ramayah dan Lee hanya mengambil sampel pada salah satu perguruan tinggi di Penang, Malaysia. Oleh karena itu, penelitian ini kurang tepat jika digunakan untuk mengambil kesimpulan secara umum tentang penggunaan e-learning secara luas di perguruan tinggi di Malaysia. Hal lain yang mungkin perlu diperhatikan adalah penggunaan moderator seperti gender atau faktor demografi lainnya sehingga analisis data bisa lebih mendalam. Penelitian Ramayah dan Lee mempunyai persamaan dengan penelitian yang dilakukan di PPPPTK Bahasa, yaitu menganalisis penggunaan e-learning dalam pendidikan formal. Namun perbedaannya, penelitian tersebut dilakukan dari Universitas Indonesia


35

perspektif siswa atau peserta didik, sedangkan penelitian yang dilakukan di PPPPTK Bahasa membahas dari sisi pendidik.

2.5.4 “Instructor's Acceptance

of

Learning

Management Systems:

A

Theoretical Framework” oleh Al-Busaidi dan Al-Shihi (2010) Penelitian Al-Busaidi dan Al-Shihi (2010) ini bertujuan untuk mengembangkan kerangka teoritis untuk mengevaluasi penerimaan LMS (Learning Management Systems) oleh instruktur. Menurut Al-Busaidi dan Al-Shihi (2010), LMS merupakan suatu alat modern berbasis ICT (Information and Communication Technologies) yang menunjang lembaga pendidikan dan pelatihan dalam pembelajaran jarak jauh atau e-learning maupun mengefektifkan model pembelajaran konvensional. LMS dapat digunakan untuk menyimpan, mengelola, dan berbagi pengetahuan. Peran instruktur sangat penting dalam implementasi LMS. Kesuksesan LMS dalam sebuah lembaga dimulai dari penerimaan instruktur terhadap LMS tersebut. Instruktur berperan dalam memprakarsai dan mendorong peserta didik untuk memanfaatkan LMS.



36

Instructor's LMS Acceptance Model oleh Al-Busaidi dan Al-Shihi (2010) adalah sebagai berikut:

Instructor Factors Self Efficacy Attitude Toward LMS Experience Teaching Style

Perceived Usefullness

Personal Innovativeness

Organization Factors

Attitude toward Use

Motivators Technology Alignment

Behavioral Intention to Use

Organization Support

Perceived Easy of Use

Technical Support Training

Technology Factors Information Quality System Quality Service Quality

Gambar 2.7 Instructor's LMS Acceptance Model Sumber: Al-Busaidi dan Al-Shihi (2010)

Gambar 2.7 merupakan kerangka teoritis penerimaan LMS oleh instruktur yang dibuat oleh Al-Busaidi dan Al-Shihi (2010) dengan menggunakan pendekatan Technology Acceptance Model. Kerangka ini mencakup faktor-faktor yang mempengaruhi persepsi instruktur tentang kemudahan penggunaan (perceived ease of use) dan manfaat yang dirasakan (perceived usefulness) dalam menentukan sikap untuk menggunakan LMS. Faktor-faktor tersebut dikelompokkan menjadi 3 kategori yang merefleksikan unsur-unsur utama dalam pemanfaatan LMS dari sudut pandang instruktur, yaitu faktor individu (instruktur), organisasi, dan teknologi. Faktor instruktur terdiri dari self efficacy (kemampuan diri), attitude toward LMS (sikap), experience (pengalaman), teaching style (gaya mengajar), dan personal innovativeness (inovasi pribadi). Faktor organisasi terdiri dari motivator, keselarasan/kesesuaian teknologi, dukungan organisasi, dukungan teknis, dan Universitas Indonesia


37

pelatihan. Faktor teknologi terdiri dari kualitas sistem, kualitas informasi, dan kualitas pelayanan. Instructor's LMS Acceptance Model dapat digunakan oleh para peneliti dan praktisi untuk menilai penerimaan instruktur terhadap implementasi LMS dan memastikan keberhasilan penyebaran LMS. Model tersebut telah melibatkan banyak faktor sehingga membentuk sebuah kerangka teoritis yang komprehensif. Al-Busaidi dan Al-Shihi (2010) juga menjelaskan secara rinci maksud dari masing-masing faktor yang digunakan dalam model sehingga mempermudah pembaca dalam memahami maksudnya. Penelitian Al-Busaidi dan Al-Shihi (2010) dijadikan rujukan dalam penelitian ini karena memiliki persamaan, yaitu membahas penerimaan teknologi LMS, termasuk e-learning dari sudut pandang instruktur dengan menggunakan model user acceptance. Perbedaannya adalah Al-Busaidi dan Al-Shihi (2010) menggunakan pendekatan TAM, sedangkan penelitian yang dilakukan di PPPPTK Bahasa menggunakan pendekatan UTAUT.

2.5.5 “Intention to Use Digital Library based on Modified UTAUT Model: Perspectives of Malaysian Postgraduate Students” oleh Rahman, dkk (2011) Penelitian ini menganalisis faktor-faktor yang mempengaruhi niat mahasiswa pascasarjana di Malaysia untuk menggunakan perpustakaan digital dengan menggunakan

model

UTAUT

yang

dimodifikasi.

Model

penelitiannya

digambarkan sebagai berikut:



38

Gambar 2.8 Model Penelitian Rahman, dkk (2011) Gambar 2.8 menjelaskan variabel-variabel yang digunakan dalam penelitian Rahman, dkk (2011), yaitu information quality, performance expectancy, effort expectancy, digital library services (service quality), dan intention to use. Moderator yang digunakan merupakan karakteristik pengguna, seperti usia, jenis kelamin, dan pengalaman menggunakan perpustakaan digital. Information quality dan service quality diadopsi dari model DeLone dan McLean (2003). Performance expectancy dan effort expectancy diadopsi dari model UTAUT. Hasil dari penelitian ini menyatakan bahwa performance expectancy, effort expectancy, dan information quality mempunyai pengaruh yang signifikan terhadap niat untuk menggunakan perpustakaan digital (intention to use), sedangkan service quality memberikan hasil yang negatif. Moderator usia dan jenis kelamin tidak berpengaruh signifikan, sedangkan faktor pengalaman menentukan besarnya pengaruh effort expectancy terhadap niat untuk menggunakan perpustakaan digital (intention to use). Kelebihan dari penelitian Rahman, dkk (2011) ini adalah mengadopsi dua model yang berbeda untuk membuat model baru yang menentukan niat untuk menggunakan suatu teknologi, yaitu model UTAUT dan Updated DeLone and McLean IS Success Model. Namun hanya beberapa variabel saja yang dilibatkan. Meskipun penelitian Rahman, dkk (2011) tidak membahas tentang implementasi elearning seperti halnya penelitian yang dilakukan di PPPPTK Bahasa, tetapi Universitas Indonesia


39

penelitian tersebut masih dalam konteks penggunaan teknologi informasi dalam bidang pendidikan.

2.6 Survey Research (Penelitian Survei) Glasow (2005) memberikan penjelasan tentang penelitian survei sebagai berikut: a. Penelitian survei adalah salah satu metodologi penelitian yang dapat digunakan untuk menjawab atau memecahkan masalah yang telah diajukan atau diamati, menilai tujuan yang telah ditentukan, menganalisis tren, dan menggambarkan yang sedang terjadi dalam suatu permasalahan (Isaac & Michael, 1997). b. Penelitian survei digunakan dalam metode penelitian kuantitatif untuk menggambarkan aspek spesifik (model hubungan antar variabel) suatu populasi dengan mengumpulkan data dari sampel populasi tersebut yang selanjutnya akan digeneralisasikan (Kraemer, 1991). c. Penelitian survei merupakan salah satu metode pengumpulan data primer, yaitu data yang didapat dari sumber pertama. d. Beberapa hal yang harus disiapkan dalam penelitian survei adalah: 

Survey Design, yaitu menentukan sampel dan ukuran sampel.



Menentukan media untuk mengumpulkan data, misalnya melalui email atau pos (written survey), telepon atau face to face (verbal survey), dan gabungan diantaranya (mixed mode survey).



Menentukan instrumen yang akan digunakan sebagai alat pengumpulan data, misalnya dengan membuat kuesioner. Komponen inti dari kuesioner yang baik adalah adanya subjek yang melaksanakan penelitian, adanya ajakan atau permohonan peneliti kepada responden untuk turut serta mengisi secara aktif dan objektif setiap pertanyaan atau pernyataan yang disediakan, adanya petunjuk pengisian kuesioner, serta adanya pertanyaan atau pernyataan beserta tempat untuk mengisi jawaban. Kuesioner yang baik harus menggunakan kalimat yang tepat, jelas, dan tidak bias, sehingga responden

mudah

untuk

menjawabnya

dan

tidak

menimbulkan

kesalahpahaman yang akan mengakibatkan kesalahan pengukuran (bias) Universitas Indonesia


40

dalam penelitian. Pertanyaan dalam kuesioner bisa dalam bentuk openended question atau pertanyaan terbuka sehingga responden dapat mengisi sesuai dengan kalimatnya sendiri, maupun closed-ended question atau pertanyaan tertutup dimana responden menjawab dengan cara memilih jawaban yang telah disediakan. Penelitian ini menggunakan metode penelitian survei untuk mengumpulkan data primer. Data primer dikumpulkan melalui kuesioner yang diberikan langsung kepada responden.

2.7 Sampling Dalam bukunya, Suparman (1986) menguraikan tentang sampling. Sampling adalah teknik atau cara pengumpulan data sampel dari populasi yang akan diteliti. Dalam sebuah penelitian, sifat-sifat atau karakterisitik sekumpulan objek penelitian (populasi) dapat diduga dengan mempelajari dan mengamati sebagian dari kumpulan tersebut (sampel). Populasi yang terlalu besar membutuhkan banyak biaya dan waktu jika harus dilakukan pengamatan secara menyeluruh sehingga perlu dilakukan sampling. Menurut Cochran (1991), tujuan dari sampling adalah untuk mengetahui atau menduga nilai parameter dalam populasi dengan menggunakan karakteristik sampel (statistik). Metode pendugaan ini disebut teori sampling. Sampel yang baik adalah sampel yang dapat mencerminkan semua unsur dalam populasi (units of analysis) secara proporsional, disebut unibased sample atau sampel yang representatif. Sampel yang bias adalah sampel yang tidak memberikan kesempatan yang sama pada semua unsur populasi untuk dipilih. Suparman (1986) dan Cochran (1991) menguraikan tentang teknik sampling dan macam-macamnya. Teknik sampling dapat dikelompokkan menjadi dua yaitu probability sampling dan nonprobability sampling.



41

2.7.1 Probability Sampling Probability sampling adalah sampel yang ditarik berdasarkan probabilitas sehingga setiap unsur populasi mempunyai nilai kemungkinan tertentu untuk dipilih. Sampel ini disebut juga dengan sampel random karena penarikannya dilakukan secara acak. Macam-macam probability sampling antara lain: a. Simple random sampling, yaitu teknik penarikan sampel secara acak terhadap unsur populasi sampai diperoleh jumlah yang diinginkan atau dengan menggunakan tabel bilangan acak. Tabel bilangan acak dapat digunakan jika semua unsur populasi (sampling frame/kerangka sampling) diketahui. b. Systematic sampling, yaitu teknik penarikan sampel dengan menggunakan aturan-aturan tertentu. Pemilihan unsur pertama untuk sampel dilakukan secara acak, selanjutnya dipilih unsur-unsur berikutnya dengan aturan tertentu. Sampling ini juga mensyaratkan adanya kerangka sampling. c. Stratified sampling, yaitu teknik penarikan sampel dengan membagi populasi menjadi beberapa kelas, kategori, atau kelompok yang disebut strata. Kerangka sampling sangat dibutuhkan dalam teknik ini. Setiap strata diambil sampel sesuai dengan sampling fraction yang ditentukan. Sampling fraction adalah persentase setiap strata. Ada dua jenis stratified sampling, antara lain: 

Proportional stratified sampling, yaitu stratified sampling dengan sampling fraction sebanding dengan besar setiap strata.



Disproportional stratified sampling, yaitu stratified sampling dengan sampling fraction sama untuk setiap strata.

d. Cluster sampling, yaitu teknik penarikan sampel yang mengacu pada kelompok bukan individu. Cara ini baik dilakukan apabila sulit menentukan kerangka sampling.

2.7.2 Nonprobability Sampling Nonprobability sampling, yaitu teknik penarikan sampel yang tidak memberi peluang sama bagi setiap anggota populasi untuk dipilih sebagai sampel. Macammacam nonprobability sampling antara lain: Universitas Indonesia


42

a. Systematic sampling, yaitu pengambilan sampel dari anggota populasi berdasarkan aturan (urutan) yang telah ditentukan. b. Quota sampling, yaitu pengambilan sampel berdasarkan ciri-ciri tertentu sampai jumlah kuota yang diinginkan. c. Sampling insidental (haphazard), yaitu pengambilan sampel berdasarkan kebetulan. d. Purposive sampling, yaitu penentuan sampel berdasarkan pertimbangan tertentu. e. Sampling jenuh, yaitu penentuan sampel bila semua anggota populasi digunakan sebagai sampel. f. Snowball sampling, yaitu penarikan sampel secara beruntun. Setiap anggota terpilih memilih sampel yang lain sehingga anggota sampel menjadi semakin banyak. Untuk mendapatkan estimasi nilai parameter yang baik, penelitian ini akan menggunakan teknik sampling jenuh, yaitu melibatkan semua unsur populasi dalam penelitian. Hal ini dikarenakan jumlah populasi dalam penelitian ini tidak terlalu besar.

2.8 Data Penelitian dan Skala Pengukuran Metode statistik yang akan digunakan untuk menganalisis data atau menguji hipotesis dapat ditentukan jika tipe data sudah diketahui.

2.8.1 Tipe Data Sugiyono (2004) memberikan penjelasan tentang macam-macam data penelitian. Macam data penelitian ada dua, yaitu data kualitatif dan data kuantitatif. Data kualitatif adalah data yang dinyatakan dalam bentuk kata, kalimat, dan gambar. Data kuantitatif adalah data yang berbentuk angka atau data kualitatif yang diangkakan. Tipe data kuantitatif antara lain:



43

a. Data Nominal Data nominal merupakan tipe data yang paling sederhana. Data nominal digunakan untuk mengklasifikasikan objek-objek ke dalam beberapa kelompok yang menunjukkan kesamaan atau perbedaan ciri-ciri tertentu dari objek tersebut. Data nominal tidak bisa diurutkan mana yang lebih tinggi atau mana yang lebih utama. Contohnya adalah data jenis kelamin. b. Data Ordinal Data ordinal tidak memberikan nilai absolut pada objek, tetapi hanya memberikan peringkat (ranking) relatif. Jarak antara peringkat satu dan peringkat dua tidak harus sama dengan jarak antara peringkat dua dan peringkat tiga, dan seterusnya. Data ordinal belum bisa dioperasikan matematis. Contohnya adalah jenjang jabatan dan tingkat pendidikan. c. Data Interval Data interval adalah tipe data yang memungkinkan untuk melakukan klasifikasi, mengurutkan peringkat, dan mengukur serta membandingkan ukuran perbedaan di antara nilai. Data interval mengelompokkan objek-objek dalam kelompok yang mempunyai jarak sama antara satu kelompok dengan kelompok yang lain atau mempunyai selisih sama. Data interval tidak memiliki nilai nol mutlak. Data interval sudah bisa dioperasikan secara matematis (ditambah, dikurangi, digandakan, atau dibagi). Contohnya adalah ukuran suhu. Suhu 0 o Celsius bukan berarti tidak ada suhu, tetapi hanya menunjukkan bahwa suhu saat itu tergolong rendah. d. Data Rasio Data rasio adalah tipe data yang mengandung sifat interval dan juga mampu memberikan keterangan tentang nilai absolut objek yang diukur. Angka pada data rasio menunjukkan nilai yang sebenarnya dari objek yang diukur. Jadi angka 0 berarti benar-benar nol, tidak ada, atau kosong. Contohnya adalah data umur, tinggi badan, dan ukuran berat.



44

2.8.2 Skala Pengukuran Likert Menurut Suparman (1986), skala pengukuran merupakan acuan yang digunakan untuk mengukur suatu variabel dalam penelitian sehingga menghasilkan data kuantitatif. Skala Likert merupakan skala untuk mengukur attitude (sikap) responden. Hasilnya berupa kategori sikap, yaitu mendukung (positif), menolak (negatif), dan netral. Responden menanggapi pertanyaan/pernyataan yang ada dalam kuesioner dengan menentukan tingkat persetujuan terhadap pernyataan tersebut. Tingkat persetujuan ini dipilih dari skala yang sudah disediakan. Pernyataan-pernyataan yang diajukan dapat berupa pernyataan positif maupun negatif. Skala Likert biasanya menggunakan lima pilihan skala atau lebih. Misalnya: 

1 untuk menyatakan sangat tidak setuju



2 untuk menyatakan tidak setuju



3 untuk menyatakan netral



4 untuk menyatakan setuju



5 untuk menyatakan sangat setuju

Skala Likert dapat juga berbentuk tidak pernah, jarang, kadang-kadang, sering, selalu. Hal ini tergantung dari konsep yang akan diukur. Terdapat perbedaan pandangan beberapa peneliti tentang tipe data skala Likert. Beberapa peneliti memandang bahwa skala Likert termasuk kategori ordinal, sedangkan peneliti yang lain memandang bahwa skala Likert adalah interval. Perbedaan pandangan ini berakibat pada perbedaan alat analisis yang digunakan untuk menguji hipotesis. Suliyanto (2011) menuliskan tentang perbedaan pandangan tersebut. Berdasarkan hasil analisis korelasi rank spearman dan korelasi product moment, ditemukan bahwa terdapat korelasi yang sangat kuat antara data dengan skala Likert yang belum ditransformasi dengan skala Likert yang telah ditransformasi menggunakan metode succesive interval. Demikian juga dengan hasil perbandingan analisis regresi dan analisis jalur antara data dengan skala Likert



45

yang belum ditransformasi dengan skala Likert yang telah ditransformasi dengan metode succesive interval. Keduanya memberikan hasil yang sama. Menurut Ghozali dalam tulisan Suliyanto (2011), pada awalnya Likert membuat skala yang disebut dengan summated scale. Skala ini digunakan untuk mengukur tingkat persetujuan responden dengan kemungkinan jawaban sangat tidak setuju (sts), tidak setuju (ts),netral (n), setuju (s), sangat setuju (ss). Skala Likert dibuat ganjil dan ada pilihan netral atau undecided. Jadi skala jawaban dapat dibuat 5, 7, 9, 11 dan seterusnya. Likert telah melakukan penelitian dengan mengubah skala kuesioner Likert menjadi skala Thurstone dan Guttman pada responden yg sama. Skala Thurstone dan Guttman termasuk tipe data interval. Hasil penelitiannya menyatakan bahwa nilai korelasi antara skala Likert dengan Thurstone maupun Guttman adalah 0,92. Hal ini berarti bahwa skala Likert dapat dianggap sebagai data interval, seperti halnya skala Thurstone dan Guttman. Oleh karena itu banyak peneliti yang tidak melakukan transformasi data karena sudah berpandangan bahwa skala Likert merupakan skala interval yang dapat dikenai operasi matematika. Dari penjelasan di atas dapat disimpulkan bahwa skala Likert dapat diperlakukan sebagai data ordinal maupun data interval. Skala Likert dianggap sebagai data ordinal karena sudah memiliki tingkatan, tapi jarak antar tingkatan belum pasti. Skala Likert juga dapat dianggap sebagai data interval dan tidak harus ditransformasi dari data ordinal menjadi data interval sebelum melakukan perhitungan lebih lanjut.

2.9 Structural Equation Modeling dengan Partial Least Square (PLS-SEM) Menurut Monecke dan Leisch (2012), Partial Least Square (PLS) dikembangkan pertama kali oleh Herman Wold tahun 1982. PLS dikembangkan sebagai alternatif pemodelan persamaan struktural (SEM) yang membutuhkan data relatif besar sehingga tidak cocok digunakan untuk model yang kompleks dengan ukuran sampel relatif kecil. PLS merupakan soft modeling karena meniadakan asumsiasumsi OLS (Ordinary Least Squares) regresi, yaitu data harus terdistribusi normal dan tidak ada multikolinieritas antar variabel independen. Penerapan metode resampling pada PLS memungkinkan berlakunya data terdistribusi bebas sehingga Universitas Indonesia


46

tidak memerlukan asumsi berdistribusi normal dan tidak memerlukan sampel yang besar. PLS menggunakan iterasi algoritma yang terdiri dari seri OLS (Ordinary Least Squares) sehingga memungkinkan PLS untuk menyelesaikan masalah identifikasi model seperti pada SEM berbasis kovarian. PLS berbasis varian, sedangkan SEM berbasis kovarian (Jogiyanto, 2011). PLS menggunakan varian dalam iterasi antar indikator dalam satu variabel laten tanpa mengkorelasikannya dengan indikator dalam variabel laten lain, sedangkan SEM berbasis kovarian melakukan interkorelasi antara indikator-indikator antar variabel laten. Variabel laten adalah variabel yang tidak dapat diukur secara langsung, sedangkan indikator adalah variabel yang dapat diukur secara langsung atau disebut variabel terukur (variabel manifes). Mindrajaya dan Sumertajaya (2008) menyatakan bahwa selain permasalahan asumsi sebaran dan banyaknya data, SEM juga menghadapi kendala lain. Indikator penelitian pada SEM hanya dimungkinkan bersifat reflektif. Indikator yang bersifat reflektif adalah indikator yang dipengaruhi atau dijelaskan oleh variabel latennya atau indikator yang merefleksikan variabel latennya. Arah hubungan kausalitas dari variabel laten ke indikator. Berbeda dengan SEM berbasis kovarian, PLS memungkinkan penelitian dengan menggunakan indikator yang bersifat reflektif maupun formatif. Indikator formatif adalah indikator yang mempengaruhi atau menjelaskan variabel latennya. Indikator formatif merupakan gabungan dari beberapa variabel (variabel komposit). Arah hubungan kausalitas dari indikator ke variabel laten. Menurut Mustafa dan Wijaya (2012), sesama indikator formatif diasumsikan tidak berkorelasi sehingga tidak perlu diuji konsistensi/reliabilitas internal. Hilangnya salah satu indikator dapat mengakibatkan perubahan makna dari variabel laten. Mindrajaya dan Sumertajaya (2008) menyebutkan bahwa PLS dapat digunakan sebagai konfirmasi teori dan membangun hubungan yang belum ada landasan terorinya atau untuk pengujian proposisi. Mustafa dan Wijaya (2012) juga menyatakan bahwa PLS tidak hanya digunakan untuk mengonfirmasi teori (menguji hipotesis), tetapi juga untuk memprediksi model dalam studi eksploratori ketika dasar teorinya masih lemah. PLS dimaksudkan untuk causal predictive Universitas Indonesia


47

analysis dalam situasi kompleksitas model yang tinggi dan dukungan teori yang rendah. PLS juga disebut sebagai teknik prediction oriented, yaitu memprediksi variabel dependen dengan melibatkan sejumlah besar variabel independen. Sebagai teknik prediksi, PLS mengasumsikan bahwa semua ukuran varian adalah berguna untuk dijelaskan. Variabel laten diestimasi sebagai kombinasi linear dari indikatorindikatornya sehingga mampu menghindarkan masalah factor indeterminacy (faktor yang tidak dapat ditentukan). Mindrajaya dan Sumertajaya (2008) menuliskan bahwa pendugaan parameter dengan metode Maximum Likelihood pada SEM membutuhkan ukuran sampel minimal 10 kali banyaknya indikator atau lebih dari 100 unit pengamatan dan data berdistribusi normal. Oleh karena itu dibutuhkan suatu metode alternatif yang dapat digunakan dalam model yang kompleks dengan ukuran sampel relatif kecil dan tidak membutuhkan asumsi normal multivariat. PLS memungkinkan hal tersebut. Namun Mindrajaya dan Sumertajaya (2008) merekomendasikan ukuran sampel minimum 30.



48

Mindrajaya dan Sumertajaya (2008) menggambarkan model struktural dengan PLS sebagai berikut:

Gambar 2.9 Model Struktural PLS Sumber: Mindrajaya & Sumertajaya (2008)

Gambar 2.9 mengilustrasikan hubungan antar variabel laten dan indikator dalam model persamaan struktural dengan PLS. Penjelasan untuk notasi-notasi yang digunakan adalah sebagai berikut: 

ξ = Ksi, untuk variabel laten eksogen. Variabel laten eksogen selalu muncul sebagai variabel bebas (independen) pada semua persamaan.



η = Eta, untuk variabel laten endogen. Variabel laten endogen merupakan variabel laten yang mempunyai sifat sebagai variabel bebas (independen) sekaligus juga mempunyai sifat sebagai variabel terikat (dependen) pada paling sedikit satu persamaan di dalam model.



λx = Lamda (kecil) x, untuk loading factor variabel laten eksogen. Loading factor adalah besar korelasi antara indikator dengan variabel latennya. Universitas Indonesia


49



λy = Lamda (kecil) y, untuk loading factor variabel laten endogen.



β = Beta (kecil), untuk koefisien pengaruh variabel endogen terhadap variabel endogen.



γ = Gamma (kecil), untuk koefisien pengaruh variabel eksogen terhadap variabel endogen.



ζ = Zeta (kecil), untuk galat model.



δ = Delta (kecil), untuk galat pengukuran pada variabel manifes terhadap variabel laten eksogen.



ε = Epsilon (kecil), untuk galat pengukuran pada variabel manifes terhadap variabel laten endogen.

PLS mempunyai dua pemodelan (Mindrajaya & Sumertajaya, 2008), yaitu: a. Model

Pengukuran

(Outer

Model),

yaitu

model

pengukuran

yang

menghubungkan indikator dengan variabel latennya. b. Model struktural (Inner Model), yaitu model struktural yang menghubungkan antar variabel laten.

2.9.1 Model Pengukuran (Outer Model) Mindrajaya dan Sumertajaya (2008) menjelaskan bahwa Outer Model mendefinisikan hubungan antar variabel laten dengan indikator-indikatornya. Outer model disebut juga dengan outer relation atau measurement model. Data dalam measurement model dievaluasi untuk menentukan validitas dan reliabilitasnya. Validitas adalah ketepatan alat ukur yang digunakan dalam mengukur variabel yang diteliti, sedangkan reliabilitas adalah keandalan data yang diperoleh melalui alat ukur yang digunakan. Data yang diperoleh harus dapat dipercaya, konsisten, dan mampu mengungkapkan informasi yang sebenarnya di lapangan. Ada dua jenis model dalam Outer Model, yaitu: a. Model indikator relektif b. Model indikator formatif Universitas Indonesia


50

2.9.1.1 Model Indikator Reflektif Dalam model indikator reflektif, setiap indikator dipengaruhi atau dijelaskan oleh variabel latennya.

Gambar 2.10 Model Reflektif Sumber: Haenlein & Kaplan (2004)

Gambar 2.10 menjelaskan bahwa variabel laten η mempengaruhi atau menjelaskan setiap indikator y dengan loading factor λy. Mindrajaya dan Sumertajaya (2008) menuliskan persamaan untuk model indikator reflektif sebagai berikut: =Δ

+

atau =Δ

+

(2,1)

di mana x dan y adalah variabel manifes untuk variabel laten eksogen (ξ) dan endogen (η), sedangkan Δ

dan Δ

merupakan matrik loading factor yang

menggambarkan sebagai koefisien seperti pada regresi, yang menghubungkan variabel laten dengan variabel manifesnya. Residual diukur dengan δ dan ε yang diinterpretasikan sebagai kesalahan pengukuran atau error. Ciri-ciri model indikator reflektif antara lain: a. Arah hubungan kausalitas seolah-olah dari variabel laten ke indikator. Universitas Indonesia


51

b. Antar indikator diharapkan saling berkorelasi (memiliki internal consistency reliability). c. Menghilangkan satu indikator dari model pengukuran tidak akan merubah makna dan arti dari variabel laten. d. Menghitung adanya kesalahan pengukuran (error) pada tingkat indikator.

2.9.1.2 Model Indikator Formatif Dalam model indikator formatif, variabel laten dijelaskan atau dipengaruhi oleh variabel manifes atau indikatornya.

Gambar 2.11 Model Formatif Sumber: Haenlein & Kaplan (2004)

Gambar 2.11 menjelaskan bahwa variabel manifes y mempengaruhi atau menjelaskan variabel laten η dengan loading factor λy. Mindrajaya dan Sumertajaya (2008) menuliskan persamaan untuk model indikator formatif sebagai berikut: =Π

+

atau =Π

+

(2,2)

di mana x dan y adalah variabel manifes untuk variabel laten eksogen (ξ) dan endogen (η) dengan Πξ dan Πη adalah matrik loading factor sebagai koefisen variabel laten terhadap indikator, sedangkan δ dan ε adalah residual. Universitas Indonesia


52

Ciri-ciri model indikator formatif antara lain: a. Arah hubungan kausalitas seolah-olah dari indikator ke variabel laten. b. Antar indikator diasumsikan tidak berkorelasi. c. Menghilangkan satu indikator berakibat merubah makna variabel laten. d. Kesalahan pengukuran diletakkan pada tingkat variabel laten.

2.9.1.3 Perbedaan Model Indikator Reflektif dan Model Indikator Formatif Ghozali (2011) memberikan kriteria untuk menentukan model indikator reflektif dan formatif seperti dalam tabel berikut:

Tabel 2.1 Kriteria Model Indikator Reflektif dan Formatif Kriteria Arah hubungan kausalitas antara variabel laten dan indikator

Interchangeability antar indikator

Covariance (hubungan) antar indikator

Model Reflektif Arah kausalitas dari variabel laten ke indikator. Indikator merupakan manifestasi dari variabel laten. Perubahan pada indikator tidak harus menyebabkan perubahan pada variabel laten, sedangkan perubahan variabel laten mengakibatkan perubahan pada indikator. Indikator harus interchangeable. Indikator harus memiliki konten yang sama atau mirip. Indikator harus share common theme. Menghilangkan satu indikator tidak akan merubah makna variabel laten. Indikator diharapkan memiliki covariance satu sama lain. Perubahan satu indikator berhubungan dengan perubahan indikator lainnya.

Model Formatif Arah kausalitas dari indikator ke variabel laten. Indikator mendefinisikan karakteristik variabel laten. Perubahan pada indikator harus mengakibatkan perubahan pada variabel laten, sedangkan perubahan variabel laten tidak mengakibatkan perubahan pada indikator. Indikator tidak interchangeable. Indikator tidak harus memiliki konten yang sama atau mirip. Indikator tidak perlu share common theme. Menghilangkan satu indikator akan merubah makna variabel laten. Indikator tidak perlu memiliki covariance satu sama lain. Perubahan satu indikator tidak harus berhubungan dengan perubahan indikator lainnya.



53

Tabel 2.1 Kriteria Model Indikator Reflektif dan Formatif (lanjutan) Kriteria Nomological dari variabel laten

Model Reflektif Nomological net indikator tidak harus berbeda. Karena indikator mencerminkan variabel laten yang sama dan diasumsikan saling interchangeable, maka semua indikator pada blok yang sama harus memiliki anteseden dan konsekuen yang sama.

Model Formatif Nomological net indikator mungkin berbeda. Karena indikator tidak menggambarkan aspek yang sama dari variabel laten dan tidak interchangeable, maka tidak harus memiliki anteseden dan konsekuen yang sama.

Tabel 2.1 dapat digunakan sebagai panduan dalam membedakan model pengukuran dengan indikator reflektif dan formatif.

2.9.1.4 Pengujian Model Pengukuran (Outer Model) Pengujian outer model dilakukan dengan menggunakan uji t (t-test). Mindrajaya dan Sumertajaya (2008), dan Ghozali (2011) menjelaskan beberapa kriteria yang dapat digunakan dalam penilaian outer model untuk indikator reflektif sebagai berikut: a. Convergent Validity Convergen validity dapat dilihat dari nilai loading factor variabel laten dengan setiap indikatornya. Direkomendasikan nilai loading factor minimal 0,5. b. Discriminant Validity Discriminant validity dapat dilihat dari nilai cross loading factor. Diharapkan setiap kelompok indikator memiliki nilai loading factor lebih tinggi untuk variabel laten yang diukur dibandingkan untuk variabel laten lainnya. c. Average Variance Extracted (AVE) Nilai AVE dapat digunakan untuk menilai validitas dari variabel laten. Model yang baik dipersyaratkan mempunyai nilai AVE di atas 0,5.



54

d. Composite Reliability Uji reliabilitas dilakukan dengan melihat nilai composite reliability dari blok indikator yang mengukur variabel laten. Composite reliability mengukur internal consistency dan nilainya harus di atas 0,6. e. Cronbach Alpha Uji reliabilitas bisa diperkuat dengan Cronbach Alpha. Nilai yang disarankan adalah di atas 0,6 untuk setiap variabel laten. Ghozali (2011) juga memberikan kriteria penilaian outer model untuk indikator formatif sebagai berikut: a. Signifikansi nilai weight Nilai estimasi untuk model pengukuran formatif harus signifikan. Tingkat signifikansi tersebut dinilai dengan menggunakan prosedur bootstrapping. b. Multikolinieritas Variabel manifes setiap variabel laten harus diuji ada/tidak adanya multikolinieritas. Hal itu dapat dilakukan dengan menggunakan nilai variance inflation factor (VIF). Nilai VIF di atas 10 mengindikasikan adanya multikolinieritas.

2.9.2 Model Struktural (Inner Model) Mindrajaya dan Sumertajaya (2008) menjelaskan bahwa model struktural adalah spesifikasi hubungan antar variabel laten. Model struktural disebut juga dengan inner relation. Model ini menggambarkan hubungan antar variabel laten berdasarkan kerangka teori penelitian atau menguji hipotesis yang telah ditentukan. Persamaan untuk model struktural sebagai berikut: = dimana

+Γ +

(2,3)

adalah vektor variabel laten endogen, Γ adalah vektor variabel laten

eksogen, dan

adalah vektor residual (unexplained variance).



55

Oleh karena PLS didesain untuk model rekursif maka hubungan antar variabel laten dapat dispesifikasikan sebagai berikut: =∑ dimana

+∑

+

(2,4)

(dalam bentuk matriks dilambangkan dengan Γ) adalah koefisien jalur

yang menghubungkan variabel laten endogen (η) dengan variabel laten eksogen (ξ), (dalam bentuk matriks dilambangkan dengan β) adalah koefisien

sedangkan

jalur yang menghubungkan variabel laten endogen (η) dengan variabel laten endogen (η) lainnya, untuk range indeks i dan b. Parameter

adalah variabel inner

residual. Validitas koefisien jalur diketahui dengan menggunakan uji t. Uji ini dilakukan secara parsial, yaitu masing-masing nilai koefisien jalur diuji sendiri. Signifikansi koefisien jalur dalam model struktural dapat diperoleh dengan prosedur bootstrapping. Selain uji parsial tersebut, dilakukan juga uji kecocokan model (Goodness of Fit). Model dapat diukur menggunakan Q-square predictive relevance variabel laten dependen, yang mempunyai interpretasi sama dengan R-square pada regresi. Qsquare ini mengukur seberapa baik nilai observasi yang dihasilkan oleh model dan juga estimasi parameternya. Besaran Q2 memiliki rentang nilai 0 < Q2 < 1, dimana semakin mendekati 1 berarti model semakin baik. Nilai Q2 > 0 menunjukkan model memiliki predictive relevance, sebaliknya jika nilai Q2 ≤ 0 menunjukkan model kurang memiliki predictive relevance. Perhitungan Q2 dilakukan dengan rumus: =1− 1−

1−

… (1 −

)

(2,5)

dimana R12 , R22 ... Rp2 adalah nilai R-square variabel endogen dalam model persamaan. Selain Q-square predictive relevance dan signifikansi koefisien jalur, Ghozali (2011) menyampaikan bahwa model struktural dapat dievaluasi dengan menggunakan R-square untuk setiap variabel laten dependen. Nilai R-square dapat digunakan untuk uji kecocokan model dan menilai besarnya pengaruh variabel laten independen tertentu terhadap variabel laten dependen. R-square untuk variabel Universitas Indonesia


56

laten endogen sebesar 0,67, 0,33, dan 0,19 dalam model struktural mengindikasikan bahwa model baik, moderat, dan lemah.

2.9.3 Tahapan Analisis Partial Least Square (PLS) Mindrajaya dan Sumertajaya (2008) memberikan langkah-langkah dalam pemodelan persamaan struktural berbasis PLS sebagai berikut: a. Merancang Model Struktural (inner model) Pola hubungan antara variabel laten (eksogen dan endogen) diketahui dari teori yang digunakan. Perancangan model struktural hubungan antar variabel laten pada PLS didasarkan pada rumusan masalah atau hipotesis penelitian yang sudah ditentukan. b. Merancang model pengukuran (outer model) Perancangan model pengukuran (outer model) dalam PLS sangat penting karena terkait dengan indikator yang bersifat reflektif atau formatif. Pemilihan jenis model hubungan ini akan mempengaruhi metode perhitungan yang digunakan. c. Membuat diagram jalur Langkah ini sangat tergantung pada dua langkah sebelumnya. Hasil perancangan inner model dan outer model akan dinyatakan dalam bentuk diagram jalur agar hasilnya lebih mudah dipahami. d. Konversi diagram jalur dalam sistem persamaan Pembentukan sistem persamaan terdiri dari: 

persamaan untuk outer model;



persamaan untuk inner model; dan



Weight relation, yaitu estimasi nilai variabel laten. Inner model dan outer model di atas memberikan spesifikasi yang diikuti dengan estimasi weight relation dalam algoritma PLS



57

ξb = Σkb wkb xkb atau ηi = Σki wki yki

(2,6)

dimana wkb dan wki adalah weight ke-k yang digunakan untuk membentuk estimasi variabel laten ξb dan ηi. Estimasi variabel laten adalah penjumlahan linear dari indikator yang nilai weight-nya didapat dengan prosedur estimasi PLS. e. Estimasi PLS menggunakan metode kuadrat terkecil (least square methods) untuk menghitung nilai-nilai estimasi atau pendugaan parameter. Pendugaan parameter ini meliputi: 

Weight estimate yang digunakan untuk menciptakan skor variabel laten.



Estimasi jalur (path estimate) yang menghubungkan antar variabel laten dan estimasi loading factor antara variabel laten dengan indikatornya.



Means dan lokasi parameter (nilai konstanta regresi, intersep) untuk indikator dan variabel laten.

Model hubungan dapat diasumsikan bahwa indikator dan variabel laten berada di skala zero means dan unit variance (nilai standardized) sehingga parameter konstanta dapat dihilangkan dalam model tanpa mempengaruhi nilai generalisasi (Mustafa & Wijaya, 2012). Teknik parametrik untuk menguji signifikansi parameter tidak diperlukan karena PLS tidak mengasumsikan adanya distribusi tertentu. Proses perhitungan dilakukan dengan cara iterasi, dimana iterasi akan berhenti jika telah tercapai kondisi konvergen. f. Uji kecocokan model (Goodness of Fit) Langkah ini dilakukan untuk mengetahui baik tidaknya model yang diperoleh. Pengujian dilakukan untuk kedua jenis model, baik outer model maupun inner model.



58

g. Pengujian Hipotesis Pengujian hipotesis (β, γ, dan λ) dilakukan dengan metode resampling Bootstrap yang dikembangkan oleh Geisser & Stone. Statistik uji yang digunakan adalah uji t dengan hipotesis sebagai berikut: 

Hipotesis untuk outer model adalah:



Hipotesis untuk inner model pengaruh variabel laten eksogen terhadap variabel laten endogen adalah



Hipotesis untuk inner model pengaruh variabel laten endogen terhadap variabel laten endogen adalah

Pengujian dilakukan menggunakan uji t (t-test). Jika hasil pengujian hipotesis pada outer model signifikan, menunjukkan bahwa indikator dapat digunakan sebagai instrumen pengukur variabel laten. Jika hasil pengujian pada inner model signifikan, menunjukkan bahwa terdapat pengaruh antara variabel laten. Langkah-langkah pemodelan persamaan struktural berbasis PLS di atas dapat dikerjakan dengan bantuan software PLS. Software tersebut antara lain smartPLS, swarpPLS, dan lain-lain. PLS-SEM (Structural Equation Modeling dengan Partial Least Square) digunakan sebagai metode statistik untuk menganalisis data penelitian ini. PLS-SEM dipilih karena sesuai untuk jumlah data populasi yang relatif kecil dengan model yang kompleks (model persamaan struktural/SEM).



59

2.10 Kerangka Teori Berdasarkan teori-teori yang sudah dijabarkan di atas, penelitian ini akan membahas faktor-faktor yang mempengaruhi penerimaan dan penggunaan elearning di PPPPTK Bahasa dengan menggunakan pendekatan model UTAUT (Unified Theory of Acceptance and Use of Technology) dari Venkatesh, dkk (2003) dan Updated DeLone and McLean IS Success Model (2003). Pengguna (user) yang dimaksud dalam hal ini adalah widyaiswara/instruktur PPPPTK Bahasa yang berperan sebagai pengguna, pengajar, dan pengembang konten e-learning. Penelitian ini dilakukan guna mewujudkan keberhasilan/kesuksesan implementasi e-learning di PPPPTK Bahasa. Model penelitian dibuat berdasarkan rujukan beberapa penelitian sebelumnya. Kerangka teori penelitian digambarkan sebagai berikut:

Gambar 2.12 Kerangka Teori (Theoritical Framework) Gambar 2.12 menjelaskan variabel-variabel yang akan diteliti dalam menganalisis faktor-faktor yang mempengaruhi penerimaan dan penggunaan e-learning oleh para widyaiswara/instruktur di PPPPTK Bahasa. Pola penerimaan dan penggunaan e-learning ditentukan oleh penggunaan e-learning secara nyata (actual use). Variabel-variabel tersebut meliputi faktor-faktor karakteristik psikologi pengguna, baik internal maupun eksternal yang diadopsi dari model UTAUT dan penelitian



60

sebelumnya, serta dimensi kualitas sistem yang diadopsi dari Updated DeLone and McLean IS Success Model (2003). Beberapa variabel yang diadopsi dari model UTAUT adalah performance expectancy, effort expectancy, social expectancy, dan facilitating conditions. Variabel lain yang merupakan karakteristik pengguna adalah attitude toward using technology dan self-efficacy. Kedua variabel ini merujuk pada penelitian Din Jong dan Wang (2009) yang menyebutkan bahwa keduanya berpengaruh signifikan terhadap behavioral intention atau minat berperilaku. Faktor attitude toward using technology dan self-efficacy juga telah dijelaskan dalam penelitian Venkatesh, dkk (2003). Namun berdasarkan tes validasi model UTAUT, keduanya tidak dimasukkan ke dalam model karena tidak secara langsung menentukan minat untuk berperilaku. Menurut Venkatesh, dkk (2003), faktor attitude toward using technology menentukan behavioral intention melalui faktor performance expectancy dan effort expectancy, sedangkan faktor self-efficacy sudah termasuk di dalam faktor effort expectancy. Variabel-variabel dimensi kualitas yang diadopsi dari Updated DeLone and McLean IS Success Model adalah information quality, system quality, dan service quality. Penggabungan model UTAUT dan Updated DeLone and McLean IS Success Model dalam membuat sebuah model penelitian seperti yang digambarkan pada kerangka teori di atas merujuk pada penelitian Rahman, dkk (2011). Rahman, dkk (2011) mengadopsi Updated DeLone and McLean IS Success Model untuk memodifikasi model UTAUT. Moderator yang dilibatkan dalam penelitian adalah age (usia). Moderator lain seperti gender, experience, dan voluntariness diasumsikan tidak terlibat dalam pola penerimaan dan penggunaan e-learning oleh para widyaiswara/instruktur di PPPPTK Bahasa karena: a. Implementasi

e-learning

atau

pemanfaatan

e-learning

oleh

para

widyaiswara/instruktur di PPPPTK Bahasa tidak memandang perbedaan gender.



61

b. Pengalaman (experience) dalam menggunakan sistem e-learning diasumsikan sama, yaitu dimulai saat awal PPPPTK Bahasa mulai merintis e-learning pada tahun 2010. c. Voluntariness (kesukarelaan) juga diasumsikan sama karena instruksi untuk menggunakan dan mengembangkan e-learning ditujukan kepada seluruh widyaiswara/instruktur PPPPTK Bahasa. Instruksi ini belum dikukuhkan dengan aturan resmi dalam sistem diklat seperti kurikulum atau model diklat berbasis e-learning. Berikut adalah keterangan masing-masing variabel dan indikator-indikatornya:

Tabel 2.2 Variabel dan Indikator dalam Kerangka Teori Variabel Performance Expectancy (PE)

Deskripsi Tingkat keyakinan seseorang bahwa penggunaan teknologi atau sistem informasi dapat membantu meningkatkan kinerjanya.

Effort Expectancy (EE)

Persepsi seseorang tentang tingkat kemudahan penggunaan suatu teknologi atau sistem informasi.

Indikator Teknologi atau sistem informasi:  berguna dalam pekerjaan.  membantu menyelesaikan tugas atau pekerjaan dengan lebih cepat (efektif).  meningkatkan produktivitas kerja atau hasil kerja yang lebih baik.  meningkatkan penghasilan.  Interaksi pengguna dengan sistem informasi jelas dan mudah dimengerti.  Sistem informasi mudah dipelajari cara pengoperasiannya.  Sistem informasi mudah digunakan.  Mudah bagi pengguna untuk menjadi terampil dalam menggunakan sistem informasi.

Sumber Venkatesh, dkk (2003)

Venkatesh, dkk (2003)



62

Tabel 2.2 Variabel dan Indikator dalam Kerangka Teori (lanjutan) Variabel Social Influence (SI)

Facilitating Conditions (FC)

Attitude toward Using Technology (AUT)

Deskripsi Indikator Pengaruh orang lain  Pengaruh orang sekitar atau lingkungan untuk menggunakan terhadap kesadaran sistem informasi seseorang akan tertentu. pentingnya suatu  Pengaruh orang yang teknologi atau dianggap penting sistem informasi. untuk menggunakan suatu sistem informasi.  Pimpinan mendukung penuh penggunaan suatu sistem informasi.  Secara umum, organisasi telah mendukung penggunaan suatu sistem informasi. Infrastruktur atau  Adanya sumber daya fasilitas pendukung yang diperlukan untuk lainnya yang menggunakan sistem menunjang informasi. penggunaan sebuah  Adanya pengetahuan teknologi atau yang diperlukan untuk sistem informasi. menggunakan sistem informasi.  Tersedianya tenaga ahli yang dapat membantu mengatasi kesulitan dalam menggunakan sistem informasi.  Kesesuaian antara teknologi atau sistem yang baru dengan sistem yang sudah ada dalam organisasi. Keseluruhan reaksi  Implementasi suatu afektif atau sikap teknologi atau sebuah seseorang terhadap sistem informasi suatu teknologi atau dianggap sebagai ide sistem informasi. yang baik/buruk.  Sistem informasi dirasakan dapat membuat pekerjaan lebih menarik.

Sumber Venkatesh, dkk (2003)

Venkatesh, dkk (2003)

 Venkatesh, dkk (2003)  Din Jong & Wang (2009)



63

Tabel 2.2 Variabel dan Indikator dalam Kerangka Teori (lanjutan) Variabel Attitude toward Using Technology (AUT)

Deskripsi Keseluruhan reaksi afektif atau sikap seseorang terhadap suatu teknologi atau sistem informasi.

Self-Efficacy (SE) – Social Cognitif Theory

Kemampuan seseorang menggunakan suatu teknologi atau sistem informasi untuk menyelesaikan pekerjaan.

Information Quality (IQ)

Kualitas informasi suatu teknologi atau sistem informasi.

Indikator  Sistem informasi dirasakan dapat membuat pekerjaan menjadi menyenangkan.  Pengguna senang bekerja dengan menggunakan sistem informasi (tanpa paksaan atau tekanan). Pengguna dapat menyelesaikan pekerjaannya dengan menggunakan sistem informasi:  tanpa bantuan orang lain.  jika ada seseorang yang dapat membantu ketika mengalami kesulitan.  jika tersedia banyak waktu untuk menyelesaikan pekerjaan dengan menggunakan sistem informasi tersebut.  jika ada fasilitas bantuan di dalam sistem informasi tersebut.  Tingkat akurasi, yaitu informasi yang diberikan dapat dipercaya kebenarannya.  Kelengkapan informasi  Ketepatan waktu, yaitu informasi yang diberikan up-to-date (terkini).

Sumber  Venkatesh, dkk (2003)  Din Jong & Wang (2009)

 Venkatesh, dkk (2003)  Din Jong & Wang (2009)

 DeLone & McLean (1992)  DeLone & McLean (2003)



64

Tabel 2.2 Variabel dan Indikator dalam Kerangka Teori (lanjutan) Variabel Information Quality (IQ)

Deskripsi Kualitas informasi suatu teknologi atau sistem informasi.

System Quality (SysQ)

Kualitas dari kinerja sistem informasi (hardware maupun software)

Indikator  Relevansi, yaitu informasi yang diberikan sesuai dengan kebutuhan pengguna.  Konsistensi dalam menyajikan informasi (secara terus menerus)  Sistem informasi mudah digunakan karena sederhana atau tidak rumit.  Fungsionalitas, yaitu sistem informasi mempunyai fitur yang dapat bermanfaat bagi pengguna.  Reliability, yaitu sistem informasi dapat diandalkan, tidak mudah rusak atau menyebabkan masalah/kesalahan.  Fleksibilitas, yaitu kemampuan sistem informasi yang baik dalam menyesuaikan kebutuhan pengguna.  Kualitas data, yaitu sistem informasi dapat menjamin keakuratan data.  Portabilitas, yaitu kemampuan sistem informasi untuk dapat digunakan pada semua perangkat teknologi (komputer).  Integrasi, yaitu kemudahan sistem informasi dalam menggabungkan data dari berbagai macam sumber.

Sumber  DeLone & McLean (1992)  DeLone & McLean (2003)

 DeLone & McLean (1992)  DeLone & McLean (2003)



65

Tabel 2.2 Variabel dan Indikator dalam Kerangka Teori (lanjutan) Variabel System Quality (SysQ)

Deskripsi Kualitas dari kinerja sistem informasi (hardware maupun software)

Service Quality Kualitas pelayanan (SerQ) dari sistem informasi yang digunakan.

Indikator  Tingkat kepentingan (sesuai dengan kebutuhan)  Kemudahan akses  Efisiensi, yaitu berkaitan dengan waktu dan biaya yang digunakan untuk mendapatkan hasil yang optimal terkait dengan penggunaan sistem informasi.  Resource utilization, yaitu pemanfaatan sumber daya secara optimal.  Tangibles; mempunyai hardware/software yang mutakhir (up to date.  Reliability, yaitu tingkat keandalan layanan atau kemampuan sistem informasi dalam memberikan layanan sesuai dengan yang ditawarkan.  Responsiveness, yaitu pelayanan yang cepat  Assurance, yaitu jaminan bahwa sistem dapat melakukan pekerjaan dengan baik, misalnya menjaga keamanan (security).  Kemampuan sistem informasi untuk menarik empati pengguna.

Sumber  DeLone & McLean (1992)  DeLone & McLean (2003)

DeLone & McLean (2003)



66

Tabel 2.2 Variabel dan Indikator dalam Kerangka Teori (lanjutan) Variabel Behavioral Intention (BI)

Deskripsi Niat untuk menggunakan suatu teknologi atau sistem informasi.

Actual Use (AU)

Penggunaan teknologi atau sistem informasi secara nyata.

Indikator  Niat untuk menggunakan suatu teknologi dalam beberapa waktu ke depan.  Prediksi atau perkiraan akan menggunakan suatu teknologi dalam beberapa waktu ke depan.  Adanya rencana untuk menggunakan suatu teknologi dalam beberapa waktu ke depan.  Frekuensi penggunaan  Banyaknya penggunaan  Waktu penggunaan  Ketergantungan terhadap sistem informasi

Sumber  Venkatesh, dkk (2003)

 Venkatesh, dkk (2003)  DeLone & McLean (2003)

Tabel 2.2 menjelaskan indikator-indikator yang dapat diukur secara langsung dari responden untuk setiap variabel yang terlibat dalam penelitian ini. Indikator tersebut digunakan sebagai pertanyaan dalam kuesioner. Indikator disebut juga dengan variabel manifes dalam model persamaan struktural. Berdasarkan kerangka teori di atas, hipotesis dalam penelitian ini adalah sebagai berikut: H1 : Performance expectancy berpengaruh secara signifikan terhadap behavioral intention. H1a : Pengaruh

performance

expectancy

terhadap

behavioral

intention

dipengaruhi oleh faktor usia. H2 : Effort expectancy berpengaruh secara signifikan terhadap behavioral intention.



67

H2a : Pengaruh effort expectancy terhadap behavioral intention dipengaruhi oleh faktor usia. H3 : Social influence berpengaruh secara signifikan terhadap behavioral intention. H3a : Pengaruh social influence terhadap behavioral intention dipengaruhi oleh faktor usia. H4 : Facilitating conditions berpengaruh secara langsung terhadap actual use. H4a : Pengaruh facilitating conditions terhadap actual use dipengaruhi oleh faktor usia. H5 : Attitude toward using technology berpengaruh secara signifikan terhadap behavioral intention. H5a : Pengaruh attitude toward using technology terhadap behavioral intention dipengaruhi oleh faktor usia. H6 : Attitude toward using technology berpengaruh secara langsung terhadap actual use. H6a : Pengaruh attitude toward using technology terhadap actual use dipengaruhi oleh faktor usia. H7 : Self-efficacy berpengaruh secara signifikan terhadap behavioral intention. H8 : Information quality berpengaruh secara signifikan terhadap behavioral intention. H9 : Information quality berpengaruh secara langsung terhadap actual use. H10 : System quality berpengaruh secara signifikan terhadap behavioral intention. H11 : System quality berpengaruh secara langsung terhadap actual use. H12 : Service quality berpengaruh secara signifikan terhadap behavioral intention. H13 : Service quality berpengaruh secara langsung terhadap actual use. H14 : Behavioral intention berpengaruh secara signifikan terhadap actual use. Universitas Indonesia


68

2.11 Perbandingan Kerangka Teori dengan Model Penelitian Sebelumnya Beberapa penelitian sebelumnya sudah dijelaskan di atas, meliputi latar belakang penelitian, hasil/kesimpulan, kelebihan dan kekurangannya, serta perbedaan dan persamaan penelitian tersebut dengan penelitian yang akan dilakukan di PPPPTK Bahasa. Tabel berikut merupakan perbandingan model penelitian sebelumnya dengan kerangka teori dalam penelitian ini:

Tabel 2.3 Perbandingan Model Penelitian Penelitian Venkatesh, dkk (2003)

DeLone dan McLean (2003)

Purwanto (2011)

Persamaan Model Penelitian Penelitian di PPPPTK Bahasa melibatkan variabel performance expectancy, effort expectancy, social influence, facilitating conditions, behavioral intention, dan use behavior (model UTAUT). Menggunakan dimensi kualitas dalam menentukan penerimaan dan penggunaan sistem informasi atau teknologi (information quality, system quality, dan service quality)

Menggunakan pendekatan model UTAUT.

Perbedaan Model Penelitian Dalam model UTAUT terdapat 4 moderator, yaitu age, gender, experience, dan voluntariness. Penelitian di PPPPTK Bahasa hanya melibatkan moderator usia (age) saja.  Penelitian di PPPPTK Bahasa menggunakan pendekatan dua model, yaitu Updated DeLone and McLean IS Success Model dan model UTAUT.  Penelitian di PPPPTK Bahasa tidak sampai membahas kepuasan pengguna (user satisfaction) dan manfaat (net benefit) sistem informasi.  Variabel social influence tidak dilibatkan dalam model penelitian Purwanto (2011).  Penelitian di PPPPTK Bahasa menggunakan moderator usia, sedangkan penelitian Purwanto (2011) menggunakan gender sebagai moderator.



69

Tabel 2.3 Perbandingan Model Penelitian (lanjutan) Penelitian Din Jong dan Wang (2009)

Ramayah dan Lee (2010)

Persamaan Model Penelitian Menggunakan pendekatan model UTAUT yang dimodifikasi, yaitu dengan menambahkan variabel lain.

Menggunakan pendekatan Updated DeLone and McLean IS Success Model.

Perbedaan Model Penelitian  Din Jong dan Wang (2009) menambahkan 3 variabel, yaitu attitude toward using technology, self-efficacy, dan anxiety. Penelitian di PPPPTK Bahasa mengadopsi dua variabel dari hasil penelitian Din Jong dan Wang (2009), yaitu attitude toward using technology, self-efficacy.  Din Jong dan Wang (2009) tidak menambahkan moderator apapun, sedangkan penelitian di PPPPTK Bahasa menggunakan moderator usia (age). Ramayah dan Lee (2010) menggunakan tiga dimensi kualitas (information quality, system quality, dan, service quality) dalam Updated DeLone and McLean IS Success Model untuk mengetahui pengaruhnya terhadap tingkat kepuasan (user satisfaction) dan penggunaan secara berkelanjutan oleh penggunanya (behavioral intention). Penelitian di PPPPTK Bahasa menggunakan tiga dimensi kualitas hanya untuk mengetahui pengaruhnya terhadap penerimaan dan penggunaan suatu teknologi.



70

Tabel 2.3 Perbandingan Model Penelitian (lanjutan) Penelitian

Persamaan Model Penelitian Al-Busaidi dan Al- Membahas penerimaan Shihi (2010) suatu teknologi dalam bidang pembelajaran dari sudut pandang instruktur dengan menggunakan model user acceptance. Rahman, dkk (2011)

Merujuk pada Updated DeLone and McLean IS Success Model dalam memodifikasi model UTAUT .

Perbedaan Model Penelitian Al-Busaidi dan Al-Shihi (2010) menggunakan pendekatan TAM, sedangkan penelitian di PPPPTK Bahasa menggunakan pendekatan UTAUT. Rahman, dkk (2001) hanya melibatkan variabel performance expectancy, effort expectancy, information quality, dan service quality. Namun moderator yang digunakan lebih banyak, yaitu usia, jenis kelamin, dan pengalaman.

Tabel 2.3 menjelaskan persamaan dan perbedaan model penelitian dari penelitianpenelitian sebelumnya dengan kerangka teori dalam penelitian yang akan dilakukan di PPPPTK Bahasa untuk menganalisis penerimaan dan penggunaan e-learning. Persamaan dan perbedaan tersebut dapat dilihat dari variabel-variabel yang menyusunnya. Kerangka teori dalam penelitian ini dibangun berdasarkan atau merujuk penelitian-penelitian tersebut.



BAB 3 METODOLOGI PENELITIAN

Metodologi penelitian merupakan serangkaian kegiatan yang dilakukan untuk mencapai tujuan dalam penelitian ini. Tahapan-tahapan yang akan dilakukan dalam penelitian ini dapat digambarkan sebagai berikut:

Gambar 3.1 Metodologi Penelitian Tahapan-tahapan pada Gambar 3.1 di atas merupakan langkah-langkah yang akan dilakukan untuk mencapai tujuan dalam penelitian ini mulai dari identifikasi masalah, perumusan tujuan, manfaat, dan ruang lingkup penelitian, studi literatur, 71



72

perumusan hipotesis, penyusunan kuesioner, pengumpulan data, pengolahan data, analisis data, sampai dengan penarikan kesimpulan.

3.1 Identifikasi Masalah Tahap awal dalam penelitian ini adalah mengidentifikasi masalah yang terkait dengan implementasi e-learning di PPPPTK Bahasa. Kegiatan pertama yang dilakukan adalah mengumpulkan data awal dengan cara observasi dan wawancara dengan pihak terkait (hasil terlampir). Hasil pengumpulan data dianalisis untuk mengetahui permasalahan dan merumuskan akar permasalahannya dengan membuat fishbone diagram. Dari akar permasalahan ini dirumuskan pertanyaan penelitian yang akan diselesaikan. Pertanyaan penelitian tersebut adalah: “Faktorfaktor

apa

saja

yang

mempengaruhi

penggunaan

e-learning

oleh

widyaiswara/instruktur di PPPPTK Bahasa?”

3.2 Perumusan Tujuan, Manfaat, dan Ruang Lingkup Penelitian Tujuan penelitian merupakan hasil yang ingin dicapai dalam suatu penelitian. Penelitian ini ingin mengetahui faktor-faktor yang mempengaruhi penggunaan elearning oleh widyaiswara/instruktur di PPPPTK Bahasa. Dari hasil penelitian tersebut diharapkan dapat diketahui langkah-langkah yang dapat dilakukan oleh lembaga untuk meningkatkan penggunaan e-learning di PPPPTK Bahasa. Hasil penelitian juga diharapkan dapat bermanfaat dalam dunia pendidikan pada umumnya dan dapat digunakan sebagai rujukan penelitian-penelitian selanjutnya. Ruang lingkup penelitian dirumuskan untuk membatasi cakupan penelitian yang akan dilakukan.

3.3 Studi Literatur Studi literatur atau kajian pustaka adalah tahapan yang dilakukan untuk mencari teori dan metode yang sesuai, serta penelitian-penelitian sebelumnya yang dapat digunakan sebagai bahan rujukan dalam memecahkan masalah yang telah diidentifikasi. Beberapa teori, konsep, dan metode yang dibahas dalam penelitian ini adalah: Universitas Indonesia


73

a. konsep-konsep terkait e-learning; b. user acceptance atau teori penerimaan; c. model UTAUT (Unified Theory of Acceptance and Use of Technology); d. Updated DeLone and McLean IS Success Model; e. Penelitian sebelumnya yang terkait dengan model UTAUT dan Updated DeLone and McLean IS Success Model; dan f. teori-teori statistik yang akan digunakan. Hasil dari studi literatur berupa kerangka teori pada Gambar 2.12. Kerangka teori tersebut digunakan untuk memecahkan masalah penelitian. Penelitian ini akan menganalisis faktor-faktor yang mempengaruhi penerimaan dan penggunaan elearning oleh widyaiswara/instruktur di PPPPTK Bahasa dengan menggunakan pendekatan model UTAUT dan Updated DeLone and McLean IS Success Model. Modifikasi model

dibuat berdasarkan

rujukan

dari penelitian-penelitian

sebelumnya.

3.4 Perumusan Hipotesis Hipotesis dirumuskan berdasarkan kerangka teori yang telah dihasilkan pada tahapan studi literatur di atas. Penelitian ini menggunakan uji dua sisi dengan tingkat signifikansi 5%.

3.5 Penyusunan Kuesioner Penelitian ini menggunakan metode survei untuk menjawab permasalahan yang telah diidentifikasikan. Survei dilakukan dengan menggunakan kuesioner sebagai alat pengumpulan data. Kuesioner merupakan alat ukur variabel-variabel yang diteliti. Kuesioner yang dibuat mencakup beberapa bagian, antara lain: a. Bagian pertama berisi tentang data responden. b. Bagian kedua berisi pertanyaan-pertanyaan beserta alternatif jawaban yang sudah disediakan. Penelitian ini menggunakan pendekatan kuantitatif. Jawaban setiap pertanyaan diukur dengan menggunakan skala 1 – 5. Responden memilih Universitas Indonesia


74

satu jawaban yang dianggap sesuai. Pertanyaan-pertanyaan tersebut merupakan terjemahan dari indikator-indikator setiap variabel yang ada di dalam kerangka teori, yang telah dijelaskan dalam bab sebelumnya. Setiap indikator disesuaikan dengan kondisi objek penelitian (e-learning dan widyaiswara). Jumlah pertanyaan dalam bagian kedua ini ada 51 item pertanyaan yang mewakili 11 variabel. c. Bagian ketiga terdiri dari 5 pertanyaan terbuka. Setiap responden diberikan kebebasan untuk menjawab. Pertanyaan ini dimaksudkan untuk menjaring pendapat para responden tentang implementasi e-learning di PPPPTK Bahasa. Kuesioner diuji keterbacaan terlebih dahulu kepada 3 calon responden sebelum dilakukan penyebaran. Selanjutnya direvisi sesuai dengan masukan yang diberikan. Hal ini bertujuan agar pertanyaan yang ada di dalam kuesioner mudah dimengerti oleh responden. Kuesioner dilampirkan pada Lampiran 2.

3.6 Pengumpulan Data Kuesioner yang telah siap akan diberikan kepada responden untuk dijawab. Populasi penelitian adalah widyaiswara/instruktur di lingkungan PPPPTK Bahasa yang

berjumlah

50

orang.

Responden

(sampel

penelitian)

adalah

widyaiswara/instruktur di lingkungan PPPPTK Bahasa yang terlibat langsung pengembangan e-learning. Data responden tersebut diperoleh dari daftar widyaiswara/instruktur yang pernah mengikuti pelatihan tentang e-learning dan terlibat dalam pengembangan e-learning di PPPPTK Bahasa selama tahun 2010 sampai dengan 2012. Jumlahnya adalah 46 orang. Kuesioner yang sudah selesai diisi oleh responden dilakukan pengecekan kelengkapan jawaban sebelum ditarik kembali. Hal ini bertujuan untuk memudahkan tahapan pengolahan data dan analisis data.

3.7 Pengolahan Data Setelah kuesioner terkumpul, tahapan berikutnya adalah pengolahan data. Pengolahan data dimulai dengan memasukkan data (data entry) dalam aplikasi Universitas Indonesia


75

Excel. Metode statistik yang digunakan untuk mengetahui faktor-faktor yang mempengaruhi

penerimaan

dan

penggunaan

e-learning

oleh

widyaiswara/instruktur di PPPPTK Bahasa adalah Structural Equation Modeling dengan Partial Least Square (PLS-SEM). PLS dipilih karena asumsi yang dipersyaratkan sesuai dengan penelitian ini, yaitu jumlah sampel tergolong kecil untuk model persamaan struktural. PLS-SEM merupakan metode statistik yang menggunakan perhitungan matematika sehingga data yang digunakan minimal kategori interval. Jika data yang diperoleh masih berupa data ordinal, perlu dilakukan transformasi terlebih dahulu ke dalam skala interval. Proses transformasi data ini dapat dilakukan dengan menggunakan metode suksesif interval (Method of Successive Interval). Yuriyuda (2010) dan Suliyanto (2011) menjelaskan tahapan-tahapan MSI sebagai berikut: a. Menghitung frekuensi setiap respon (1 – 5). b. Menghitung proporsi setiap respon dengan membagi frekuensi di atas dengan jumlah sampel. c. Menghitung proporsi kumulatif dengan menjumlahkan proporsi secara berurutan untuk setiap respon. d. Mencari nilai Z yang diperoleh dari tabel normal baku untuk setiap proporsi kumulatif. e. Menghitung nilai densitas dari masing-masing nilai Z yang diperoleh dengan rumus: ( )=

√

exp(−

)

(3,1)

dengan π = 3,14 f. Menghitung Scale Value (SV) masing-masing nilai densitas dengan rumus: SV =

-

(3,2)

-

g. Mengubah Scale Value (SV) terkecil sehingga Y1 sama dengan 1. h. Mentransformasikan masing-masing skala (1 – 5) dengan rumus: Universitas Indonesia


76

=

+|

|

(3,3)

Metode suksesif interval ini dapat dilakukan dengan bantuan Excel dengan program tambahan stat97.xla yang dapat diunduh melalui internet (Yuriyuda, 2010). Setelah dilakukan transformasi data dengan menggunakan metode suksesif interval, tahap berikutnya adalah pengolahan data menggunakan metode PLS dengan aplikasi smartPLS. PLS digunakan untuk menguji kesesuaian model dan menguji hipotesis-hipotesis yang telah ditentukan. Langkah-langkahnya adalah sebagai sebagai berikut: a. Merancang model struktural (inner model) berdasarkan pola hubungan antara variabel laten (eksogen dan endogen) yang telah digambarkan dalam kerangka teori. b. Merancang model pengukuran (outer model) dengan cara menentukan model indikator reflektif atau formatif. c. Membuat diagram jalur berdasarkan hasil perancangan inner model dan outer model sebelumnya. d. Mengkonversi diagram jalur dalam sistem persamaan, baik persamaan untuk outer model maupun persamaan untuk inner model. e. Mengestimasi nilai-nilai parameter seperti weight estimate yang digunakan untuk menciptakan skor variabel laten, nilai loading factor antara variabel laten dengan indikatornya dalam outer model, dan koefisien jalur (path estimate) yang menghubungkan antar variabel laten dalam inner model. f. Melakukan uji kecocokan model (Goodness of Fit) untuk mengetahui baik tidaknya model pengukuran (outer model). Uji ini dilakukan dengan melihat convergen validity, discriminant validity, dan reliability. Kriteria yang digunakan adalah sebagai berikut: 

Nilai loading factor digunakan untuk menentukan convergen validity pada variabel laten dengan setiap indikatornya. Variabel manifes dinyatakan valid jika mempunyai nilai loading factor minimal 0,5. Validitas nilai loading factor tersebut diketahui dengan menggunakan uji t. Nilai t hitung Universitas Indonesia


77

dibandingkan dengan nilai t tabel untuk tingkat signifikansi 5% (t = 1,96). Jika nilai t hitung > 1,96 maka nilai loading factor dapat dinyatakan signifikan dan variabel manifes dapat digunakan sebagai instrumen pengukur variabel laten (valid). Namun jika sebaliknya (t hitung < 1,96), maka variabel manifes tersebut harus dikeluarkan dari model dan dilakukan re-estimasi model. 

Nilai cross loading factor untuk menentukan discriminant validity. Diharapkan setiap kelompok indikator memiliki nilai loading factor lebih tinggi pada variabel laten yang diukur dibandingkan dengan variabel laten lainnya.



Nilai composite reliability setiap blok variabel manifes digunakan untuk menguji reliabilitas data. Nilai composite reliability mengukur internal consistency dan nilainya harus di atas 0,6.

g. Melakukan uji kecocokan model (Goodness of Fit) untuk mengetahui baik tidaknya model struktural (inner model). Uji ini dilakukan dengan melihat nilai Q-square predictive relevance, dan R-square. 

Nilai Q-square predictive relevance dan R-square digunakan untuk mengukur seberapa baik nilai observasi yang dihasilkan oleh model dan juga estimasi parameternya. Besaran Q2 dan R2 semakin mendekati 1 berarti model semakin baik. Nilai Q2 > 0 menunjukkan model memiliki predictive relevance, sebaliknya jika nilai Q2 ≤ 0 menunjukkan model kurang memiliki predictive relevance.



R-square untuk variabel laten endogen sebesar 0,67, 0,33, dan 0,19 dalam model struktural mengindikasikan bahwa model baik, moderat, dan lemah. R-square untuk setiap variabel laten dependen juga dapat digunakan untuk menilai besarnya pengaruh variabel laten independen tertentu terhadap variabel laten dependen tersebut.

h. Menguji hipotesis dengan metode resampling Bootstrap pada smartPLS. Untuk mendapatkan hasil yang konsisten dilakukan bootstrapping sebanyak 500 sampel. Statistik uji yang digunakan adalah uji t dengan tingkat signifikansi 5% Universitas Indonesia


78

(α = 0,05). Uji hipotesis dilakukan dengan menguji validitas koefisien jalur masing-masing variabel independen dengan cara membandingkan nilai t hitung yang dihasilkan dengan nilai t tabel untuk tingkat signifikansi 5% (t = 1,96). Jika nilai t hitung > 1,96 maka dapat dinyatakan bahwa koefisien jalur signifikan dan dapat disimpulkan bahwa pengaruh variabel independen terhadap variabel dependen signifikan. Namun jika sebaliknya (t hitung < 1,96), maka dapat dinyatakan bahwa koefisien jalur tidak sigifikan, sehingga dapat disimpulkan bahwa pengaruh variabel independen terhadap variabel dependen tidak signifikan.

3.8 Analisis Data dan Penarikan Kesimpulan Hasil pengolahan data di atas digunakan untuk menarik kesimpulan terhadap hipotesis-hipotesis yang telah dirumuskan. Selanjutnya dilakukan analisis lebih lanjut untuk mengetahui faktor-faktor yang mempengaruhi penerimaan dan penggunaan e-learning oleh widyaiswara/instruktur di PPPPTK Bahasa. Selain melakukan inferensi terhadap hipotesis tersebut, dilakukan juga analisis deskriptif terhadap data responden untuk mengetahui karakteristik sampel. Hasil analisis digunakan untuk mengidentifikasi langkah-langkah yang dapat dilakukan untuk meningkatkan pemanfaatan dan penggunaan e-learning PPPPTK Bahasa. Hasil akhir ini dapat dijadikan rekomendasi untuk lembaga dalam mengoptimalkan implementasi e-learning di PPPPTK Bahasa, sesuai dengan tujuan penelitian ini.



BAB 4 PROFIL ORGANISASI Pusat Pengembangan dan Pemberdayaan Pendidik dan Tenaga Kependidikan (PPPPTK) Bahasa adalah salah satu Unit Pelaksana Teknis (UPT) Kementerian Pendidikan dan Kebudayaan (Kemendikbud). PPPPTK Bahasa berperan sebagai pengembang program peningkatan kompetensi dan kualitas PTK Bahasa (Indonesia, Inggris, Jerman, Jepang, Arab, Perancis, dan Mandarin), pelaksana peningkatan mutu PTK, penjaminan sistem mutu diklat dan think-tank bagi Badan Pengembangan Sumber Daya Manusia Pendidikan dan Kebudayaan dan Penjaminan Mutu Pendidikan (BPSDMPK dan PMP) Kementerian Pendidikan dan Kebudayaan.

4.1 Sejarah Organisasi Sesuai dengan yang tertulis di dalam profil PPPPTK Bahasa (2013), pendirian lembaga ini berawal dari kebijakan pemerintah, dalam hal ini Departemen Pendidikan dan Kebudayaan (Departemen P & K) pada tahun 1977. Pemerintah saat

itu

memandang

perlunya

membentuk

lembaga

yang

bertugas

menyelenggarakan penataran tingkat nasional. Gagasan tersebut bertujuan untuk meningkatkan mutu guru di lingkungan Direktorat Jenderal Pendidikan Dasar dan Menengah. Selanjutnya direalisasikan dengan keluarnya Keputusan Menteri Pendidikan dan Kebudayaan Nomor 0116/O/1977 tanggal 23 April 1977 tentang pembentukan Balai Penataran Guru dan Tenaga Teknis Tingkat Nasional dan Regional. Salah satunya adalah Balai Penataran Guru dan Tenaga Teknis Nasional Bahasa Jakarta. Balai Penataran Guru dan Tenaga Teknis Nasional Bahasa Jakarta berubah menjadi Pusat Pengembangan Penataran Guru (PPPG) Bahasa sesuai dengan Keputusan Menteri Pendidikan dan Kebudayaan Nomor 0812/1979. PPPG Bahasa bertempat di Jalan Gardu, Srengseng Sawah, Jagakarsa, Jakarta Selatan.

79



80

PPPG Bahasa berubah lagi menjadi Pusat Pengembangan dan Pemberdayaan Pendidik dan Tenaga Kependidikan (PPPPTK) Bahasa berdasarkan Keputusan Menteri Pendidikan Nasional Nomor 08/2007 sampai dengan sekarang.

4.2 Struktur Organisasi Profil PPPPTK Bahasa (2013) menggambarkan susunan organisasi Pusat Pengembangan dan Pemberdayaan Pendidik dan Tenaga Kependidikan (PPPPTK) Bahasa sesuai dengan Peraturan Menteri Pendidikan Nasional (Permendiknas) Nomor 41 tahun 2012, sebagai berikut:

Gambar 4.1 Struktur Organisasi PPPPTK Bahasa Gambar 4.1 menggambarkan struktur organisasi PPPPTK Bahasa. PPPPTK Bahasa dipimpin oleh seorang Kepala (pejabat esselon 2) dan dibantu oleh 3 pejabat struktural eselon 3 yang terdiri dari Kepala Bagian Umum, Kepala Bidang Program dan Informasi, dan Kepala Bidang Fasilitasi dan Peningkatan Kompetensi. MasingUniversitas Indonesia


81

masing bagian/bidang tersebut dibagi menjadi beberapa seksi/subbagian yang dipimpin oleh Kepala Seksi/Kepala Subbagian. Bagian Umum terdiri dari Subbagian Tata Usaha dan Rumah Tangga, Subbagian Tata Laksana dan Kepegawaian, dan Subbagian Perencanaan dan Penganggaran. Bidang Program dan Informasi terdiri dari Seksi Program dan Seksi Data dan Informasi. Bidang Fasilitasi dan Peningkatan Kompetensi terdiri dari Seksi Penyelenggaraan dan Seksi Evaluasi. Selain jabatan struktural di atas, terdapat kelompok jabatan fungsional yang terdiri dari para widyaiswara dari 7 jurusan, antara lain bahasa Indonesia, bahasa Inggris, bahasa Jerman, bahasa Jepang, bahasa Arab, bahasa Perancis, dan bahasa Mandarin.

4.3 Tugas, Visi dan Misi Organisasi Sesuai yang tercantum di dalam Profil PPPPTK Bahasa (2013), tugas pokok Pusat Pengembangan dan Pemberdayaan Pendidik dan Tenaga Kependidikan (PPPPTK) Bahasa berdasarkan Peraturan Menteri Pendidikan Nasional (Permendiknas) Nomor 41 tahun 2012 adalah melaksanakan pengembangan dan pemberdayaan pendidik dan tenaga kependidikan (PTK) sesuai dengan bidangnya serta menyelenggarakan fungsi sebagai berikut: a. Penyusunan program pengembangan dan pemberdayaan pendidik dan tenaga kependidikan; b. Pengelolaan data dan informasi peningkatan kompetensi pendidik dan tenaga kependidikan; c. Fasilitasi dan pelaksanaan peningkatan kompetensi pendidik dan tenaga kependidikan; d. Pelaksanaan kerjasama di bidang pengembangan dan pemberdayaan pendidik dan tenaga kependidikan; e. Evaluasi program dan fasilitasi kompetensi pendidik dan tenaga kependidikan; dan f. Pelaksanaan urusan administrasi PPPPTK Bahasa. Universitas Indonesia


82

Dalam menjalankan tugasnya, PPPPTK Bahasa memiliki visi yang diarahkan untuk menuju organisasi berstandar internasional, yaitu “terwujudnya lembaga pengembangan dan pemberdayaan pendidik dan tenaga kependidikan bahasa yang profesional dan berstandar internasional”. Visi PPPPTK Bahasa di atas mengacu pada Visi Kementerian Pendidikan dan Kebudayaan, serta sejalan dengan Visi Pendidikan Nasional yang menekankan pendidikan sebagai motor penggerak perubahan dari masyarakat tradisional ke masyarakat maju, melalui transformasi struktural yang menandai suatu perubahan dari masyarakat yang bertumpu pada pertanian menuju masyarakat berbasis industri. Transformasi yang berjalan dengan cepat itu diharapkan dapat mengantarkan bangsa Indonesia kepada masyarakat berpengetahuan/knowledge society (Renstra, 2010). Sebagai upaya untuk mewujudkan visi tersebut, PPPPTK Bahasa mengembangkan beberapa misi sebagai berikut (Profil PPPPTK Bahasa, 2013): a. Mengembangkan sistem dan melaksanakan diklat bahasa berbasis kompetensi; b. Melaksanakan mengembangkan

penguatan sarana

kapasitas prasarana,

sumber dan

daya

manajemen

manusia

(SDM),

sesuai

dengan

perkembangan ilmu dan teknologi; c. Menjadi pusat taraan (benchmark) standar internasional pembelajaran 7 bahasa (Indonesia, Inggris, Jerman, Jepang, Arab, Perancis, dan Mandarin); serta d. Menerapkan budaya kerja berbasis kinerja yang berkualitas, demokratis, dan profesional. PPPPTK Bahasa menyelenggarakan berbagai program peningkatan kualifikasi dan kompetensi pendidik dan tenaga kependidikan (PTK) Bahasa (Indonesia, Inggris, Jerman, Jepang, Arab, Perancis, dan Mandarin) sebagai bentuk pelaksanaan tugasnya. Program dan kegiatan tersebut meliputi: a. Program Peningkatan Kompetensi dan Profesionalisme Guru Bahasa; b. Program Peningkatan Kompetensi dan Profesionalisme Tenaga Kependidikan; Universitas Indonesia


83

c. Pengembangan Model Pembelajaran dan Penilaian Bahasa; d. Pemetaan Kompetensi PTK Bahasa; e. Pengembangan Sistem Informasi Manajemen; f. Peningkatan Mutu SDM Internal; g. Revitalisasi Sarana, Prasarana, dan Infrastruktur; h. Pengembangan Budaya Kerja Berbasis Kinerja yang Berkualitas, Demokratis, dan Profesional; i. Program Kerja Sama dengan Lembaga Nasional, Regional, dan Internasional; j. Penelitian; serta k. Peningkatan Tata Kelola, Akuntabilitas, dan Pencitraan Publik.

4.4 Tata Nilai dan Motto Organisasi Dalam Profil PPPPTK Bahasa (2013) disampaikan bahwa dalam mencapai visi dan misi, serta melaksanakan tugas dan fungsinya, Pusat Pengembangan dan Pemberdayaan Pendidik dan Tenaga Kependidikan (PPPPTK) Bahasa didukung oleh tata nilai yang menjadi kekuatan bagi seluruh pegawai. Tata nilai tersebut meliputi nilai-nilai yang harus dimiliki oleh setiap pegawai (input values), nilainilai dalam melakukan pekerjaan (work values), dan nilai-nilai yang menjawab kebutuhan para pemangku kepentingan (stakeholders). Nilai-nilai tersebut antara lain: a. Amanah (trusted); b. Berorientasi pada prestasi (achievement orientation); c. Kerjasama (cooperation); d. Berpandangan ke depan (visioner); e. Kepuasan pelanggan (customer satisfaction); f. Disiplin kerja tinggi (work high discipline); g. Jujur (honest); dan Universitas Indonesia


84

h. Hubungan antar pribadi (interpersonal skill). Disamping nilai-nilai di atas, PPPPTK Bahasa mempunyai motto yang digunakan sebagai kekuatan pendukung etos kerja dan daya ungkit dalam melaksanakan tugas sehari-hari, yaitu ”Melayani Untuk Kualitas (Service for Quality)”. Oleh karena itu, segenap elemen di PPPPTK Bahasa senantiasa berusaha untuk memberikan pelayanan yang terbaik bagi seluruh pihak-pihak terkait.

4.5 Implementasi e-Learning PPPPTK Bahasa Dalam upaya menunjang program peningkatan kompetensi dan profesionalisme pendidik dan tenaga kependidikan (PTK) bahasa, pengembangan model pembelajaran dan penilaian bahasa, serta pengembangan sistem informasi manajemen, Pusat Pengembangan dan Pemberdayaan Pendidik dan Tenaga Kependidikan (PPPPTK) Bahasa telah mengembangkan e-learning. e-Learning merupakan bentuk strategi PPPPTK Bahasa dalam memanfaatkan perkembangan teknologi informasi untuk memperluas jangkauan wilayah atau memperoleh target sasaran dalam tugasnya meningkatkan kompetensi PTK bahasa di Indonesia, serta mempercepat dan mempermudah penyampaian informasi bagi PTK bahasa di seluruh Indonesia. Pembangunan e-learning sebagai pembelajaran online (online learning) di PPPPTK Bahasa bertujuan untuk menjamin ketersediaan, keterjaminan, dan keterjangkauan layanan PPPPTK Bahasa dalam melayani PTK bahasa di semua provinsi, kabupaten, dan kota di Indonesia. Cara ini diharapkan dapat meningkatkan efektivitas dan efisiensi kinerja lembaga, serta dapat meningkatkan efektivitas dan kualitas pendidikan (Renstra, 2010). e-Learning PPPPTK Bahasa dirintis mulai tahun 2010 melalui pelatihan tentang elearning dan software yang digunakan. Kegiatan tersebut diikuti oleh para widyaiswara, calon widyaiswara, dan tim teknis TI PPPPTK Bahasa. Pelatihan ini mengajarkan cara membuat produk inovasi yang berisi informasi tentang pendidikan dan materi pembelajaran dengan memanfaatkan teknologi informasi. eLearning PPPPTK bahasa dibangun dengan menggunakan aplikasi Moodle versi Universitas Indonesia


85

1.9.3 dan beberapa aplikasi pendukung lainnya yang bersifat open source. eLearning PPPPTK Bahasa mulai digunakan pada tahun 2011. Berikut adalah gambaran e-Learning PPPPTK Bahasa:

Gambar 4.2 e-Learning PPPPTK Bahasa Gambar 4.2 merupakan tampilan e-learning PPPPTK Bahasa yang dapat diakses melalui

http://e-learning.pppptkbahasa.net/.

e-Learning

PPPPTK

Bahasa

mempunyai tipe facilitated e-learning atau gabungan dari learner-led e-learning dan instructor-led e-learning. e-Learning ini memungkinkan peserta didik untuk belajar secara mandiri dengan menggunakan materi bahan ajar berbasis web yang tersedia

dan

berkomunikasi

secara

interaktif

dengan

pendidik

(widyaiswara/instruktur). Widyaiswara/instruktur juga dapat menggunakan elearning sebagai media atau metode untuk mengajar dengan menggunakan model blended learning, yaitu menggabungkan metode konvensional (tatap muka) dengan menggunakan materi berbasis web. e-Learning PPPPTK Bahasa memberikan Universitas Indonesia


86

beberapa fasilitas atau fitur, antara lain jenis pelatihan (course categories) dan forum diskusi. e-Learning juga menyediakan beberapa informasi yang bermanfaat. Widyaiswara/instruktur mempunyai peran besar dalam implementasi e-learning di PPPPTK Bahasa, mulai dari pembuatan konten (bahan ajar) sampai dengan mensosialisasikan e-learning PPPPTK Bahasa kepada para peserta diklat agar dapat dimanfaatkan dengan optimal. Dalam melaksanakan program e-learning ini, widyaiswara/instruktur dibantu oleh tim teknis TI PPPPTK Bahasa. Mereka tergabung dalam Tim Pengembang e-Learning PPPPTK Bahasa.

Gambar 4.3 Konten e-Learning PPPPTK Bahasa Gambar 4.3 menampilkan beberapa jenis pelatihan (course categories) yang ada di dalam e-learning PPPPTK Bahasa. Pelatihan tersebut meliputi e-training untuk 7 bahasa (Indonesia, Inggris, Jerman, Jepang, Arab, Perancis, dan Mandarin) dan pelatihan yang bersifat umum dalam bidang pendidikan. Setiap pengguna harus Universitas Indonesia


87

login terlebih dahulu untuk dapat menggunakan e-learning. Pengguna memperoleh akun pribadi dengan cara mengisi formulir pendaftaran (registration form) secara online dan akan menerima balasan password dari admin melalui email. e-Learning PPPPTK Bahasa dilengkapi dengan petunjuk penggunaan (guidance) bagi widyaiswara/instruktur dan peserta didik. e-Learning PPPPTK Bahasa juga menyediakan beberapa aplikasi yang mendukung penggunaannya. Diantaranya adalah Flash Player, Shockwave Player, Flv Player, Java Runtime, PDF Reader, Skype, dan Windows Media Player for Firefox. Aplikasi-aplikasi tersebut dapat diunduh secara langsung. e-Learning PPPPTK Bahasa telah digunakan dalam sistem pembelajaran jarak jauh untuk bidang studi bahasa Inggris. Pembelajaran jarak jauh ini menggunakan model web collaboration, yaitu menggunakan metode pendidikan virtual melalui internet. Peserta didik dan pengajar tidak perlu bertemu secara langsung. Mereka dapat berinteraksi melalui email, chatting, atau teleconference dengan memanfaatkan jaringan internet.



88

Contoh materi yang tersedia di dalam e-Learning adalah sebagai berikut:

Gambar 4.4 Materi Bahasa Inggris Gambar 4.4 merupakan salah satu contoh materi bahasa Inggris. Peserta yang telah mengikuti kursus ini dapat mengunduh materi yang disajikan, mengikuti forum diskusi, mengerjakan latihan yang diberikan, dan melihat hasil atau nilainya. Peserta juga diberikan kesempatan untuk dapat berkomunikasi dengan widyaiswara pengampunya melalui chatting.



89

Gambar 4.5 Materi Bahasa Jerman Gambar 4.5 menampilkan materi diklat bahasa Jerman. Seperti halnya dengan kursus yang lain, peserta yang telah mengikuti kursus ini dapat mengunduh materi yang disajikan, mengikuti forum diskusi, maupun mengerjakan latihan yang diberikan dan melihat hasilnya.



BAB 5 ANALISIS DAN PEMBAHASAN Bab ini membahas mulai dari proses pengumpulan data, pengolahan data, sampai dengan analisis data. Pengumpulan data dilakukan dengan menggunakan kuesioner. Responden yang dilibatkan adalah widyaiswara/instruktur PPPPTK Bahasa yang terkait implementasi e-learning. Proses pengumpulan data dilakukan selama 4 minggu. Rentang waktu tersebut telah melebihi waktu yang sudah dijadwalkan sebelumnya (3 minggu) karena menyesuaikan dengan kesibukan responden. Data atau kuesioner yang terkumpul berjumlah 45 (sampel), dari total sasaran awal 46 responden. Hal ini disebabkan karena ada salah satu responden yang sedang tugas belajar ke luar negeri dan sulit dihubungi melalui email. Setiap kuesioner yang sudah selesai diisi oleh responden dilakukan pengecekan kelengkapan jawaban sebelum ditarik kembali dengan tujuan untuk memudahkan tahap berikutnya, yaitu pengolahan data. Proses pengolahan data terdiri dari beberapa tahap, antara lain data entry, transformasi data, dan uji statistik. Data entry adalah proses pemasukan data ke dalam aplikasi untuk memudahkan pengolahan lebih lanjut. Jawaban responden pada kuesioner bagian 1 (biodata responden) dan kuesioner bagian 2 (jawaban pertanyaan) dibuat dalam bentuk tabulasi, sedangkan jawaban responden pada kuesioner bagian 3 dirangkum sebagai bahan untuk menganalisis data (Lampiran 3).

5.1 Karakteristik Responden Widyaiswara/instruktur PPPPTK Bahasa yang berpartisipasi dalam pengisian kuesioner penelitian ini sebanyak 45 orang.

90



91

Gambar 5.1 Jenis Kelamin Responden Mayoritas widyaiswara/instruktur di PPPPTK Bahasa adalah perempuan. Demikian halnya dengan widyaiswara/instruktur yang berpartisipasi sebagai responden dalam penelitian ini. Gambar di atas menunjukkan bahwa responden terdiri dari 33,3% laki-laki dan 66,7% perempuan.

Gambar 5.2 Kelompok Umur Responden Dari 45 responden tersebut, 4,4% widyaiswara/instruktur berusia kurang dari 30 tahun, 55,6% berusia 31 sampai dengan 40 tahun, 20% berusia 41 sampai dengan 50 tahun, dan 20% berusia lebih dari 50 tahun.



92

Gambar 5.3 Tingkat Pendidikan Responden Gambar 5.3 menunjukkan bahwa sebagian besar responden berpendidikan S2, yaitu sebanyak 60%, sedangkan sebanyak 33,3% berpendidikan S1 dan 6,7% berpendidikan S3.

Gambar 5.4 Jenis Kelamin Responden



93

Responden yang mempunyai masa kerja lebih dari 30 tahun sebanyak 6,7%, masa kerja 21 sampai 30 tahun sebanyak 17,8%, masa kerja 11 sampai 20 tahun sebanyak 24,4%, dan sebagian besar mempunyai masa kerja kurang dari 10 tahun, yaitu sebanyak 51,1%.

5.2 Transformasi Data Metode statistik yang digunakan untuk mengetahui faktor-faktor

yang

mempengaruhi

oleh

penerimaan

dan

penggunaan

e-learning

widyaiswara/instruktur di PPPPTK Bahasa adalah Structural Equation Modeling dengan Partial Least Square (PLS-SEM). Transformasi data dilakukan untuk peningkatan skala pengukuran, dari skala ordinal menjadi skala interval sebelum dilakukan algoritma PLS (Mindra Jaya & Sumertajaya, 2008). Data yang diperoleh (kuesioner bagian 2) merupakan skala ordinal 1 – 5. Proses transformasi data ini dilakukan dengan menggunakan metode suksesif interval (Method of Successive Interval). Langkah-langkahnya telah disebutkan dalam Subbab 3.1.7 sebelumnya. Transformasi data dilakukan untuk setiap indikator (variabel manifes) atau item pertanyaan. Dengan menggunakan bantuan program tambahan stat97.xla pada Excel, diperoleh hasil sebagai berikut:

Tabel 5.1 Hasil Transformasi Data PE1 Col PE1

Category 1.000 3.000 4.000 5.000

Freq 1.000 3.000 31.000 10.000

Prop 0.022 0.067 0.689 0.222

Cum 0.022 0.089 0.778 1.000

Density 0.053 0.161 0.298 0.000

Z -2.010 -1.348 0.765

Scale 1.000 1.762 3.183 4.722

Tabel 5.1 menjelaskan hasil dari langkah-langkah transformasi data ordinal menjadi data interval dengan menggunakan metode suksesif interval (MSI) untuk variabel manifes PE1. Jawaban responden terhadap pertanyaan PE1 terdiri dari skala atau kategori 1, 3, 4, dan 5. Masing-masing dihitung frekuensi (Freq) atau banyaknya yang menjawab pada kategori tersebut. Selanjutnya dihitung Proporsi masingmasing kategori (Prop), proporsi kumulatif (Cum), nilai z, nilai densitas, dan seterusnya sampai dengan nilai skala intervalnya (scale). Jadi nilai transformasi untuk PE1 adalah sebagai berikut: Universitas Indonesia


94



skala 1 ditransformasi menjadi 1



skala 3 ditransformasi menjadi 1,762







Metode suksesif interval untuk variabel manifes atau item pertanyaan lainnya diberikan pada Lampiran 4. Data hasil transformasi secara keseluruhan disajikan pada Lampiran 5.

5.3 Metode PLS-SEM Seperti yang telah dijelaskan sebelumnya, metode statistik yang digunakan dalam penelitian ini adalah adalah Structural Equation Modeling dengan Partial Least Square (PLS-SEM). PLS dipilih karena jumlah sampel dalam penelitian ini tergolong kecil untuk model persamaan struktural. Data yang dihasilkan pada tahap transformasi di atas diolah menggunakan aplikasi smartPLS.



95

5.3.1 Merancang Model Struktural (Inner Model) Model struktural dalam penelitian ini digambarkan sebagai berikut:

Gambar 5.5 Inner Model Model struktural pada Gambar 5.5 dibuat berdasarkan kerangka teori pada Gambar 2.12. Model tersebut terdiri dari: a. 9 variabel laten eksogen, yaitu performance expectancy (PE), effort expectancy (EE), social influence (SI), facilitating conditions (FC), attitude toward using technology (AUT), self-efficacy (SE), information quality (IQ), system quality (SysQ), dan service quality (SerQ); b. 2 variabel laten endogen, yaitu behavioral intention (BI) dan actual use (AU); dan Universitas Indonesia


96

c. Variabel moderator usia (age). Hubungan antar variabel dapat dilihat pada setiap jalur atau tanda panah yang menghubungkan variabel-variabel tersebut.

5.3.2 Merancang Model Pengukuran (Outer Model) Indikator setiap variabel laten dalam penelitian ini bersifat reflektif, yaitu indikator yang dipengaruhi oleh variabel latennya atau indikator yang merefleksikan variabel latennya. Arah hubungan kausalitas dari variabel laten ke indikator.

5.3.3 Diagram Jalur Diagram jalur dalam penelitian ini digambarkan sebagai berikut:

Gambar 5.6 Diagram Jalur Universitas Indonesia


97

Diagram jalur pada Gambar 5.6 di atas dibuat berdasarkan hasil perancangan inner model dan outer model sebelumnya. Gambar di atas juga menampilkan hubungan antara indikator atau variabel manifes terhadap variabel latennya yang bersifat reflektif.

5.3.4 Konversi Diagram Jalur dalam Sistem Persamaan Pembentukan sistem persamaan terdiri dari persamaan untuk outer model dan persamaan untuk inner model.

5.3.4.1 Persamaan Outer Model Outer model adalah spesifikasi hubungan antara variabel laten dengan variabel manifesnya. Jika diketahui λ adalah nilai loading factor masing-masing variabel manifes, sedangkan δ dan ε adalah kesalahan (galat) pengukuran pada variabel manifes untuk variabel laten eksogen dan endogen, maka berdasarkan diagram jalur di atas, persamaan outer model dalam penelitian ini adalah sebagai berikut: a. Untuk variabel laten PE (Performance Expectancy) 1=

+

2=

+

3=

+

4=

+

b. Untuk variabel laten EE (Effort Expectancy) 1=

+

2=

+

3=

+

4=

+

c. Untuk variabel laten SI (Social Influence) 1=

+ Universitas Indonesia


98

2=

+

3=

+

4=

+

d. Untuk variabel laten SE (Self-Efficacy) 1=

+

2=

+

3=

+

4=

+

e. Untuk variabel laten AUT (Attitude toward Using Technology) 1=

+

2=

+

3=

+

4=

+

f. Untuk variabel laten FC (Facilitating Conditions) 1=

+

2=

+

3=

+

4=

+

g. Untuk variabel laten IQ (Information Quality) 1=

+

2=

+

3=

+

4=

+

5=



99

h. Untuk variabel laten SysQ (System Quality) 1=

+

2=

+

3=

+

4=

+

5=

+

6=

+

7=

+

8=

+

9=

+

10 =

+

11 =

+

i. Untuk variabel laten SerQ (Service Quality) 1=

+

2=

+

3=

+

4=

+

5=

+

j. Untuk variabel laten BI (Behavioral Intention) 1=

+

2=

+

3=

+

k. Untuk variabel laten AU (Actual Use) 1=



100

2=

+

3=

+

5.3.4.2 Persamaan Inner Model Model struktural menggambarkan hubungan antar variabel laten. Jika diketahui γ adalah koefisien pengaruh variabel eksogen terhadap variabel endogen, β adalah koefisien pengaruh variabel endogen terhadap variabel endogen, dan ζ adalah kesalahan pengukuran model, maka berdasarkan diagram jalur di atas, persamaan inner model dalam penelitian ini adalah sebagai berikut: a. Untuk variabel laten endogen BI (Behavioral Intention) =

+

+

+

+

+

+

+ +

b. Untuk variabel laten endogen AU (Actual Use) =

+

+

+

+

+

+

5.3.5 Estimasi Parameter, Uji Kecocokan Model, dan Uji Hipotesis PLS menggunakan metode kuadrat terkecil (least square methods) untuk menghitung nilai-nilai estimasi atau pendugaan parameter. Pendugaan parameter ini meliputi estimasi loading factor antara variabel laten dengan indikatornya pada model pengukuran (outer model) dan estimasi koefisien jalur (path estimate) yang menghubungkan antar variabel laten pada model struktural (inner model). Selain estimasi parameter, dilakukan juga uji kecocokan model (Goodness of Fit) untuk mengetahui baik tidaknya model yang diperoleh. Pengujian hipotesis untuk loading factor (λ) dan koefisien jalur atau pengaruh (β dan γ) dilakukan dengan metode resampling Bootstrap. Statistik uji yang digunakan adalah uji t dengan tingkat signifikansi 5%.



101

5.3.5.1 Model Pengukuran (Measurement Model/Outer Model) Model pengukuran mendefinisikan hubungan setiap variabel laten dengan variabel manifesnya atau melakukan uji validitas dan reliabilitas data. Validitas setiap variabel manifes ditentukan oleh convergen validity dan discriminant validity dengan variabel latennya, sedangkan reliabilitas data ditentukan berdasarkan nilai composite reliability masing-masing blok variabel manifes. Convergen validity dapat dilihat dari nilai loading factor setiap variabel manifes dengan variabel latennya dan menguji signifikansinya. Berdasarkan Mindrajaya dan Sumertajaya (2008), dan Ghozali (2011), nilai loading factor yang digunakan minimal 0,5, sedangkan signifikansi ditentukan dengan membandingkan nilai t hitung dengan nilai t tabel (t = 1,96) karena menggunakan tingkat signifikansi 5%.



102

Hasil algoritma PLS untuk diagram jalur model penelitian ini dapat dilihat pada gambar berikut:

Gambar 5.7 Hasil Algoritma PLS 1 Gambar 5.7 menjelaskan nilai loading factor setiap variabel manifes terhadap variabel latennya. Nilai loading factor setiap variabel manifes tersebut dan nilai t hitungnya (hasil metode resampling bootstrap) dijelaskan sebagai berikut:

Tabel 5.2 Loading Factor Variabel Performance Expectancy (PE)

PE1 <- PE

Original Sample (Loading) 0.810845

Sample Mean (M) 0.80062

Standard Deviation (STDEV) 0.08023

Standard Error (STERR) 0.08023

PE2 <- PE

0.751372

0.71872

0.141334

PE3 <- PE

0.791149

0.77183

PE4 <- PE

0.580991

0.55858

Variabel Manifes

T Statistics (|O/STERR|)

Validitas (α = 5%)

10.106488

diterima

0.141334

5.316288

diterima

0.119449

0.119449

6.623325

diterima

0.17933

0.17933

3.239791

diterima



103

Berdasarkan Tabel 5.2 diketahui bahwa setiap variabel manifes performance expectancy (PE) mempunyai nilai loading factor lebih dari 0,5 dan nilai t hitung lebih besar dari 1,96. Dengan demikian dapat disimpulkan bahwa PE1, PE2, PE3, dan PE4 mempunyai validitas yang baik dan dapat digunakan dalam model.

Tabel 5.3 Loading Factor Variabel Effort Expectancy (EE)

EE1 <- EE





EE2 <- EE

0.752077

0.72573

0.133051

EE3 <- EE

0.807108

0.77995

EE4 <- EE

0.765618

0.76289

Variabel Manifes


Validitas (α = 5%)

7.450004

diterima

0.133051

5.652536

diterima

0.121972

0.121972

6.617153

diterima

0.090753

0.090753

8.436253

diterima

Berdasarkan Tabel 5.3 bahwa setiap variabel manifes effort expectancy (EE) mempunyai nilai loading factor lebih dari 0,5 dan nilai t hitung lebih besar dari 1,96. Dengan demikian dapat disimpulkan bahwa EE1, EE2, EE3, dan EE4 mempunyai validitas yang baik dan dapat digunakan dalam model.

Tabel 5.4 Loading Factor Variabel Social Influence (SI)

SI1 <- SI





SI2 <- SI

0.302358

0.23884

0.388974

SI3 <- SI

0.266298

0.2422

SI4 <- SI

0.483388

0.41908

Variabel Manifes


Validitas (α = 5%)

3.26309

diterima

0.388974

0.777321

ditolak

0.370894

0.370894

0.717988

ditolak

0.283424

0.283424

1.705529

ditolak

Berdasarkan Tabel 5.4 diketahui bahwa hanya ada satu variabel manifes dari variabel laten social influence (SI) yang valid, yaitu SI1 dengan nilai loading factor 0,85 dan nilai t hitung 3,26. Variabel manifes yang lain (SI2, SI3, dan SI4) mempunyai nilai loading factor kurang dari 0,5 dan nilai t hitung lebih kecil dari 1,96. Dengan demikian dapat disimpulkan bahwa ketiganya tidak mempunyai convergen validity yang baik dan akan dikeluarkan dari model.



104

Tabel 5.5 Loading Factor Variabel Facilitating Conditions (FE)

FC1 <- FC





FC2 <- FC

0.849776

0.84606

0.052486

0.052486

FC3 <- FC

0.712223

0.69459

0.132707

0.132707

5.366882

diterima

FC4 <- FC

0.696771

0.67037

0.158812

0.158812

4.387382

diterima

Variabel Manifes


Validitas (α = 5%)

4.706131

diterima

16.190656

diterima

Berdasarkan Tabel 5.5 diketahui bahwa setiap variabel manifes facilitating conditions (FE) mempunyai nilai loading factor lebih dari 0,5 dan nilai t hitung lebih besar dari 1,96. Dengan demikian dapat disimpulkan bahwa FC1, FC2, FC3, dan FC4 mempunyai validitas yang baik dan dapat digunakan dalam model.

Tabel 5.6 Loading Factor Variabel Attitude toward Using Technology (AUT)

AUT1 <- AUT





AUT2 <- AUT

0.890849

0.89312

0.028753

AUT3 <- AUT

0.476301

0.46428

AUT4 <- AUT

0.863206

0.85774

Variabel Manifes


Validitas (α = 5%)

3.832304

diterima

0.028753

30.98236

diterima

0.144989

0.144989

3.285084

ditolak

0.047506

0.047506

18.170321

diterima

Berdasarkan Tabel 5.6 diketahui bahwa terdapat satu variabel manifes attitude toward using technology (AUT) yang tidak valid karena mempunyai nilai loading factor kurang dari 0,5 meskipun nilai t hitungnya signifikan, sehingga harus dikeluarkan dari model. Variabel manifes tersebut adalah AUT 3. Ketiga variabel manifes yang lain, yaitu AUT1, AUT2, dan AUT3 mempunyai nilai loading factor lebih dari 0,5 dan nilai t hitung lebih besar dari 1,96. Dengan demikian dapat disimpulkan bahwa ketiganya mempunyai validitas yang baik dan dapat digunakan dalam model.



105

Tabel 5.7 Loading Factor Variabel Self-Efficacy (SE)

SE1 <- SE





SE2 <- SE

0.188332

0.15851

0.334024

0.334024

SE3 <- SE

0.663633

0.60059

0.258348

0.258348

2.568756

diterima

SE4 <- SE

0.562135

0.45768

0.328702

0.328702

1.710165

ditolak

Variabel Manifes


Validitas (α = 5%)

3.22562

diterima

0.563827

ditolak

Berdasarkan Tabel 5.7 diketahui bahwa variabel laten self-efficacy (SE) mempunyai dua variabel manifes yang mempunyai nilai loading factor lebih dari 0,5 dan nilai t hitung lebih besar dari 1,96. Keduanya adalah SE1 dan SE3. Dengan demikian dapat disimpulkan bahwa kedua variabel manifes tersebut mempunyai validitas yang baik dan dapat digunakan dalam model. Variabel manifes SE2 mempunyai nilai loading factor kurang dari 0,5 dan nilai t hitung lebih kecil dari 1,96 sehingga dapat dinyatakan tidak valid dan akan dikeluarkan dari model. Demikian halnya dengan vaariabel manifes SE4 yang mempunyai nilai loading factor lebih dari 0,5 tapi tidak signifikan karena nilai t hitung lebih kecil dari 1,96.

Tabel 5.8 Loading Factor Variabel Information Quality (IQ)

IQ1 <- IQ





IQ2 <- IQ

0.730523

0.70651

0.121625

0.121625

IQ3 <- IQ

0.754583

0.76108

0.07971

IQ4 <- IQ

0.903271

0.88958

0.061522

IQ5 <- IQ

0.869374

0.85171

0.064066

0.064066

Variabel Manifes


Validitas (α = 5%)

1.054088

ditolak

6.006334

diterima

0.07971

9.466588

diterima

0.061522

14.682198

diterima

13.570019

diterima

Berdasarkan Tabel 5.8 diketahui bahwa terdapat satu variabel manifes information quality (IQ) yang tidak valid karena mempunyai nilai loading factor kurang dari 0,5 dan nilai t hitung lebih kecil dari 1,96 sehingga harus dikeluarkan dari model, yaitu IQ1. Keempat variabel manifes yang lain, yaitu IQ2, IQ3, IQ4, dan IQ5 mempunyai nilai loading factor lebih dari 0,5 dan nilai t hitung lebih besar dari 1,96. Dengan demikian dapat disimpulkan bahwa keempat variabel manifes tersebut mempunyai validitas yang baik dan dapat digunakan dalam model.



106

Tabel 5.9 Loading Factor Variabel System Quality (SysQ)

SysQ1 <- SysQ





SysQ2 <- SysQ

0.77179

0.75559

0.094433

SysQ3 <- SysQ

0.73709

0.71961

SysQ4 <- SysQ

0.618964

SysQ5 <- SysQ

0.501877

SysQ6 <- SysQ

0.531819

SysQ7 <- SysQ

Variabel Manifes


Validitas (α = 5%)

6.609573

diterima

0.094433

8.172924

diterima

0.077966

0.077966

9.454052

diterima

0.6088

0.134288

0.134288

4.609217

diterima

0.45768

0.163788

0.163788

3.064186

diterima

0.52071

0.152581

0.152581

3.485482

diterima

0.706231

0.6971

0.093839

0.093839

7.525953

diterima

SysQ8 <- SysQ

0.686553

0.64624

0.135325

0.135325

5.073362

diterima

SysQ9 <- SysQ

0.816359

0.79895

0.076052

0.076052

10.73421

diterima

SysQ10 <- SysQ

0.403971

0.35505

0.217195

0.217195

1.859942

ditolak

SysQ11 <- SysQ

0.572377

0.53672

0.170437

0.170437

3.358283

diterima

Berdasarkan Tabel 5.9 diketahui bahwa terdapat satu variabel manifes system quality (IQ) yang tidak valid karena mempunyai nilai loading factor kurang dari 0,5 dan nilai t hitung lebih kecil dari 1,96 sehingga harus dikeluarkan dari model, yaitu SysQ10. Lain halnya dengan sepuluh variabel manifes yang lain. SysQ1, SysQ2, SysQ3, SysQ4, SysQ5, SysQ6, SysQ7, SysQ8, SysQ9, dan SysQ11 mempunyai nilai loading factor lebih dari 0,5 dan nilai t hitung lebih besar dari 1,96. Dengan demikian dapat disimpulkan bahwa variabel manifes tersebut mempunyai validitas yang baik dan dapat digunakan dalam model.

Tabel 5.10 Loading Factor Variabel Service Quality (SerQ)

SerQ1 <- SerQ





SerQ2 <- SerQ

0.759736

0.74734

0.10191

SerQ3 <- SerQ

0.734617

0.70893

SerQ4 <- SerQ

0.853433

SerQ5 <- SerQ

0.755262

Variabel Manifes


Validitas (α = 5%)

1.999638

ditolak

0.10191

7.455002

diterima

0.154255

0.154255

4.762348

diterima

0.86066

0.026261

0.026261

32.498277

diterima

0.73508

0.106917

0.106917

7.063998

diterima

Berdasarkan Tabel 5.10 diketahui bahwa terdapat satu variabel manifes service quality (SerQ1) yang tidak valid karena mempunyai nilai loading factor kurang dari 0,5 meskipun nilai t hitungnya signifikan, sehingga harus dikeluarkan dari model. Universitas Indonesia


107

Variabel manifes tersebut adalah SerQ1. Keempat variabel manifes yang lain, yaitu SerQ2, SerQ3, SerQ4, dan SerQ5 mempunyai nilai loading factor lebih dari 0,5 dan nilai t hitung lebih besar dari 1,96. Dengan demikian dapat disimpulkan bahwa keempat variabel manifes tersebut mempunyai validitas yang baik dan dapat digunakan dalam model.

Tabel 5.11 Loading Factor Variabel Behavioral Intention (BI)

BI1 <- BI





BI2 <- BI

0.891672

0.88982

0.033557

BI3 <- BI

0.931535

0.93042

0.018156

Variabel Manifes


Validitas (α = 5%)

4.997525

diterima

0.033557

26.571626

diterima

0.018156

51.306258

diterima

Berdasarkan Tabel 5.11 diketahui bahwa setiap variabel manifes behavioral intention (BI) mempunyai nilai loading factor lebih dari 0,5 dan nilai t hitung lebih besar dari 1,96. Dengan demikian dapat disimpulkan bahwa BI1, BI2, dan BI3 mempunyai validitas yang baik dan dapat digunakan dalam model.

Tabel 5.12 Loading Factor Variabel Actual Use (AU)

AU1 <- AU





AU2 <- AU

0.817592

0.81294

0.079776

AU3 <- AU

0.890379

0.89498

0.027959

Variabel Manifes


Validitas (α = 5%)

8.296056

diterima

0.079776

10.248661

diterima

0.027959

31.846435

diterima

Berdasarkan Tabel 5.12 diketahui bahwa setiap variabel manifes actual use (AU) mempunyai nilai loading factor lebih dari 0,5 dan nilai t hitung lebih besar dari 1,96. Dengan demikian dapat disimpulkan bahwa AU1, AU2, dan AU3 mempunyai validitas yang baik dan dapat digunakan dalam model. Secara keseluruhan, terdapat 9 variabel manifes yang tidak valid dan harus dikeluarkan dari model. Diantaranya adalah variabel manifes SI2, SI3, SI4, AUT3, SE2, SE4, IQ1, SysQ10, dan SerQ1. Hasil re-estimasi model dengan membuang 9 variabel manifes tersebut adalah sebagai berikut: Universitas Indonesia


108

Gambar 5.8 Hasil Algoritma PLS Re-Estimasi 1 Gambar 5.8 memberikan nilai loading factor setiap variabel manifes dengan variabel laten pada model yang telah diperbarui dengan membuang 9 variabel manifes yang tidak valid. Untuk lebih jelasnya, nilai loading factor tersebut dapat dilihat pada tabel berikut:



109

Tabel 5.13 Loading Factor Model Re-estimasi 1 Variabel Manifes PE1 <- PE PE2 <- PE PE3 <- PE PE4 <- PE EE1 <- EE EE2 <- EE EE3 <- EE EE4 <- EE SI1 <- SI FC1 <- FC FC2 <- FC FC3 <- FC FC4 <- FC AUT1 <- AUT AUT2 <- AUT AUT4 <- AUT SE1 <- SE SE3 <- SE IQ2 <- IQ IQ3 <- IQ IQ4 <- IQ IQ5 <- IQ SysQ1 <- SysQ SysQ2 <- SysQ SysQ3 <- SysQ SysQ4 <- SysQ SysQ5 <- SysQ SysQ6 <- SysQ SysQ7 <- SysQ SysQ8 <- SysQ SysQ9 <- SysQ SysQ11 <- SysQ SerQ2 <- SerQ SerQ3 <- SerQ SerQ4 <- SerQ SerQ5 <- SerQ BI1 <- BI BI2 <- BI BI3 <- BI AU1 <- AU AU2 <- AU AU3 <- AU

Original Sample (Loading) 0.810672 0.751012 0.791017 0.581723 0.782314 0.751833 0.806989 0.766327 1 0.635941 0.84976 0.712345 0.696932 0.544586 0.9196 0.885309 0.763065 0.684841 0.724108 0.740687 0.923718 0.882296 0.679871 0.774317 0.734519 0.62267 0.497397 0.530781 0.707488 0.685793 0.819991 0.563999 0.761907 0.712554 0.866935 0.754715 0.562537 0.894256 0.931826 0.800018 0.820203 0.890066

Sample Mean 0.79913 0.71139 0.76754 0.56119 0.76004 0.72441 0.77532 0.76564 1 0.60695 0.84853 0.68537 0.68934 0.52835 0.92328 0.88067 0.73013 0.61362 0.7167 0.74046 0.91674 0.87697 0.65468 0.75359 0.7285 0.61527 0.46214 0.52554 0.69918 0.65229 0.81271 0.5311 0.75811 0.69933 0.87249 0.74283 0.55453 0.89309 0.93031 0.7914 0.82245 0.89424

Standard Deviation 0.083678 0.140477 0.117085 0.170108 0.104543 0.118809 0.119646 0.078847 0 0.137799 0.048969 0.146117 0.139216 0.164073 0.020251 0.048221 0.212176 0.336735 0.12244 0.086053 0.035286 0.046422 0.10237 0.098647 0.075684 0.128813 0.173671 0.141158 0.091654 0.124825 0.063013 0.157925 0.091378 0.141102 0.018879 0.100491 0.128752 0.032946 0.018625 0.08942 0.072863 0.028472

Standard Error 0.083678 0.140477 0.117085 0.170108 0.104543 0.118809 0.119646 0.078847

T Statistics (|O/STERR|) 9.687971 5.346164 6.755929 3.419728 7.483174 6.328083 6.744806 9.719117

0.137799 0.048969 0.146117 0.139216 0.164073 0.020251 0.048221 0.212176 0.336735 0.12244 0.086053 0.035286 0.046422 0.10237 0.098647 0.075684 0.128813 0.173671 0.141158 0.091654 0.124825 0.063013 0.157925 0.091378 0.141102 0.018879 0.100491 0.128752 0.032946 0.018625 0.08942 0.072863 0.028472

4.614988 17.353021 4.875178 5.006132 3.319173 45.410776 18.359243 3.596381 2.033764 5.913964 8.607341 26.177784 19.006179 6.641311 7.84939 9.705091 4.833912 2.864011 3.760201 7.719099 5.49405 13.01295 3.571298 8.337963 5.0499 45.920648 7.510257 4.369149 27.143349 50.031915 8.946744 11.25675 31.261254

Validitas (α = 5%) diterima diterima diterima diterima diterima diterima diterima diterima diterima diterima diterima diterima diterima diterima diterima diterima diterima diterima diterima diterima diterima diterima diterima diterima diterima diterima ditolak diterima diterima diterima diterima diterima diterima diterima diterima diterima diterima diterima diterima diterima diterima diterima



110

Tabel 5.13 menunjukkan bahwa nilai loading factor setiap variabel manifes diterima pada tingkat signifikansi 5%. Namun masih terdapat satu variabel manifes (SysQ5) yang mempunyai nilai loading factor kurang dari 0,5 (0,4974), maka dinyatakan tidak valid. Oleh karena itu perlu dilakukan re-estimasi model lagi dengan membuang variabel manifes tersebut. Hasilnya adalah sebagai berikut:

Gambar 5.9 Hasil Algoritma PLS Re-Estimasi 2 Gambar 5.9 menyatakan bahwa semua variabel manifes yang terlibat dalam model re-estimasi 2 mempunyai nilai loading factor lebih dari 0,5. Untuk lebih jelasnya nilai loading factor dan nilai t hitung setiap variabel manifes tersebut dapat dilihat pada tabel berikut:



111

Tabel 5.14 Loading Factor Model Re-estimasi 2 Variabel Manifes PE1 <- PE PE2 <- PE PE3 <- PE PE4 <- PE EE1 <- EE EE2 <- EE EE3 <- EE EE4 <- EE SI1 <- SI FC1 <- FC FC2 <- FC FC3 <- FC FC4 <- FC AUT1 <- AUT AUT2 <- AUT AUT4 <- AUT SE1 <- SE SE3 <- SE IQ2 <- IQ IQ3 <- IQ IQ4 <- IQ IQ5 <- IQ SysQ1 <- SysQ SysQ2 <- SysQ SysQ3 <- SysQ SysQ4 <- SysQ SysQ6 <- SysQ SysQ7 <- SysQ SysQ8 <- SysQ SysQ9 <- SysQ SysQ11 <- SysQ SerQ2 <- SerQ SerQ3 <- SerQ SerQ4 <- SerQ SerQ5 <- SerQ BI1 <- BI BI2 <- BI BI3 <- BI AU1 <- AU AU2 <- AU AU3 <- AU

Original Sample (Loading) 0.810672 0.751013 0.791018 0.581722 0.782314 0.751834 0.80699 0.766326 1 0.635973 0.849768 0.712329 0.696907 0.544584 0.919601 0.885308 0.763067 0.684838 0.7241 0.740694 0.923717 0.882296 0.684181 0.772532 0.735044 0.621608 0.524098 0.711964 0.694689 0.827298 0.563123 0.761911 0.712541 0.866943 0.754707 0.562542 0.894256 0.931823 0.800195 0.820101 0.890002

Sample Mean

Standard Deviation

Standard Error


Validitas (α = 5%)

0.79826 0.72224 0.77056 0.56722 0.76703 0.72963 0.7784 0.76216 1 0.61458 0.84825 0.69448 0.66955 0.53489 0.92138 0.88376 0.71205 0.64026 0.71511 0.74427 0.9185 0.87836 0.65258 0.75426 0.72756 0.61705 0.52677 0.69922 0.65617 0.8111 0.5257 0.75896 0.69552 0.87194 0.74627 0.55102 0.89533 0.93316 0.78966 0.82254 0.89543

0.087567 0.142134 0.113996 0.165114 0.092892 0.112088 0.116498 0.080326 0 0.139105 0.047256 0.118678 0.154814 0.163409 0.021601 0.046812 0.228781 0.308107 0.112294 0.087772 0.045027 0.048273 0.109336 0.100921 0.076539 0.128714 0.148087 0.08921 0.137173 0.078244 0.176329 0.091917 0.13175 0.019164 0.093387 0.120432 0.03501 0.017276 0.094932 0.071918 0.029493

0.087567 0.142134 0.113996 0.165114 0.092892 0.112088 0.116498 0.080326

9.257776 5.283847 6.938973 3.523161 8.421731 6.707545 6.927088 9.540221

0.139105 0.047256 0.118678 0.154814 0.163409 0.021601 0.046812 0.228781 0.308107 0.112294 0.087772 0.045027 0.048273 0.109336 0.100921 0.076539 0.128714 0.148087 0.08921 0.137173 0.078244 0.176329 0.091917 0.13175 0.019164 0.093387 0.120432 0.03501 0.017276 0.094932 0.071918 0.029493

4.571896 17.982329 6.002187 4.501564 3.332642 42.572656 18.912061 3.335359 2.222728 6.448236 8.438862 20.514713 18.277309 6.257628 7.654784 9.603543 4.829365 3.539133 7.980736 5.06432 10.573276 3.193594 8.289136 5.40828 45.239254 8.081498 4.671046 25.542899 53.938874 8.429184 11.403335 30.177119

diterima diterima diterima diterima diterima diterima diterima diterima diterima diterima diterima diterima diterima diterima diterima diterima diterima diterima diterima diterima diterima diterima diterima diterima diterima diterima diterima diterima diterima diterima diterima diterima diterima diterima diterima diterima diterima diterima diterima diterima diterima



112

Tabel 5.14 menunjukkan bahwa nilai loading factor masing-masing variabel manifes valid (> 0,5) dan signifikan karena mempunyai nilai t hitung lebih dari 1,96. Selain convergen

validity, uji validitas pada model pengukuran juga

memperhatikan discriminant validity, yaitu validitas variabel laten dalam memprediksi variabel manifesnya lebih baik daripada variabel manifes pada variabel laten lainnya. Discriminant validity dapat dilihat dari nilai cross loading factor. Diharapkan setiap kelompok variabel manifes memiliki nilai loading factor lebih tinggi pada variabel laten yang diukur dibandingkan dengan variabel manifes untuk variabel laten lainnya (Ghozali, 2011). Nilai cross loading factor ditunjukkan pada tabel berikut:



113

Tabel 5.15 Cross Loading Factor Variabel

PE

EE

SI

FC

AUT

SE

IQ

SysQ

SerQ

BI

AU

PE1 PE2 PE3 PE4 EE1 EE2 EE3 EE4 SI1 FC1 FC2 FC3 FC4 AUT1 AUT2 AUT4 SE1 SE3 IQ2 IQ3 IQ4 IQ5 SysQ1 SysQ2 SysQ3 SysQ4 SysQ6 SysQ7 SysQ8 SysQ9 SysQ11 SerQ2 SerQ3 SerQ4 SerQ5 BI1 BI2 BI3 AU1 AU2 AU3

0.8 0.8 0.8 0.6 0.4 0.5 0.6 0.5 0.3 0.4 0.4 0.2 0.6 0.4 0.3 0.3 0.3 0.2 0.1 0.2 0.2 0.2 0.2 0.4 0.3 0.5 0.2 0.4 0.3 0.5 0.3 0.3 0.5 0.4 0.5 0.4 0.3 0.4 0.2 0.3 0.5

0.5 0.5 0.5 0.5 0.8 0.8 0.8 0.8 0.2 0.3 0.3 0.2 0.4 0.3 0.4 0.2 0.4 0.1 0.4 0.4 0.5 0.5 0.3 0.3 0.4 0.4 0.2 0.3 0.2 0.5 0.2 0.3 0.5 0.4 0.6 0.4 0.4 0.4 0.2 0.3 0.5

0.2 0.3 0.5 -0.1 0.2 0.1 0.2 0.1 1.0 0.1 0.2 0.0 0.2 0.0 0.5 0.4 0.3 0.4 0.1 0.3 0.3 0.0 0.1 0.2 0.1 0.5 0.3 0.3 0.1 0.3 0.2 0.3 0.3 0.5 0.3 0.4 0.4 0.4 0.4 0.4 0.4

0.4 0.4 0.4 0.4 0.3 0.3 0.3 0.3 0.2 0.6 0.8 0.7 0.7 0.5 0.4 0.5 0.5 0.2 0.4 0.4 0.4 0.3 0.4 0.5 0.6 0.4 0.4 0.4 0.4 0.5 0.2 0.4 0.6 0.5 0.5 0.5 0.4 0.6 0.4 0.4 0.5

0.4 0.1 0.3 0.2 0.2 0.3 0.3 0.5 0.4 0.3 0.5 0.4 0.3 0.5 0.9 0.9 0.4 0.3 0.3 0.4 0.4 0.3 0.3 0.4 0.3 0.3 0.2 0.3 0.3 0.3 0.2 0.4 0.4 0.9 0.5 0.4 0.8 0.9 0.7 0.7 0.9

0.2 0.4 0.4 0.3 0.3 0.3 0.3 0.3 0.4 0.3 0.6 0.1 0.4 0.1 0.5 0.4 0.8 0.7 0.4 0.5 0.4 0.3 0.2 0.2 0.1 0.3 0.4 0.3 0.2 0.4 0.1 0.4 0.3 0.5 0.4 0.4 0.3 0.4 0.5 0.4 0.3

0.1 0.1 0.2 0.3 0.6 0.3 0.5 0.4 0.2 0.3 0.4 0.4 0.3 0.2 0.4 0.4 0.5 0.2 0.7 0.7 0.9 0.9 0.4 0.3 0.4 0.4 0.3 0.2 0.1 0.4 0.1 0.4 0.6 0.5 0.6 0.3 0.4 0.5 0.5 0.4 0.5

0.4 0.4 0.4 0.3 0.4 0.5 0.4 0.2 0.4 0.4 0.5 0.5 0.5 0.5 0.4 0.3 0.4 0.1 0.3 0.5 0.4 0.3 0.7 0.8 0.7 0.6 0.5 0.7 0.7 0.8 0.6 0.5 0.8 0.5 0.6 0.4 0.4 0.4 0.2 0.5 0.5

0.4 0.3 0.4 0.3 0.4 0.4 0.4 0.4 0.5 0.3 0.5 0.4 0.5 0.3 0.7 0.7 0.5 0.3 0.4 0.6 0.6 0.4 0.4 0.5 0.5 0.6 0.4 0.5 0.4 0.6 0.4 0.8 0.7 0.9 0.8 0.4 0.7 0.8 0.6 0.7 0.8

0.4 0.2 0.3 0.3 0.3 0.3 0.4 0.5 0.5 0.3 0.6 0.4 0.4 0.5 0.9 0.8 0.4 0.3 0.4 0.5 0.4 0.4 0.3 0.3 0.4 0.3 0.4 0.3 0.2 0.4 0.2 0.5 0.4 0.9 0.4 0.6 0.9 0.9 0.8 0.7 0.9

0.3 0.2 0.3 0.2 0.3 0.2 0.3 0.4 0.5 0.3 0.5 0.3 0.3 0.4 0.9 0.8 0.4 0.3 0.3 0.5 0.5 0.4 0.3 0.4 0.4 0.4 0.3 0.4 0.2 0.3 0.1 0.5 0.4 0.9 0.5 0.4 0.8 0.9 0.8 0.8 0.9



114

Tabel 5.15 menunjukkan bahwa setiap blok atau kelompok variabel manifes mempunyai nilai loading factor lebih tinggi untuk variabel latennya dibandingkan untuk variabel laten yang lain. Dengan demikian dapat dinyatakan bahwa model tersebut memiliki discriminant validity yang baik. Selanjutnya dilakukan uji reliabilitas untuk setiap variabel laten dengan menggunakan kriteria composite reliability. Composite reliability mengukur internal consistency dan nilainya harus di atas 0,6 (Ghozali, 2011).

Tabel 5.16 Composite Reliability Variabel

Composite Reliability

PE

0.825939

EE

0.85906

SI

1

FC

0.816753

AUT

0.837129

SE

0.688448

IQ

0.891996

SysQ

0.888078

SerQ

0.857682

BI

0.848899

AU

0.875633

AGE

1

Tabel 5.16 menunjukkan bahwa nilai composite reliability setiap variabel laten lebih besar dari 0,6 sehingga dapat dinyatakan bahwa variabel laten tersebut mempunyai reliabilitas yang baik. Berdasarkan hasil uji outer model di atas dapat disimpulkan bahwa model telah mempunyai validitas dan reliabilitas yang baik. Dengan demikian, indikator atau variabel manifes dalam model yang diperoleh dapat digunakan sebagai pengukur variabel laten dan dapat dilakukan analisis data lebih lanjut.



115

5.3.5.2 Model Struktural (Inner Model) Model struktural menggambarkan hubungan antar variabel laten. Pengujian pada model struktural meliputi: a. R-Square Nilai R-square dapat digunakan untuk menguji kecocokan model dan menilai besarnya pengaruh variabel laten independen tertentu terhadap variabel laten dependen. Dari hasil algoritma PLS untuk model yang diperoleh pada tahapan sebelumnya didapat nilai R-square sebagai berikut:

Tabel 5.17 Nilai R-Square R-Square AU

0.930148

BI

0.869916

Tabel 5.17 menunjukkan bahwa variabel actual use (AU) dan behavioral intention (BI) sebagai variabel laten dependen dalam model ini mempunyai nilai R-square 0,93 dan 0,87. Nilai tersebut dapat diinterpretasikan bahwa variabel laten dependen actual use dapat dijelaskan oleh variabel-variabel laten independen yang mempengaruhinya sebesar 93%, hanya 7% yang dijelaskan oleh variabel lainnya. Demikian halnya dengan variabel laten dependen behavioral intention yang dijelaskan oleh variabel-variabel laten independen yang mempengaruhinya sebesar 87% dan 13% dijelaskan oleh variabel lainnya. Nilai R-square kedua variabel laten endogen tersebut lebih besar dari 0,67 sehingga dapat disimpulkan bahwa model baik. b. Q-Square Predictive Relevance Menguji kecocokan model juga dapat menggunakan Q-square predictive relevance variabel laten dependen. Q-square ini mengukur seberapa baik nilai observasi yang dihasilkan oleh model dan juga estimasi parameternya. Berdasarkan nilai R-square variabel endogen behavioral intention dan actual use di atas, maka Q-square dapat dihitung sebagai berikut: Universitas Indonesia


116

=1− 1−

1−

= 1 − (1 − 0.93 )(1 − 0.87 ) = 0.97

Q2 > 0 menunjukkan bahwa model memiliki predictive relevance. Q2 mendekati 1, maka dapat disimpulkan bahwa model baik.

5.3.5.3 Uji Hipotesis Setelah uji kecocokan model di atas menyatakan bahwa model baik, selanjutnya dilakukan uji hipotesis untuk koefisien jalur yang menghubungkan antar variabel laten pada model struktural (inner model). Hal ini dilakukan untuk mengetahui signifikansi pengaruh masing-masing variabel laten independen terhadap variabel laten dependen, sekaligus menguji hipotesis-hipotesis yang telah diidentifikasikan sebelumnya. Uji ini dilakukan secara parsial untuk masing-masing nilai koefisien jalur dengan menggunakan uji t melalui prosedur bootstrapping. Hasilnya adalah sebagai berikut:



117

Tabel 5.18 Path Coefficients (Mean, STDEV, T-Values) Hipotesis

Original Sample (O)

Sample Mean (M)

Standard Deviation (STDEV)

Standard Error (STERR)


PE -> BI

-0.104812

-0.11026

0.121335

0.121335

0.863828

ditolak

PE * AGE -> BI

-0.032324

-0.03254

0.145442

0.145442

0.222247

ditolak

EE -> BI

0.202173

0.199434

0.12593

0.12593

1.605437

ditolak

EE * AGE -> BI

-0.032029

-0.0547

0.170969

0.170969

0.18734

ditolak

SI -> BI

0.135647

0.124906

0.111093

0.111093

1.221029

ditolak

SI * AGE -> BI

-0.017227

-0.01761

0.139793

0.139793

0.123235

ditolak

FC -> AU

-0.153619

-0.16337

0.071223

0.071223

2.15688

diterima

FC * AGE -> AU

-0.05244

0.03926

0.075959

0.075959

0.690375

ditolak

Signifikansi (α = 5%)

AUT -> BI

0.709757

0.721168

0.140111

0.140111

5.06566

diterima

AUT * AGE -> BI

-0.041488

-0.01164

0.161712

0.161712

0.256558

ditolak

AUT -> AU

0.387087

0.389978

0.134236

0.134236

2.883634

diterima

AUT * AGE -> AU

0.002151

-0.04337

0.088569

0.088569

0.024282

ditolak

SE -> BI

-0.025764

0.000525

0.127337

0.127337

0.20233

ditolak

IQ -> BI

0.03524

-0.01249

0.170595

0.170595

0.206568

ditolak

IQ -> AU

0.09104

0.053258

0.079419

0.079419

1.146322

ditolak

SysQ -> BI

0.024867

0.030573

0.147875

0.147875

0.168165

ditolak

SysQ -> AU

-0.01772

0.007558

0.089863

0.089863

0.197187

ditolak

SerQ -> BI

0.134541

0.129814

0.201912

0.201912

0.666333

ditolak

SerQ -> AU

0.235978

0.239261

0.105126

0.105126

2.244722

diterima

BI -> AU

0.467401

0.456589

0.140275

0.140275

3.332038

diterima

AGE -> BI

-0.055165

-0.01858

0.129468

0.129468

0.426089

ditolak

AGE -> AU

-0.03012

-0.01264

0.061035

0.061035

0.493493

ditolak

Tabel 5.18 memperlihatkan nilai koefisien jalur (kolom original sample) yang menyatakan pengaruh positif/negatif masing-masing variabel laten independen terhadap variabel laten dependen-nya. Signifikansi masing-masing koefisien jalur ditentukan dengan cara membandingkan nilai t hitung (kolom T Statistics) dengan nilai t tabel untuk tingkat signifikansi 5% (t = 1,96). Jika t hitung > 1,96 maka hipotesis di terima. Hal ini menunjukkan adanya pengaruh variabel laten independen terhadap variabel laten dependen secara signifikan. Berikut adalah pengujian masing-masing hipotesis:



118

a. H1: Performance expectancy (PE) berpengaruh secara signifikan terhadap behavioral intention (BI) Berdasarkan Tabel 5.18 diketahui bahwa nilai t hitung PE  BI adalah 0,86 < 1,96 maka nilai koefisien jalurnya tidak signifikan, sehingga dapat disimpulkan bahwa pengaruh ekspektasi kinerja (performance expectancy) terhadap minat untuk menggunakan e-learning (behavioral intention) tidak signifikan dengan tingkat kepercayaan 95%. b. H1a : Pengaruh performance expectancy (PE) terhadap behavioral intention (BI) dipengaruhi oleh faktor usia (AGE) Sebelumnya telah diketahui bahwa pengaruh ekspektasi kinerja (performance expectancy) terhadap minat untuk menggunakan e-learning (behavioral intention) tidak signifikan, maka moderasi usia tidak akan berpengaruh pada hubungan tersebut. Hal ini dapat dibuktikan dari nilai t hitung PE*AGE  BI sebesar 0,22 < 1,96 yang berarti bahwa nilai koefisien jalurnya tidak signifikan, sehingga dapat disimpulkan bahwa pengaruh ekspektasi kinerja (performance expectancy) terhadap minat untuk menggunakan e-learning (behavioral intention) tidak dipengaruhi oleh faktor usia dengan tingkat kepercayaan 95%. c. H2: Effort expectancy (EE) berpengaruh secara signifikan terhadap behavioral intention (BI) Berdasarkan Tabel 5.18 diketahui bahwa nilai t hitung EE  BI adalah 1,60 < 1,96 maka nilai koefisien jalurnya tidak signifikan, sehingga dapat disimpulkan bahwa pengaruh ekspektasi usaha (effort expectancy) terhadap minat untuk menggunakan e-learning (behavioral intention) tidak signifikan dengan tingkat kepercayaan 95%. d. H2a : Pengaruh effort expectancy (EE) terhadap behavioral intention (BI) dipengaruhi oleh faktor usia (AGE) Sebelumnya telah diketahui bahwa pengaruh ekspektasi usaha (effort expectancy) terhadap minat untuk menggunakan e-learning (behavioral intention) tidak signifikan, maka moderasi usia tidak akan berpengaruh pada hubungan tersebut. Hal ini dapat dibuktikan dari nilai t hitung EE*AGE  BI Universitas Indonesia


119

adalah 0,19 < 1,96 yang berarti bahwa koefisien jalurnya tidak signifikan, sehingga dapat disimpulkan bahwa pengaruh ekspektasi usaha (effort expectancy) terhadap minat untuk menggunakan e-learning (behavioral intention) tidak dipengaruhi oleh faktor usia dengan tingkat kepercayaan 95%. e. H3: Social influence (SI) berpengaruh secara signifikan terhadap behavioral intention (BI) Berdasarkan Tabel 5.18 diketahui bahwa nilai t hitung SI  BI adalah 1,22 < 1,96 maka nilai koefisien jalurnya tidak signifikan, sehingga dapat disimpulkan bahwa pengaruh sosial (social influence) terhadap minat untuk menggunakan e-learning (behavioral intention) tidak signifikan dengan tingkat kepercayaan 95%. f. H3a: Pengaruh social influence terhadap behavioral intention dipengaruhi oleh faktor usia (SI*AGE  BI) Sebelumnya telah diketahui bahwa pengaruh sosial (social influence) terhadap minat untuk menggunakan e-learning (behavioral intention) tidak signifikan, maka moderasi usia tidak akan berpengaruh pada hubungan tersebut. Hal ini dapat dibuktikan dari nilai t hitung SI*AGE  BI adalah 0,12 < 1,96 yang berarti bahwa nilai koefisien jalurnya tidak signifikan, sehingga dapat disimpulkan bahwa pengaruh sosial (social influence) terhadap minat untuk menggunakan e-learning (behavioral intention) tidak dipengaruhi oleh faktor usia dengan tingkat kepercayaan 95%. g. H4: Facilitating conditions (FC) berpengaruh secara langsung terhadap actual use (AU) Berdasarkan Tabel 5.18 diketahui bahwa nilai t hitung FC  AU adalah 2,16 > 1,96 maka nilai koefisien jalurnya signifikan, sehingga dapat disimpulkan bahwa kondisi fasilitas pendukung (facilitating conditions) mempengaruhi penggunaan e-learning secara nyata (actual use) dengan tingkat kepercayaan 95%. Besarnya koefisien jalur adalah -0,1536. Hal ini berarti terdapat pengaruh negatif kondisi fasilitas pendukung terhadap penggunaan e-learning sebesar



120

0,1536. Semakin baik fasilitas pendukung, maka semakin rendah penggunaan e-learning. h. H4a: Pengaruh facilitating conditions (FC) terhadap actual use (AU) dipengaruhi oleh faktor usia (AGE) Berdasarkan Tabel 5.18 diketahui bahwa nilai t hitung FC*AGE  AU adalah 0,69 > 1,96 maka nilai koefisien jalurnya tidak signifikan, sehingga dapat disimpulkan bahwa pengaruh fasilitas pendukung (facilitating conditions) terhadap penggunaan e-learning secara nyata (actual use) tidak dipengaruhi oleh faktor usia dengan tingkat kepercayaan 95%. i. H5: Attitude toward using technology (AUT) berpengaruh secara signifikan terhadap behavioral intention (BI) Berdasarkan Tabel 5.18 diketahui bahwa nilai t hitung AUT  BI adalah 5,06 > 1,96 maka nilai koefisien jalurnya signifikan, sehingga dapat disimpulkan bahwa reaksi afektif atau sikap widyaiswara/instruktur terhadap suatu teknologi (attitude toward using technology) mempengaruhi minat untuk menggunakan e-learning (behavioral intention) dengan tingkat kepercayaan 95%. Besarnya koefisien jalur adalah 0,7098. Hal ini berarti terdapat pengaruh positif dari reaksi afektif atau sikap widyaiswara/instruktur terhadap suatu teknologi terhadap minat untuk menggunakan e-learning sebesar 0,7098. Semakin baik reaksi afektif atau sikap widyaiswara/instruktur terhadap suatu teknologi, maka semakin tinggi pula minatnya untuk menggunakan e-learning. j. H5a : Pengaruh attitude toward using technology (AUT) terhadap behavioral intention (BI) dipengaruhi oleh faktor usia (AGE) Berdasarkan Tabel 5.18 diketahui bahwa nilai t hitung AUT*AGE  BI adalah 0,26 < 1,96 maka nilai koefisien jalurnya tidak signifikan, sehingga dapat disimpulkan bahwa pengaruh reaksi afektif atau sikap widyaiswara/instruktur terhadap suatu teknologi (attitude toward using technology) terhadap minat untuk menggunakan e-learning (behavioral intention) tidak dipengaruhi oleh faktor usia dengan tingkat kepercayaan 95%.



121

k. H6: Attitude toward using technology (AUT) berpengaruh secara langsung terhadap actual use (AU) Berdasarkan Tabel 5.18 diketahui bahwa nilai t hitung AUT  AU adalah 2,88 > 1,96 maka nilai koefisien jalurnya signifikan, sehingga dapat disimpulkan bahwa reaksi afektif atau sikap widyaiswara/instruktur terhadap suatu teknologi (attitude toward using technology) mempengaruhi penggunaan e-learning secara nyata (actual use) dengan tingkat kepercayaan 95%. Besarnya koefisien jalur adalah 0,3871. Hal ini berarti terdapat pengaruh positif dari reaksi afektif atau sikap

widyaiswara/instruktur terhadap suatu teknologi terhadap

penggunaan e-learning secara nyata sebesar 0,3871. Semakin baik reaksi afektif atau sikap widyaiswara/instruktur terhadap suatu teknologi, maka semakin tinggi pula frekuensi penggunaan e-learning oleh widyaiswara/instruktur. Reaksi afektif atau sikap widyaiswara/instruktur terhadap suatu teknologi (attitude toward using technology) berpengaruh langsung terhadap penggunaan e-learning secara nyata (actual use), tetapi juga berpengaruh tidak langsung terhadap penggunaan e-learning secara nyata (actual use) melalui minat untuk menggunakan e-learning (behavioral intention). Besarnya koefisien pengaruh langsung lebih besar (0,3871) daripada besarnya koefisien pengaruh tidak langsung (0,3871*0,7098 = 0,2747). l. H6a: Pengaruh attitude toward using technology (AUT) terhadap actual use (AU) dipengaruhi oleh faktor usia (AGE) Berdasarkan Tabel 5.18 diketahui bahwa nilai t hitung AUT*AGE  AU adalah 0,02 < 1,96 maka nilai koefisien jalurnya tidak signifikan, sehingga dapat

disimpulkan

bahwa

pengaruh

reaksi

afektif

atau

sikap

widyaiswara/instruktur terhadap suatu teknologi (attitude toward using technology) terhadap penggunaan e-learning secara nyata (actual use) tidak dipengaruhi oleh faktor usia dengan tingkat kepercayaan 95%.



122

m. H7: Self-efficacy (SE) berpengaruh secara signifikan terhadap behavioral intention (BI) Berdasarkan Tabel 5.18 diketahui bahwa nilai t hitung SE  BI adalah 0,20 < 1,96 maka nilai koefisien jalurnya tidak signifikan, sehingga dapat disimpulkan bahwa pengaruh kemampuan widyaiswara/instruktur dalam menggunakan elearning untuk menyelesaikan pekerjaannya (self-efficacy) terhadap minat untuk menggunakan e-learning (behavioral intention) tidak signifikan dengan tingkat kepercayaan 95%. n. H8: Information quality (IQ) berpengaruh secara signifikan terhadap behavioral intention (BI) Berdasarkan Tabel 5.18 diketahui bahwa nilai t hitung IQ  BI adalah 0,21 < 1,96 maka nilai koefisien jalurnya tidak signifikan, sehingga dapat disimpulkan bahwa pengaruh kualitas informasi yang diberikan e-learning (information quality) terhadap minat untuk menggunakan e-learning (behavioral intention) tidak signifikan dengan tingkat kepercayaan 95%. o. H9: Information quality (IQ) berpengaruh secara langsung terhadap actual use (AU) Berdasarkan Tabel 5.18 diketahui bahwa nilai t hitung IQ  AU adalah 1,15 < 1,96 maka nilai koefisien jalurnya tidak signifikan, sehingga dapat disimpulkan bahwa pengaruh kualitas informasi yang diberikan e-learning (information quality) terhadap penggunaan e-learning secara nyata (actual use) tidak signifikan dengan tingkat kepercayaan 95%. p. H10 : System quality (SysQ) berpengaruh secara signifikan terhadap behavioral intention (BI) Berdasarkan Tabel 5.18 diketahui bahwa nilai t hitung SysQ  BI adalah 0,17 < 1,96 maka nilai koefisien jalurnya tidak signifikan, sehingga dapat disimpulkan bahwa pengaruh kualitas sistem e-learning (system quality) terhadap minat untuk menggunakan e-learning (behavioral intention) tidak signifikan dengan tingkat kepercayaan 95%. Universitas Indonesia


123

q. H11: System quality (SysQ) berpengaruh secara langsung terhadap actual use (AU) Berdasarkan Tabel 5.18 diketahui bahwa nilai t hitung SysQ  AU adalah 0,197 < 1,96 maka nilai koefisien jalurnya tidak signifikan, sehingga dapat disimpulkan bahwa pengaruh kualitas sistem e-learning (system quality) terhadap penggunaan e-learning secara nyata (actual use) tidak signifikan dengan tingkat kepercayaan 95%. r. H12: Service quality (SerQ) berpengaruh secara signifikan terhadap behavioral intention (BI) Berdasarkan Tabel 5.18 diketahui bahwa nilai t hitung SerQ  BI adalah 0,67 < 1,96 maka nilai koefisien jalurnya tidak signifikan, sehingga dapat disimpulkan bahwa pengaruh kualitas pelayanan e-learning (service quality) terhadap minat untuk menggunakan e-learning (behavioral intention) tidak signifikan dengan tingkat kepercayaan 95%. s. H13 : Service quality (SerQ) berpengaruh secara langsung terhadap actual use (AU) Berdasarkan Tabel 5.18 diketahui bahwa nilai t hitung SerQ  AU adalah 2,24 > 1,96 maka nilai koefisien jalurnya signifikan, sehingga dapat disimpulkan bahwa kualitas pelayanan e-learning (service quality) mempengaruhi secara langsung pada penggunaan e-learning secara nyata (actual use) dengan tingkat kepercayaan 95%. Besarnya koefisien jalur adalah 0,2360. Hal ini berarti terdapat pengaruh positif dari kualitas pelayanan e-learning terhadap penggunaan e-learning secara nyata sebesar 0,2360. Semakin baik kualitas pelayanan e-learning, maka semakin tinggi pula frekuensi penggunaan elearning oleh widyaiswara/instruktur. t.

H14: Behavioral intention berpengaruh (BI) secara signifikan terhadap actual use (AU) Berdasarkan Tabel 5.18 diketahui bahwa nilai t hitung BI  AU adalah 3,33 > 1,96 maka nilai koefisien jalurnya signifikan, sehingga dapat disimpulkan bahwa

minat

untuk menggunakan

e-learning

(behavioral intention) Universitas Indonesia


124

mempengaruhi penggunaan e-learning secara nyata (actual use) dengan tingkat kepercayaan 95%. Besarnya koefisien jalur adalah 0,4674. Hal ini berarti terdapat pengaruh positif dari minat untuk menggunakan e-learning terhadap penggunaan e-learning secara nyata sebesar 0,4674. Semakin tinggi minat untuk menggunakan e-learning, maka semakin tinggi pula frekuensi penggunaan e-learning oleh widyaiswara/instruktur. Dengan demikian model akhir dalam penelitian dapat digambarkan sebagai berikut:

Attitude toward Using Technology

Behavioral Intention

Facilitating Conditions

Service Quality

Actual Use

Gambar 5.10 Model Akhir Model akhir dari penelitian ini mencakup empat variabel yang mempengaruhi secara

langsung

penggunaan

e-learning

(actual

use)

oleh

para

widyaiswara/instruktur di PPPPTK Bahasa. Variabel tersebut antara lain minat untuk menggunakan e-learning (behavioral intention), kondisi fasilitas penunjang (facilitating conditions), reaksi afektif atau sikap pengguna terhadap teknologi (attitude toward using technology), dan kualitas pelayanan (service quality). Variabel attitude toward using technology juga berpengaruh tidak langsung pada actual use melalui behavioral intention.

5.4 Interpretasi Model Berdasarkan hasil pengolahan data di atas, diketahui bahwa faktor-faktor yang mempengaruhi penggunaan e-learning oleh widyaiswara/instruktur di PPPPTK Bahasa antara lain kondisi fasilitas pendukung (facilitating conditions), kualitas pelayanan e-learning (service quality), minat untuk menggunakan e-learning Universitas Indonesia


125

(behavioral intention), dan sikap widyaiswara/instruktur terhadap suatu teknologi (attitude toward using technology). Beberapa hal yang dapat digarisbawahi dari hasil penelitian ini adalah: a. Tidak semua variabel yang dirujuk dari penelitian sebelumnya mempengaruhi penggunaan e-learning oleh widyaiswara/instruktur di PPPPTK Bahasa. b. Performance expectancy, effort expectancy, social influence, dan self-eficacy tidak mempengaruhi penggunaan e-learning oleh widyaiswara/instruktur di PPPPTK Bahasa. c. Information quality dan system quality juga tidak mempengaruhi penggunaan e-learning oleh widyaiswara/instruktur di PPPPTK Bahasa. d. Seperti halnya Venkatesh, dkk (2003), Purwanto (2011), dan Din Jong dan Wang (2009), facilitating conditions berpengaruh secara langsung terhadap penggunaan e-learning oleh widyaiswara/instruktur di PPPPTK Bahasa. e. Sesuai dengan hasil penelitian Din Jong dan Wang (2009) dan Al-Busaidi dan Al Shihi (2010), sikap widyaiswara/instruktur terhadap implementasi elearning (attitude toward using technology) mempengaruhi minat untuk menggunakannya (behavioral intention). f. Din

Jong

dan

Wang

(2009)

juga

menyatakan

bahwa

sikap

widyaiswara/instruktur terhadap implementasi e-learning (attitude toward using technology) berpengaruh secara langsung terhadap penggunaan elearning secara nyata. Hal ini sama dengan hasil penelitian penggunaan elearning oleh widyaiswara/instruktur di PPPPTK Bahasa. g. Seperti halnya DeLone dan McLean (2003), kualitas pelayanan (service quality) mempengaruhi penggunaan e-learning oleh widyaiswara/instruktur di PPPPTK Bahasa. h. Sesuai dengan model UTAUT dari Venkatesh, dkk (2003) dan penelitian Din Jong dan Wang (2009), minat untuk menggunakan e-learning (behavioral intention)

mempengaruhi

penggunaan

e-learning

secara

nyata

oleh

widyaiswara/instruktur di PPPPTK Bahasa. Universitas Indonesia


126

i. Tidak seperti penelitian Venkatesh, dkk (2003), faktor usia tidak mempengaruhi minat untuk menggunakan e-learning maupun penggunaan e-learning secara nyata oleh widyaiswara/instruktur di PPPPTK Bahasa.

5.4.1 Fasilitas Pendukung (Facilitating Conditions) Kondisi fasilitas pendukung mempengaruhi penggunaan e-learning secara nyata oleh para widyaiswara/instruktur di PPPPTK Bahasa. Namun dari hasil penelitian, diketahui bahwa kondisi fasilitas pendukung tersebut berpengaruh negatif terhadap penggunaan e-learning. Semakin baik kondisi fasilitas pendukung, maka semakin rendah penggunaan e-learning PPPPTK Bahasa. Fasilitas pendukung adalah infrastruktur atau fasilitas pendukung lainnya yang menunjang penggunaan e-learning, antara lain: a. Sarana dan prasarana, seperti komputer/laptop dan jaringan internet. b. Pengetahuan atau kompetensi yang diperlukan dalam penggunaan e-learning. c. Tenaga ahli yang dapat membantu mengatasi kesulitan dalam menggunakan elearning. d. Kesesuaian teknologi atau sistem e-learning dengan sistem pembelajaran diklat yang sudah ada. Berdasarkan hasil pengumpulan data juga diketahui bahwa penggunaan e-learning PPPPTK Bahasa yang kurang optimal oleh para widyaiswara/instruktur berhubungan dengan kondisi fasilitas pendukung dalam implementasi dan pengembangan e-learning, antara lain: a. Jaringan internet yang kurang mendukung. b. Fasilitas komputer di masing-masing jurusan yang kurang memadai. c. Dukungan lembaga kurang konsisten dan belum maksimal, misalnya dan kurangnya kontrol dan evaluasi secara langsung dari pihak pimpinan, serta kurangnya kebijakan terkait pengembangan e-learning.



127

d. Kurangnya kemampuan widyaiswara/instruktur dalam menggunakan elearning. e. Kurangnya tenaga ahli di bidang TI untuk mendukung pengembangan elearning. f. Tim pengembang e-learning yang dibentuk tidak menjalankan fungsinya dengan baik. g. Belum adanya program diklat yang sesuai dengan e-learning, kecuali program diklat jarak jauh yang hanya ada untuk jurusan bahasa Inggris. h. Tidak semua peserta diklat maupun sasaran diklat mempunyai sumber daya atau kemampuan yang memadai untuk penggunaan e-learning dalam sistem pembelajaran, baik kemampuan untuk menggunakan maupun kemampuan menyediakan sarana prasarana secara mandiri. Pengaruh negatif kondisi fasilitas pendukung terhadap penggunaan e-learning PPPPTK Bahasa oleh para widyaiswara/instruktur dimungkinkan karena banyaknya sumber pembelajaran berbasis TI selain e-learning PPPPTK Bahasa. Sumber pembelajaran tersebut dianggap dapat memberikan fasilitas atau informasi yang lebih baik dan lebih lengkap untuk digunakan sebagai media pembelajaran, misalnya CD interaktif maupun website lain yang menyediakan materi pembelajaran bahasa. Oleh karena itu para widyaiswara/instruktur menggunakan fasilitas yang disediakan lembaga untuk mengunduh materi pembelajaran tersebut dari internet untuk digunakan sebagai media mengajar dalam sistem diklat yang sudah ada (tatap muka). Hal ini juga disebabkan karena belum ada kebijakan yang mengharuskan penggunaan e-learning PPPPTK Bahasa dalam sistem diklat dan belum adanya program diklat berbasis e-learning. Dengan demikian dapat disimpulkan bahwa peningkatan fasilitas atau sarana dan prasarana, seperti pengadaan komputer/laptop dan peningkatan jaringan internet, serta penyediaan tenaga ahli dan peningkatan kompetensi widyaiswara/instruktur dibidang elearning, belum tentu dapat meningkatkan keberhasilan implementasi e-learning PPPPTK Bahasa. Hal itu perlu didukung dengan adanya kebijakan pimpinan terkait



128

penggunaan e-learning PPPPTK Bahasa dalam sistem diklat dan pengembangan program pembelajaran berbasis e-learning.

5.4.2 Kualitas Pelayanan e-Learning (Service Quality) Kualitas pelayanan e-learning berpengaruh positif terhadap penggunaan e-learning secara nyata oleh para widyaiswara/instruktur di PPPPTK Bahasa. Semakin baik kualitas pelayanan e-learning, maka semakin tinggi pula frekuensi penggunaan elearning. Para widyaiswara/instruktur berpendapat bahwa implementasi e-learning dapat menunjang tugasnya dalam mengajar dan meningkatkan mutu pendidik di Indonesia. e-Learning dapat menjangkau sasaran diklat lebih luas, tidak terbatas oleh ruang dan waktu sehingga dapat menjadikan diklat lebih efektif dan efisien. eLearning dapat memudahkan widyaiswara dalam mengajar, membuat bahan ajar yang lebih interaktif, dan berkomunikasi dengan peserta diklat. e-Learning juga dapat digunakan untuk sharing informasi atau bahan ajar antar widyaiswara. Halhal tersebut dapat terpenuhi jika e-learning mampu memberikan pelayanan yang baik dan berkualitas. Kualitas pelayanan e-learning dapat ditentukan dari beberapa hal berikut ini: a. e-Learning menyediakan fasilitas (hardware/software) yang mutakhir (up to date). b. e-Learning mampu memberikan layanan yang dapat diandalkan, misalnya kemudahan bagi widyaiswara untuk mengajar dan membuat bahan ajar. c. e-Learning dapat diakses dengan cepat. d. e-Learning mampu memberikan jaminan pelayanan yang baik, seperti keamanan atas data dan ketersediaan (availability) sistem untuk dapat digunakan setiap saat. e. e-Learning

dapat

menarik

perhatian

widyaiswara/instruktur

untuk

menggunakannya dalam sistem diklat.



129

Apabila kualitas pelayanan di atas dapat dipenuhi, maka keberhasilan implementasi e-learning dapat terwujud. Namun jika tidak terpenuhi, maka implementasi elearning dapat menjadi beban dan menyulitkan para widyaiswara/instruktur dalam mengajar. Pada dasarnya penggunaan e-learning dapat mendukung dan mengembangkan kemampuan widyaiswara/instruktur dari sisi profesionalitas dan keterampilan menggunakan TIK, tidak hanya terbatas pada diklat konvesional saja. Menurut pengelola TI PPPPTK Bahasa, sistem informasi yang digunakan dalam implementasi e-learning sudah cukup baik dan dikemas sedemikian sehingga mudah digunakan (user friendly) oleh para widyaiswara/instruktur. Bagi widyaiswara/instruktur yang tertarik dengan dunia teknologi dan informasi tidak akan

merasa

dipersulit

oleh

sistem

pembelajaran

ini.

Namun

bagi

widyaiswara/instruktur yang enggan untuk melakukan perubahan dan mempunyai kemampuan TIK yang tidak mencukupi, pasti merasa terbebani oleh adanya implementasi e-learning. Implementasi e-learning perlu ditunjang dengan komitmen bersama, baik lembaga maupun pengajar sebagai aktor utama. Dukungan lembaga sangat diperlukan dalam pengembangan e-learning.

5.4.3 Minat (Behavioral Intention) Faktor minat untuk menggunakan e-learning berpengaruh positif terhadap penggunaan e-learning secara nyata oleh para widyaiswara/instruktur di PPPPTK Bahasa. Semakin tinggi minat untuk menggunakan e-learning, maka semakin tinggi pula frekuensi penggunaan e-learning. Berdasarkan hasil pengumpulan data diketahui bahwa rendahnya minat untuk menggunakan e-learning terkait dengan beberapa hal sebagai berikut: a. Keterbatasan penguasaan TIK oleh para widyaiswara/instruktur yang menyebabkan kurangnya kemampuan dalam menggunakan e-learning. Sebagian widyaiswara/instruktur belum terbiasa menggunakan TIK dalam pembelajaran sehingga menyebabkan keengganaan untuk menggunakan atau mengembangkan e-learning dalam sistem diklat. b. Kurangnya pelatihan tentang e-learning untuk para widyaiswara/instruktur. Universitas Indonesia


130

c. Keterbatasan sarana dan prasarana, seperti komputer/laptop dan jaringan internet yang mendukung. d. Kegiatan widyaiswara/instruktur yang sangat padat menyebabkan kurangnya waktu untuk meningkatkan kompetensi di bidang e-learning dan tidak sempat membuat bahan ajar untuk e-learning. e. Dukungan lembaga untuk pengembangan e-learning belum maksimal dan kurang konsisten. Implementasi e-learning tidak ditunjang dengan kebijakan yang memadai, tidak adanya keharusan untuk menggunakan e-learning dalam sistem diklat, tidak adanya kontrol langsung dari pihak pimpinan, dan kurangnya pengembangan program diklat berbasis e-learning. Hal itu mempengaruhi konsistensi para widyaiswara/instruktur untuk menggunakan elearning dalam menjalankan tugasnya dan menyebabkan kurangnya perhatian para widyaiswara/instruktur terhadap program e-learning. f. Tidak adanya kemauan sebagian widyaiswara/instruktur untuk berubah. g. Kurangnya tenaga ahli di bidang TI yang dapat membantu dan mendukung pengembangan e-learning. h. Tidak semua sasaran diklat mampu menyediakan sarana dan prasarana untuk pelaksanaan diklat berbasis e-learning dan tidak semua guru (peserta diklat) mempunyai kemampuan TIK yang memadai. i. Belum ada aturan terkait penggunaan e-learning dalam penilaian angka kredit.

5.4.4 Reaksi Afektif atau Sikap terhadap Teknologi (Attitude toward Using Technology) Reaksi afektif atau sikap widyaiswara/instruktur PPPPTK Bahasa terhadap suatu teknologi berpengaruh positif pada minat untuk menggunakan e-learning dan berpengaruh positif pula secara langsung pada penggunaan e-learning secara nyata. Pengaruh reaksi afektif tersebut lebih besar terhadap penggunaan e-learning secara langsung daripada pengaruhnya secara tidak langsung melalui minat untuk menggunakan e-learning. Hal ini berarti apabila widyaiswara/instruktur mempunyai reaksi positif terhadap implementasi e-learning, maka akan Universitas Indonesia


131

mempunyai kemauan untuk menggunakannya secara nyata dalam tugasnya seharihari, seiring dengan bertambahnya minat untuk selalu menggunakan dan mengembangkan e-learning dalam sistem diklat. Reaksi afektif atau sikap widyaiswara/instruktur terhadap implementasi e-learning meliputi beberapa hal berikut ini: a. Tanggapan positif bahwa implementasi e-learning merupakan sebuah ide yang baik untuk meningkatkan kualitas diklat. b. e-Learning dirasakan dapat membuat kegiatan belajar mengajar lebih menarik. c. Widyaiswara/instruktur senang menggunakan e-learning dalam melaksanakan tugasnya. Menurut beberapa widyaiswara/instruktur, e-learning sesuai untuk diterapkan dalam sistem diklat di PPPPTK Bahasa karena merupakan terobosan baru program pengembangan diklat berbasis TIK dalam upaya peningkatan kualitas diklat dan memperluas jangkauan sasaran diklat, serta mengefektifkan dan mengefisienkan penyelenggaraan diklat. e-Learning dapat menunjang tugas widyaiswara karena dapat digunakan di mana saja dan kapan saja (online). Guru sebagai peserta diklat juga menjadi lebih fleksibel dalam mengikuti diklat tanpa harus mengorbankan waktu mengajar dan dapat memilih materi pembelajaran sesuai dengan kebutuhannya. e-Learning dapat membuat kegiatan belajar mengajar lebih menyenangkan dan memberikan pengalaman belajar bagi peserta diklat. Beberapa widyaiswara/instruktur lainnya yang beranggapan bahwa e-learning belum sesuai untuk diterapkan dalam sistem diklat di PPPPTK Bahasa. Hal ini dikarenakan belum adanya kesiapan dari widyaiswara maupun lembaga untuk melakukan perubahan sistem pembelajaran dengan menyediakan program diklat berbasis e-learning dan menyediakan sarana prasarana yang memadai sehingga dapat menyulitkan dalam penerapannya. Beberapa widyaiswara/instruktur juga beranggapan bahwa implementasi e-learning secara penuh melalui diklat jarak jauh akan melemahkan hubungan personal antar peserta diklat dan widyaiswara karena tidak adanya sesi tatap muka. Universitas Indonesia


132

5.4.5 Faktor Usia Hasil analisis data menyatakan bahwa faktor usia tidak mempengaruhi minat untuk menggunakan e-learning maupun penggunaan e-learning secara nyata oleh para widyaiswara/instruktur

PPPPTK

Bahasa.

Pengaruh

faktor-faktor

yang

mempengaruhi keduanya (seperti yang telah dijelaskan di atas) juga tidak dipengaruhi oleh faktor usia.

5.5 Implikasi Penelitian Berdasarkan hasil analisis data telah diketahui faktor-faktor yang mempengaruhi penggunaan e-learning oleh para widyaiswara/instruktur PPPPTK Bahasa, antara lain kondisi fasilitas pendukung, reaksi afektif atau sikap widyaiswara/instruktur terhadap

suatu

teknologi,

kualitas

pelayanan

e-learning,

dan

minat

widyaiswara/instruktur untuk menggunakan e-learning. Selanjutnya dapat diidentifikasi langkah-langkah yang dapat dilakukan untuk meningkatkan dan mengoptimalkan penggunaan dan pemanfaatan e-learning berdasarkan faktorfaktor yang mempengaruhinya tersebut sebagai rekomendasi dari hasil penelitian ini. Rekomendasi juga diberikan berdasarkan hasil pengumpulan data melalui pertanyaan terbuka dalam kuesioner penelitian.

5.5.1 Manajemen/Lembaga Kondisi fasilitas pendukung, reaksi afektif atau sikap widyaiswara/instruktur PPPPTK Bahasa terhadap suatu teknologi, dan minat widyaiswara/instruktur untuk menggunakan e-learning telah terbukti berpengaruh terhadap penggunaan elearning secara nyata. Dalam upaya meningkatkan dan mengoptimalkan penggunaan dan pemanfaatan e-learning PPPPTK Bahasa, lembaga dapat melakukan beberapa hal terkait faktor-faktor tersebut, antara lain: a. Meningkatkan fasilitas atau sarana dan prasarana yang lebih memadai, misalnya menyediakan akses intenet yang lebih cepat dan pengadaan komputer/laptop yang lebih canggih di masing-masing jurusan. Universitas Indonesia


133

b. Peningkatan fasilitas bukan hanya sekedar menyediakan sarana dan prasarana. Untuk dapat mengoptimalkan penggunaan e-learning PPPPTK Bahasa, lembaga juga harus dapat memberikan motivasi, dukungan, dan komitmen secara konsisten dalam bentuk kebijakan, program pengembangan e-learning, dan pelaksanaan monitoring. Program pengembangan e-learning harus terencana dengan baik agar lebih terarah dan berkesinambungan dengan kegiatan lembaga yang lain sehingga tidak menyulitkan widyaiswara/instruktur dalam membagi waktu. Program pengembangan e-learning dapat diwujudkan dalam

bentuk

pelatihan

untuk

meningkatkan

kompetensi

widyaiswara/instruktur dalam bidang e-learning dan workshop pembuatan bahan ajar. Monitoring dilakukan secara kontinyu untuk memberikan feedback pada implementasi dan pengembangan e-learning guna mewujudkan keberhasilannya. Pemberian reward yang sesuai bagi widyaiswara/instruktur yang

aktif

dalam

pengembangan

e-learning

dan

punishment

bagi

widyaiswara/instruktur yang tidak ikut terlibat dalam pengembangan e-learning dapat menjadi motivasi yang baik dalam pengembangan e-learning. c. Menyediakan tenaga ahli yang dapat membantu mengatasi kesulitan widyaiswara/instruktur dalam menggunakan e-learning dan mendukung pengembangan e-learning. Tenaga ahli ini dapat disediakan secara outsourcing atau melalui pihak ketiga. d. Mengoptimalkan kinerja tim pengembang e-learning. e. Mengembangkan program diklat berbasis e-learning untuk semua jurusan. f. Mengadakan TNA (Training Need Assesment) untuk mengetahui kebutuhan diklat terkait penerapan e-learning dalam sistem diklat. g. Implementasi e-learning sebaiknya dilaksanakan secara bertahap. Model blended learning mungkin lebih sesuai untuk diterapkan di PPPPTK Bahasa sebagai awal implementasi e-learning. Blended Learning adalah metode pembelajaran yang memadukan antara metode konvensional (tatap muka) dengan metode pembelajaran online (online training) dengan menggunakan materi berbasis web. Hal ini mengingat bahwa pembelajaran bahasa masih Universitas Indonesia


134

membutuhkan sistem tatap muka atau pengamatan secara langsung dalam beberapa unsur penilaian, seperti simulasi belajar mengajar (praktek mengajar) dan kompetensi berbicara. e-Learning lebih sesuai untuk diterapkan pada keterampilan bahasa yang lain, seperti membaca, tata bahasa, dan kosa kata, serta materi listening sehingga peserta dapat mengetahui cara penutur asli dalam menggunakan bahasanya. Implementasi diklat berbasis e-learning juga perlu memperhatikan sumber daya atau kemampuan sasaran diklat dalam menyediakan sarana prasarana penunjang.

5.5.2 Peningkatan Sistem e-Learning Kualitas pelayanan e-learning terbukti berpengaruh terhadap penggunaan elearning secara nyata oleh para widyaiswara/instruktur PPPPTK Bahasa. Dalam upaya meningkatkan penggunaan e-learning PPPPTK Bahasa, dapat dilakukan beberapa hal terkait peningkatan kualitas pelayanan e-learning terhadap tugas widyaiswara/instruktur, antara lain: a. Menyediakan user interface yang lebih mudah digunakan. b. Meningkatkan respon sistem agar dapat diakses dengan cepat. c. Menjaga keamanan atas data dan ketersediaan (availability) sistem untuk dapat digunakan setiap saat. d. Menyediakan fitur-fitur yang lebih menarik dan sesuai dengan kebutuhan diklat. e. Menyediakan infrastruktur yang lebih baik, misalnya jaringan internet yang memadai dan fasilitas komputer/laptop yang canggih.

5.5.3 Penelitian Lanjutan Penelitian ini hanya melibatkan sisi pengajar sebagai pengguna e-learning PPPPTK Bahasa. Pemilihan widyaiswara/instruktur sebagai objek penelitian diharapkan dapat memberikan masukan kepada lembaga dalam meningkatkan penggunaan elearning dari faktor internal terlebih dahulu. Oleh karena pengguna e-learning terdiri dari dua kelompok, yaitu pengajar dan peserta didik, maka penelitian Universitas Indonesia


135

selanjutnya juga dapat melibatkan peserta didik sebagai objek penelitian. Keterlibatan pengajar dan peserta didik dalam penelitian diharapkan dapat memberikan masukan yang lebih lengkap kepada lembaga. Penelitian lanjutan juga dapat melibatkan variabel-variabel lain yang terkait dengan penggunaan sistem informasi dan beberapa variabel moderator, seperti pengalaman dan jenis kelamin. Selain itu, penelitian lanjutan dapat pula melibatkan variabel kepuasan pengguna dalam model penelitian. Penelitian ini hanya fokus pada faktor-faktor yang mempengaruhi penggunaan elearning di PPPPTK Bahasa. Hasil yang diperoleh dari penelitian ini tidak dapat digeneralisasi untuk penerapan e-learning di lembaga lain. Untuk mengetahui faktor-faktor yang mempengaruhi penggunaan e-learning di lembaga diklat secara umum, dapat dilakukan penelitian dengan melibatkan beberapa lembaga diklat yang telah menerapkan e-learning dalam sistem pembelajarannya. Dengan demikian, hasil yang diperoleh dapat digunakan untuk generalisasi penerapan elearning pada lembaga diklat, seperti PPPPTK Bahasa. Penelitian yang melibatkan beberapa lembaga juga dapat memasukkan perspektif organisasi dalam model penelitiannya. Selain penelitian dengan metode kuantitatif seperti halnya penelitian ini, dapat juga dilakukan penelitian kualitatif untuk mengetahui model pembelajaran yang sesuai dengan sistem diklat berbasis e-learning.



BAB 6 KESIMPULAN DAN SARAN

Bab ini memberikan kesimpulan dari hasil penelitian dan saran bagi PPPPTK Bahasa dalam upaya meningkatkan dan mengoptimalkan penggunaan dan pemanfaatan e-learning PPPPTK Bahasa, serta saran untuk penelitian selanjutnya.

6.1. Kesimpulan Faktor-faktor

yang

mempengaruhi

penggunaan

e-learning

oleh

widyaiswara/instruktur di PPPPTK Bahasa adalah kondisi fasilitas pendukung (facilitating conditions), kualitas pelayanan e-learning (service quality), minat untuk

menggunakan

widyaiswara/instruktur

e-learning terhadap

(behavioral

suatu

intention),

teknologi

(attitude

dan toward

sikap using

technology). Penggunaan e-learning PPPPTK Bahasa oleh para widyaiswara/instruktur kurang optimal dikarenakan jaringan internet yang kurang mendukung, fasilitas komputer di masing-masing jurusan yang kurang memadai, dukungan yang diberikan lembaga kurang konsisten dan belum maksimal, seperti kurangnya kontrol dan evaluasi secara langsung dari pihak pimpinan, serta kurangnya kebijakan terkait pengembangan

e-learning.

Selain

itu

kurangnya

kemampuan

widyaiswara/instruktur dalam menggunakan e-learning dan kurangnya tenaga ahli di bidang TI untuk membantu penggunaan e-learning juga menjadi kendala dalam implementasi e-learning. Program diklat juga belum disesuaikan dengan sistem diklat berbasis e-learning sehingga menyulitkan widyaiswara/instruktur dalam mengajar. Implementasi

e-learning

sebenarnya

dapat

menunjang

tugas

widyaiswara/instruktur dalam mengajar dan meningkatkan mutu pendidik di Indonesia. e-Learning dapat menjangkau sasaran diklat lebih luas sehingga dapat menjadikan diklat lebih efektif dan efisien. Namun hal itu dapat terpenuhi jika kendala-kendala yang ada, seperti yang telah dijelaskan sebelumnya dapat diatasi. e-Learning harus mampu memberikan pelayanan yang baik dan berkualitas, 136



137

memudahkan widyaiswara/instruktur dalam mengajar dan membuat bahan ajar yang lebih interaktif, bukan menambah beban bagi widyaiswara/instruktur. Misalnya dengan membuat sistem e-learning yang user friendly dan dapat diakses dengan cepat, serta meningkatkan kompetensi widyaiswara/instruktur di bidang elearning. Implementasi e-learning perlu ditunjang dengan komitmen bersama, baik lembaga maupun pengajar sebagai aktor utama. Dukungan lembaga sangat diperlukan dalam pengembangan

e-learning.

Lembaga

harus

mampu

memotivasi

widyaiswara/instruktur sehingga tertarik menggunakan e-learning dan mempunyai kemauan untuk melakukan perubahan pada sistem pembelajaran diklat. Sikap widyaiswara/instruktur terhadap penggunaan TIK dalam tugasnya sangat berpengaruh pada minat untuk menggunakan dan mengembangkan e-learning dalam sistem diklat. Apabila widyaiswara/instruktur tertarik dengan TIK, maka tidak sulit baginya untuk menggunakan e-learning. Berdasarkan hasil penelitian ini diketahui bahwa faktor usia tidak mempengaruhi minat untuk menggunakan e-learning maupun penggunaan e-learning secara nyata oleh para widyaiswara/instruktur PPPPTK Bahasa. Perilaku widyaiswara/instruktur senior dan widyaiswara/instruktur muda terhadap penggunaan e-learning adalah sama.

6.2. Saran Dalam upaya meningkatkan dan mengoptimalkan penggunaan dan pemanfaatan elearning PPPPTK Bahasa, ada beberapa rekomendasi yang dapat dilakukan, antara lain: a. Lembaga harus meningkatkan fasilitas atau sarana dan prasarana yang lebih memadai, seperti menyediakan akses intenet yang lebih cepat, pengadaan komputer/laptop yang lebih canggih di masing-masing jurusan, dan menyediakan tenaga ahli untuk menunjang pengembangan e-learning.



138

b. Lembaga harus dapat memberikan motivasi, dukungan, dan komitmen secara konsisten dalam bentuk kebijakan, program pengembangan e-learning, dan pelaksanaan monitoring terhadap implementasi e-learning. c. Program pengembangan e-learning harus terencana dengan baik agar lebih terarah disertai dengan pengembangan program diklat berbasis e-learning untuk semua jurusan. d. Lembaga perlu mengadakan TNA (Training Need Assesment) untuk mengetahui kebutuhan diklat terkait penerapan e-learning dalam sistem diklat. e. Model blended learning (metode pembelajaran yang memadukan antara metode konvensional tatap muka dengan metode pembelajaran online dengan menggunakan materi berbasis web) mungkin sesuai untuk diterapkan di PPPPTK Bahasa. Hal ini mengingat bahwa pembelajaran bahasa masih membutuhkan sistem tatap muka atau pengamatan secara langsung dalam beberapa unsur penilaian, seperti simulasi belajar mengajar (praktek mengajar) dan kompetensi berbicara. f. Implementasi diklat berbasis e-learning perlu memperhatikan sumber daya atau kemampuan sasaran diklat. g. Perlunya pelatihan dan workshop pembuatan bahan ajar secara kontinyu untuk meningkatkan kompetensi widyaiswara/instruktur dalam bidang e-learning. h. Pentingnya pemberian reward yang sesuai bagi widyaiswara/instruktur yang aktif

dalam

pengembangan

e-learning

dan

punishment

bagi

widyaiswara/instruktur yang tidak ikut terlibat dalam pengembangan elearning. i. Lembaga harus mengaktifkan kembali dan mengoptimalkan kinerja tim pengembang e-learning. j. Meningkatkan kemampuan sistem e-learning agar lebih mudah digunakan, mempunyai fitur yang menarik, dan dapat memberikan respon yang cepat.



139

k. Penelitian selanjutnya diharapkan dapat melibatkan peserta didik sebagai pengguna e-learning PPPPTK Bahasa sehingga dapat memberikan masukan yang lebih lengkap kepada lembaga. l. Penelitian lanjutan juga dapat melibatkan variabel-variabel lain yang terkait dengan penggunaan sistem informasi seperti variabel kepuasan pengguna dan variabel moderator yang lain seperti pengalaman dan jenis kelamin. m. Untuk mendapatkan hasil penelitian yang lebih umum tentang penerapan elearning, penelitian selanjutnya dapat melibatkan beberapa lembaga diklat yang telah menerapkan e-learning dalam sistem pembelajarannya. Penelitian ini dapat memasukkan perspektif organisasi dalam model penelitiannya. n. Penelitian kualitatif juga dapat dilakukan dalam penerapan e-learning, yaitu untuk mengetahui model pembelajaran yang sesuai dengan sistem diklat berbasis e-learning.



140

DAFTAR REFERENSI

Al-Busaidi, K.A., & Al-Shihi, H. (2010). Instructor's Acceptance of Learning Management Systems: A Theoretical Framework. Communications of the IBIMA, IBIMA Publishing. Vol. 2010 (2010), Article ID 862128. Allen, M.W. (2003). Michael Allen's Guide to E-Learning: Building Interactive, Fun, and Effective Learning Programs for Any Company. Hoboken, New Jersey: John Wiley & Sons. Cochran, W.G. (1991). Teknik Penarikan Sampel (Edisi Ketiga). Jakarta: UI-Press. Cross, J., & Hamilton, I. (2002). The DNA of e-Learning, Excerpt from Beyond eLearning. Internet Time Group. Diakses 24 Maret 2013. http://www.internettime.com/Learning/articles/DNA.pdf Davis, F.D. (1989). Perceived Usefulness, Perceived Ease of Use, and User Acceptance of Information Technology. MIS Quartely. 13(3), 319-340. DeLone, W.H., & McLean, E.R. (1992). Information Systems Success: The Quest for the Dependent Variable. Information Systems Research, 3(1), 60-95. DeLone, W., & McLean, E.R. (2003). The DeLone and McLean Model of Information Systems Success: A Ten-Year Update. Journal of Management Information Systems/Spring 2003, 19(4), 9-30. M.E. Sharpe, Inc. Diffusion of Innovations Theory. University of Twente. Diakses 19 April 2013. http://www.utwente.nl/cw/theorieenoverzicht/Theory%20clusters/Communication %20and%20Information%20Technology/Diffusion_of_Innovations_Theory.doc/ Dillon, A. (2001). User Acceptance of Information Technology. In W. Karwowski (ed). Encyclopedia of Human Factors and Ergonomics. London: Taylor and Francis. Diakses 26 Maret 2013. https://www.ischool.utexas.edu/~adillon/BookChapters/Dillon-acceptance.htm Din Jong, & Wang. (2009). Student Acceptance of Web-based Learning System. Proceeding of the 2009 International Symposium on Web Information Systems and Applications, 533-536. Nanchang, P. R. China: Academy Publisher. Furneaux, C. (2004). How does Information Technology Impact the Methods, Potential and Purpose of Education? ETL Conference, Logan Campus, Griffith University. Ghozali, I. (2011). Structural Equation Modeling Metode Alternatif dengan Partial Least Square (Edisi Ketiga). Semarang: Badan Penerbit Universitas Diponegoro. Glasow, P.A. (2005). Fundamentals of Survey Research Methodology. McLean, Virginia: MitreWashington C3 Center. Universitas Indonesia


141

Haenlein, M., & Kaplan, A.M. (2004). A Beginner’s Guide to Partial Least Squares Analysis. Understanding Statistics, 3(4), 283-297. Lawrence Erlbaum Associates, Inc. Horton, William. (2003). E-learning Tools and Technologies: A Consumer's Guide for Trainers, Teachers, Educators, and Instructional Designers. Indianapolis, Indiana: Wiley Publishing. Jogiyanto, H.M. (2011). Konsep dan Aplikasi Structural Equation Modeling Berbasis Varian Dalam Penelitian Bisnis. Yogyakarta: Unit Penerbit dan Percetakan STIM YKPN. Mindrajaya, I.G.N., & Sumertajaya, I.M. (2008). Pemodelan Persamaan Struktural dengan Partial Least Square. Prosiding Seminar Nasional Matematika dan Pendidikan Matematika 2008. Diakses 25 Maret 2013. http://eprints.uny.ac.id/6856/ Monecke, A., & Leisch, F. (2012). sem-PLS: Structural Equation Modeling Using Partial Least Square. Journal of Statistical Software, 48(3), 1-32. Mustafa, Z., & Wijaya, T. (2012). Panduan Teknik Statistik SEM & PLS. Yogyakarta: Cahaya Atma Pustaka. Noe, Raymond A. (2005). Employee Training and Development. Boston: McGrawHill. Purwanto, T.A. (2011). Analisis Model Penerimaan Pengguna dengan Model UTAUT: Studi Kasus e-Learning Program Vokasi Universitas Indonesia. Jakarta: Magister Teknologi Informasi, Universitas Indonesia. Pusat Pengembangan dan Pemberdayaan Pendidik dan Tenaga Kependidikan Bahasa. (2013). Profil PPPPTK Bahasa. Jakarta. Pusat Pengembangan dan Pemberdayaan Pendidik dan Tenaga Kependidikan Bahasa. (2010). Rencana Strategis PPPPTK Bahasa 2010 – 2014. Jakarta. Rahman, A., Jamaludin, A., & Mahmud, Z. (2011). Intention to Use Digital Library based on Modified UTAUT Model: Perspectives of Malaysian Postgraduate Students. World Academy of Science, Engineering and Technology, 51, 116-122. Ramayah, T., & Lee. (2012). System Characteristics, Satisfaction, and e-Learning Usage: A Structural Equation Model (SEM). The Turkish Online Journal of Educational Technology, 11(2), 196-206. Rosenberg, M.G. (2006). Beyond E-Learning: Approaches and Technologies to Enhance Organizational Knowledge, Learning, and Performance. San Fransisco, CA: Pfeiffer.



142

Selim, H.M. (2007). Critical Success Factors for e-Learning Acceptance: Confirmatory Factor Models. Computers & Education, 49, 396-413. Sugiyono. (2004). Statistik Nonparametris untuk Penelitian. Bandung: Alfabeta. Suliyanto. (2011). Perbedaan Pandangan Skala Likert sebagai Skala Ordinal atau Skala Interval. Prosiding Seminar Nasional Statistika Universitas Diponegoro 2011. Suparman. (1986). Pengumpulan dan Penyajian Data. Jakarta: Penerbit Karunika. Venkatesh, V., Morris, M.G., Davis, G.B., & Davis, F.D. (2003). User Acceptance of Information Technology: Toward a Unified View. MIS Quartely, 27(3), 425478. Wahono, R.S. (2008). Meluruskan Salah Kaprah tentang e-Learning. Romi Satria Wahono.Net. Diakses 4 Mei 2013. http://romisatriawahono.net/2008/01/23/meluruskan-salah-kaprah-tentang-elearning/ Yuriyuda. (2010). MSI (Method of Successive Interval), Langkah Manual & Software. Di akses 12 Mei 2013. http://carabineri.wordpress.com/2010/04/30/msimethod-of-successive-interval-langkah-manual-software/



143

Lampiran 1 Hasil Observasi dan Pengumpulan Data Awal

HASIL OBSERVASI IMPLEMENTASI e-LEARNING di PPPPTK BAHASA

Observasi ini dilakukan dengan pengamatan langsung di lapangan, serta wawancara dengan Kepala Divisi TI PPPPTK Bahasa (sebagai Tim Pengembang e-Learning). Hasil observasi dan wawancara adalah sebagai berikut: 1. Jumlah Pendidik dan Tenaga Kependidikan (PTK) bahasa yang pernah menggunakan e-learning PPPPTK Bahasa = 642 orang. 2. Jumlah widyaiswara/calon widyaiswara yang telah membuat materi untuk elearning = 32 orang. 3. Ketersediaan (ada) atau ketidaktersediaan (tidak ada) kebutuhan infrastruktur untuk pengembangan e-learning di PPPPTK Bahasa adalah sebagai berikut: No 1

Kebutuhan e-Learning PC atau laptop

Ada

Tidak Ada

Keterangan

√

Setiap Jurusan di PPPPTK Bahasa sudah difasilitasi PC dan laptop. ISP: Indonet Bandwidth = 6 Mb  Sistem jaringan internal (lingkungan kampus) menggunakan fiber optic sebagai backbone antar gedung.  Pada ruangan-ruangan kantor, jaringan LAN menggunakan kabel UTP dan hotspot.  Terdapat lima server di kantor PPPPTK Bahasa, yaitu LAN Server, Web Server (intranet), Antivirus Server, CCTV Server, Vicon Server.  Server website termasuk e-learning berada di salah satu perusahaan IT (hosting dan domain) di Jakarta. Menggunakan Moodle versi 1.9.3 dan beberapa aplikasi pendukung lainnya yang bersifat open source.

2

Jaringan internet

√

3

Server

√

4

Aplikasi elearning

√


144

Lampiran 1 (lanjutan) No 5

6

Kebutuhan e-Learning Peralatan teleconference

Administrator

Ada

Tidak Ada

√

Keterangan Terdapat satu set peralatan vicon yang terpasang di ruang sidang kepala pusat, namun belum dimanfaatkan secara optimal. 2 orang

√

4. Kondisi infrastruktur untuk pengembangan e-learning di PPPPTK Bahasa: No Kebutuhan e-Learning 1 Apakah jumlah PC/ laptop sudah mencukupi untuk pengembangan elearning? 2 Apakah jaringan internet sudah cukup memadai untuk pengembangan elearning? 3 Apakah jaringan internet cukup kuat untuk mengakses streaming, real time, atau melakukan teleconference? 4 Apakah semua gedung/kelas/asrama sudah terhubung dengan koneksi internet? 5 Apakah server sudah cukup memadai untuk pengembangan elearning 6 Apakah security pada server sudah terjamin?

7

Apakah aplikasi elearning sudah cukup memadai untuk pengembangan e-

Ya √

Tidak

Keterangan -

√

Tersedia jaringan kabel dan hotspot yang sudah cukup untuk implementasi elearning. -

√

√

Masih ada beberapa kelas dan asrama yang belum ada koneksi internet (sekitar 30%).

√

-

√

 Sistem keamanan untuk jaringan LAN di PPPPTK Bahasa dikelola oleh tenaga admin, dan sejauh ini tidak pernah mengalami masalah.  Sistem keamanan untuk server website dan elearning sepenuhnya ditanggung oleh perusahaan penyedia jasa layanan hosting dan domain. Namun masih memerlukan aplikasi tambahan (berbayar) untuk menunjang pengembangan konten e-

√


145

Lampiran 1 (lanjutan) No

Kebutuhan e-Learning learning di PPPPTK Bahasa?

8

Apakah tim pengembang e-learning bekerja dengan optimal?

Ya

Tidak

√

Keterangan learning. Aplikasi tersebut diharapkan dapat membuat konten e-learning lebih interaktif dan animatif. Sebagai contoh: aplikasi pembangunan quiz interaktif, animasi, dan lain-lain. Belum ada program kerja yang jelas dan ada beberapa hal yang masih perlu diperkuat seperti:  perancangan desain (Renstra) pengembangan konten e-learning;  pelatihan tambahan bagi tim admin dan tim pengembang;  perlunya evaluasi kinerja tim pengembang e-learning; dan  sistem kompensasi yang lebih jelas.

Informasi tambahan:  Pada dasarnya, pembangunan e-learning di PPPPTK Bahasa sudah berjalan baik. Perangkat pendukung seperti jaringan LAN dan internet serta perangkat komputer sudah cukup memadai, namun hanya perlu pengadaan software untuk pengembangan konten agar lebih menarik dan animatif. Hal ini tentunya perlu disertai pelatihan tentang penggunaan software itu sendiri.  Masih perlu dukungan materiil dan moril yang memadai dari lembaga untuk pengembangannya, dan tidak hanya dipandang sebelah mata, artinya pihak manajemen PPPPTK Bahasa harus memandang e-learning ini sebagai suatu usaha meningkatkan mutu guru, bukan sebagai program “yang penting punya elearning”. Selain itu, perlu intervensi kepada tenaga pengembang konten elearning untuk lebih serius menangani program e-learning, diimbangi dengan bentuk-bentuk kompensasi yang dapat meningkatkan gairah dan motivasi para tenaga pengembang tersebut untuk bekerja maksimal.


146

Lampiran 2 Kuesioner Penelitian FORMULIR SURVEI IMPLEMENTASI E-LEARNING PPPPTK BAHASA Isilah data di bawah ini!

Kode Responden (diisi oleh petugas)

A. DATA RESPONDEN (RAHASIA) 1

Jenis Kelamin

:

Laki-laki

2

Usia

: ........... Tahun

3

Pendidikan Terakhir

:

4

Masa Kerja

: ........... Tahun

5

Apakah Saudara sudah mengenal aplikasi Moodle sebelum ada eLearning di PPPPTK Bahasa?

:

S1

Sudah

Perempuan

S2

S3

Belum

Jawablah pertanyaan-pertanyaan di bawah ini dengan memberikan tanda x (silang) pada kotak jawaban yang telah tersedia! 1: sangat tidak setuju 2: tidak setuju 3: netral 4: setuju 5: sangat setuju

Keterangan:   

Kata “Saya” yang akan dijumpai dalam pertanyaan di bawah ini ditujukan untuk Responden. e-Learning yang dimaksud adalah e-learning (online learning) yang dimiliki PPPPTK Bahasa. Semua pernyataan berikut terkait dengan implementasi e-Learning dan penyelenggaraan diklat di PPPPTK Bahasa.


147

Lampiran 2 (lanjutan) Jawaban Kode

Pertanyaan

1

2

3

(STS)

(TS)

(N)

PE: Performance Expectancy PE1

e-Learning berguna dalam diklat (kegiatan belajar mengajar).

PE2

e-Learning dapat mengefektifkan kegiatan diklat. (kegiatan belajar mengajar menjadi lebih mudah, serta cepat mencapai tujuan dan sasaran diklat)

PE3

Widyaiswara dapat meningkatkan produktivitas kerja atau hasil kerja yang lebih baik dengan menggunakan e-Learning. (mengajar menjadi lebih menarik dan berkualitas)

PE4

Dengan menggunakan e-Learning, widyaiswara mempunyai kesempatan memperoleh reward (penghargaan material dan nonmaterial) dari lembaga.

EE: Effort Expectancy EE1

Interaksi pengguna dengan sistem e-Learning jelas dan mudah dipahami. (misalnya kejelasan fungsi untuk membuat bahan ajar dan untuk kegiatan mengajar di kelas)

EE2

Cara penggunaan e-Learning mudah dipelajari.

EE3

e-Learning mudah digunakan.

EE4

Penggunaan e-Learning dapat dikuasai dengan cepat.

SI: Social Influence SI1

e-Learning digunakan karena pengaruh orang lain, misalnya sesama widyaiswara.

SI2

e-Learning digunakan karena instruksi dari pimpinan.

SI3

Pimpinan mendukung penggunaan e-Learning. (misalnya melalui kebijakan yang dibuat)

SI4

Lembaga telah memberikan dukungan penuh dalam penggunaan e-Learning.


4 (S)

5 (SS)

148


Pertanyaan

1

2

3

(STS)

(TS)

(N)

(misalnya dalam bentuk pelatihan dan penyediaan fasilitas)

FC: Facilitating Condition FC1

Tersedianya sumber daya (fasilitas) yang diperlukan untuk menggunakan e-Learning. (misalnya komputer/laptop, jaringan internet, dll)

FC2

Saya mempunyai pengetahuan yang cukup dalam bidang TI untuk menggunakan eLearning.

FC3

Tersedianya tenaga ahli yang dapat membantu mengatasi kesulitan dalam menggunakan eLearning.

FC4

e-Learning sesuai untuk digunakan dalam kegiatan diklat.

AUT: Attitude toward Using Technology AUT1

Menggunakan e-Learning dalam kegiatan diklat merupakan ide yang baik untuk meningkatkan kualitas diklat (kualitas materi, metode pembelajaran, dan hasil diklat).

AUT2

e-Learning membuat kegiatan belajar mengajar menjadi lebih menarik.

AUT3

Bekerja dengan menggunakan e-Learning adalah menyenangkan.

AUT4

Saya senang bekerja dengan e-Learning.

SE: Self-efficacy SE1

Saya mampu menyelesaikan pekerjaan dengan menggunakan e-Learning tanpa bantuan orang lain.

SE2

Saya mampu menyelesaikan pekerjaan dengan menggunakan e-Learning jika ada seseorang yang senantiasa dapat membantu untuk mengatasi kesulitan.


4 (S)

5 (SS)

149


Pertanyaan

SE3

Saya mampu menyelesaikan pekerjaan dengan menggunakan e-Learning jika tersedia banyak waktu.

SE4

Saya mampu menyelesaikan pekerjaan dengan menggunakan e-Learning jika ada fasilitas bantuan di dalam sistem informasi tersebut.

1

2

3

(STS)

(TS)

(N)

IQ: Information Quality IQ1

e-Learning memberikan informasi yang dapat dipercaya.

IQ2

e-Learning menyediakan informasi yang lengkap.

IQ3

e-Learning menyediakan informasi yang up-todate (terkini).

IQ4

e-Learning menyediakan informasi yang sesuai dengan kebutuhan widyaiswara.

IQ5

e-Learning selalu memberikan informasi yang dibutuhkan secara konsisten (terus menerus).

SysQ: System Quality SysQ1

Sistem informasi e-Learning mudah digunakan karena sederhana atau tidak rumit.

SysQ2

Sistem informasi e-Learning menyediakan fitur yang bermanfaat bagi widyaiswara.

SysQ3

Sistem informasi e-Learning dapat diandalkan, tidak mudah rusak atau menimbulkan masalah saat digunakan sehingga menyulitkan pengguna.

SysQ4

Sistem informasi e-Learning mampu menyesuaikan kebutuhan widyaiswara dengan baik (fleksibel). (misalnya bisa digunakan untuk mencari informasi, membuat bahan ajar, maupun sebagai media untuk mengajar)


4 (S)

5 (SS)

150


Pertanyaan

SysQ5

Sistem informasi e-Learning dapat menjamin kualitas (keakuratan) data dan informasi yang ada didalamnya.

SysQ6

Sistem informasi e-Learning dapat digunakan pada semua jenis komputer (dapat digunakan dimana saja dan kapan saja).

SysQ7

Sistem informasi e-Learning dapat menggabungkan data dari berbagai macam sumber dengan mudah.

1

2

3

(STS)

(TS)

(N)

(misalnya dalam membuat bahan ajar dapat menggunakan gambar, video, atau text dari berbagai macam sumber untuk dimasukkan dalam sistem informasi e-Learning)

SysQ8

Sistem informasi e-Learning dibangun sesuai dengan kebutuhan diklat.

SysQ9

Sistem informasi e-Learning mudah diakses.

SysQ10

Dengan menggunakan sistem informasi eLearning dapat menghemat waktu dan biaya untuk mencapai hasil diklat yang optimal. (sasaran diklat lebih luas tanpa harus mengeluarkan biaya besar, misalnya dengan pelaksanaan diklat jarak jauh)

SysQ11

Implementasi e-Learning dapat mengoptimalkan pemanfaatan sumber daya yang dimiliki lembaga (SDM dan teknologi) dalam melaksanakan tugasnya meningkatkan kompetensi PTK di Indonesia. (sharing pengetahuan antara widyaiswara maupun dengan PTK di seluruh Indonesia dapat dilakukan dengan lebih mudah)

SerQ: Service Quality SerQ1

Sistem informasi e-Learning menggunakan software yang mutakhir (up to date).

SerQ2

Sistem informasi e-Learning mampu memberikan kemudahan bagi widyaiswara untuk mengajar dan membuat bahan ajar.


4 (S)

5 (SS)

151


Pertanyaan

SerQ3

Sistem informasi e-Learning mampu memberikan layanan yang cepat (akses cepat).

SerQ4

Sistem informasi e-Learning mampu memberikan jaminan pelayanan yang baik.

1

2

3

(STS)

(TS)

(N)

(Misalnya jaminan keamanan atas data yang dimasukkan dalam sistem, tersedianya akun pribadi bagi pengguna, ketersediaan/ availability sistem untuk dapat digunakan setiap saat)

SerQ5

Sistem informasi e-Learning mampu menarik perhatian widyaiswara untuk menggunakannya.

BI: Behavioral Intention BI1

Saya mempunyai niat untuk menggunakan eLearning. (untuk tahun diklat berikutnya)

BI2

Saya memperkirakan bahwa saya akan menggunakan e-Learning. (untuk tahun diklat berikutnya)

BI3

Saya berencana untuk menggunakan e-learning. (untuk tahun diklat berikutnya)


4 (S)

5 (SS)

152

Lampiran 2 (lanjutan) Jawablah pertanyaan-pertanyaan di bawah ini dengan memberikan tanda x (silang) pada jawaban yang telah tersedia! 1: Tidak pernah sama sekali 2: Hampir tidak pernah 3: kadang-kadang 4: sering 5: selalu Jawaban Kode

Pertanyaan

1

2

3

4

5

AU: Actual Use AU1

Apakah Saudara menggunakan e-Learning untuk mencari informasi yang dibutuhkan?

AU2

Apakah Saudara membuat bahan ajar di dalam e-Learning?

AU3

Apakah Saudara menggunakan e-Learning untuk mengajar?

Jawablah pertanyaan-pertanyaan di bawah ini: 1. Apakah e-Learning memberikan manfaat dalam meningkatkan kualitas diklat di PPPPTK Bahasa? Berikan pendapat Anda.

…………………………………………………………………………………………… …………………………………………………………………………………………… ……………………………………………………………………………………………

2. Apakah e-learning sesuai untuk diterapkan dalam sistem diklat di PPPPTK Bahasa? Berikan pendapat Anda. …………………………………………………………………………………………… …………………………………………………………………………………………… ……………………………………………………………………………………………


153

Lampiran 2 (lanjutan) 3. Menurut Saudara, apakah implementasi e-Learning dapat menunjang tugas widyaiswara dalam kegiatan diklat atau bahkan mempersulit widyaiswara? Berikan pendapat Anda.

…………………………………………………………………………………………… …………………………………………………………………………………………… ……………………………………………………………………………………………

4. Menurut Saudara, apakah yang menyebabkan rendahnya pemanfaatan dan penggunaan elearning oleh para widyaiswara/instruktur di PPPPTK Bahasa? Berikan pendapat Anda. …………………………………………………………………………………………… …………………………………………………………………………………………… ……………………………………………………………………………………………

5. Menurut Saudara, apakah yang harus dilakukan oleh lembaga untuk meningkatkan pemanfaatan dan penggunaan e-learning oleh para widyaiswara/instruktur di PPPPTK Bahasa? …………………………………………………………………………………………… …………………………………………………………………………………………… ……………………………………………………………………………………………

Terima kasih atas partisipasi Saudara dalam penelitian ini.


154

Lampiran 3 Data Jawaban Responden ID_Resp 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 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45

JK 1 2 2 1 1 1 1 1 1 2 2 1 2 1 1 2 1 1 1 1 1 1 1 1 1 2 1 1 2 1 1 2 1 1 1 2 1 2 2 2 2 1 1 2 1

Usia 35 38 53 39 33 33 42 33 43 36 37 57 59 39 41 46 29 31 40 30 43 39 37 39 37 53 37 34 39 35 56 59 53 33 50 38 35 54 55 37 50 50 37 35 42

PT 1 1 2 2 1 1 2 1 2 2 2 2 3 2 1 2 2 2 2 1 1 1 2 2 2 3 2 2 1 2 2 2 2 1 2 3 2 1 2 2 1 2 2 1 1

MK 11 10 24 7 7 8 8 3 12 12 8 32 28 11 8 11 7 7 7 5 11 11 7 1 8 25 9 8 7 8 32 32 26 8 26 13 11 28 28 10 10 23 10 11 13

PE1 3 1 4 3 4 4 5 4 4 5 4 5 4 5 5 4 4 4 3 4 5 4 4 4 4 4 4 4 5 5 4 4 4 4 4 5 4 4 4 4 4 4 4 5 4

PE2 4 1 4 3 4 5 4 4 4 5 4 4 5 4 5 3 4 4 3 3 4 4 4 4 4 4 4 4 5 4 3 4 4 5 4 4 4 3 2 4 4 4 4 3 4

PE3 4 1 4 3 4 5 4 4 5 4 4 4 5 4 5 5 4 4 3 4 5 4 4 4 4 4 4 2 5 5 2 4 4 4 4 4 4 3 1 4 4 4 4 3 4

PE4 3 1 3 3 3 2 4 3 5 3 4 3 4 3 3 3 2 3 3 3 5 4 4 4 4 4 2 4 4 3 3 3 4 4 4 4 3 4 3 2 2 3 3 4 3

EE1 4 1 4 3 3 2 4 2 4 4 4 5 4 3 3 4 4 2 3 3 4 4 3 4 4 4 3 4 5 3 4 4 4 3 4 3 4 4 1 3 3 4 4 4 4

EE2 2 2 3 2 2 4 4 2 3 4 4 4 4 2 3 4 4 2 4 4 4 4 3 3 4 3 3 4 5 4 2 3 4 4 3 3 3 3 2 3 3 4 4 4 4

EE3 4 2 3 3 2 3 4 2 3 4 4 5 4 3 4 3 2 2 4 3 4 2 3 4 4 3 3 2 5 4 3 3 4 4 3 4 2 3 1 3 3 3 3 4 3

EE4 3 2 3 1 2 2 4 3 3 4 3 4 4 4 3 4 2 2 2 4 4 2 2 4 3 4 3 4 4 2 2 3 4 3 3 4 2 2 2 3 3 3 2 2 3


SI1 3 2 4 3 3 4 3 4 4 3 2 5 4 2 4 4 2 4 3 3 4 4 2 2 4 2 4 2 3 4 4 4 4 4 2 4 5 3 1 4 4 3 3 2 3

SI2 4 5 4 5 4 4 3 4 4 4 2 4 4 4 4 1 4 4 4 3 4 5 4 2 4 2 4 4 3 4 4 4 4 5 2 4 5 4 1 4 4 3 4 4 3

SI3 4 5 4 5 4 4 4 4 4 4 4 5 4 5 4 2 4 3 3 5 5 5 4 4 3 4 2 4 5 5 3 4 4 4 4 4 5 4 4 4 4 4 4 4 4

SI4 4 5 4 4 3 2 3 4 3 3 4 5 5 4 3 4 2 1 2 3 4 4 2 4 3 4 2 2 5 3 2 4 4 3 4 4 4 4 4 2 2 4 4 4 4

155

Lampiran 3 (lanjutan) ID_Resp 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 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45

FC1 2 4 3 3 4 2 3 4 4 4 4 5 5 4 5 3 4 2 1 2 4 4 2 4 3 4 2 5 4 4 3 4 4 4 4 4 4 3 4 4 4 4 4 4 4

FC2 3 4 3 3 3 4 3 4 3 4 4 3 4 2 4 4 2 3 2 3 4 4 2 4 3 4 2 4 4 5 3 4 4 4 4 5 4 2 1 2 1 3 4 4 3

FC3 2 4 4 4 2 2 4 4 4 3 4 3 5 2 3 3 2 2 2 3 4 4 4 4 4 4 2 2 4 5 3 4 4 3 4 4 4 3 4 4 2 4 4 4 4

FC4 2 2 3 3 4 4 4 4 3 4 4 4 5 3 5 4 2 3 3 3 4 4 4 4 4 4 4 4 4 4 4 4 3 3 4 4 3 3 2 4 3 4 4 4 4

AUT1 2 4 3 3 3 3 5 4 4 4 4 4 5 4 5 4 4 4 3 4 4 4 3 4 5 4 4 3 5 4 2 3 5 4 4 5 5 2 5 2 2 4 4 4 4

AUT2 2 4 4 3 4 4 4 5 4 4 4 5 4 4 4 5 3 4 4 4 5 2 3 4 5 4 2 4 4 4 4 4 5 4 4 5 5 3 2 4 4 4 4 4 4

AUT3 2 4 3 4 4 5 5 4 4 4 4 5 5 3 5 4 4 2 4 4 2 4 3 4 4 4 3 3 5 5 3 4 4 3 4 4 4 4 3 2 2 4 3 4 4

AUT4 1 3 3 1 1 3 3 5 2 3 3 4 3 3 2 4 1 2 1 3 4 1 2 2 3 2 1 3 2 4 3 4 2 1 3 4 5 1 1 1 3 3 3 3 3

SE1 2 4 2 3 3 3 3 4 3 4 4 3 4 2 4 4 2 2 3 3 4 4 2 4 3 2 2 2 4 2 3 3 3 5 4 4 3 3 1 2 2 3 2 2 3

SE2 2 4 3 3 4 4 3 2 4 4 4 3 5 4 4 5 4 4 4 5 2 4 3 4 3 4 4 5 3 4 3 4 4 4 2 4 4 2 4 4 4 4 3 4 4


SE3 2 4 5 3 4 4 3 4 4 4 4 5 4 4 4 4 4 5 3 4 5 4 4 4 3 4 4 5 4 4 4 4 4 4 4 3 5 4 1 4 4 3 5 4 3

SE4 2 5 4 5 4 4 3 4 5 4 4 4 5 4 4 4 4 4 4 4 5 5 4 4 4 4 4 5 4 4 4 4 4 4 4 5 4 4 4 4 4 4 4 4 4

156


IQ1 2 4 5 3 3 4 3 3 3 4 4 3 5 3 4 4 4 4 3 4 4 4 3 4 4 4 4 4 4 2 4 4 4 4 4 4 4 4 5 4 4 4 3 4 4

IQ2 4 4 3 3 2 2 3 3 4 3 4 3 5 2 4 5 4 2 3 4 4 3 2 4 4 4 4 3 4 3 4 4 4 4 4 4 4 4 2 2 2 4 4 3 4

IQ3 1 4 5 4 3 3 4 3 4 4 4 5 5 4 4 4 2 3 3 4 4 3 3 4 3 4 3 4 4 3 5 4 4 4 3 4 4 4 2 4 4 4 4 4 4

IQ4 4 4 4 4 3 3 3 4 4 4 4 5 5 4 4 4 2 1 3 4 4 3 3 3 4 4 3 3 4 3 4 4 4 4 4 3 4 4 1 2 2 4 4 4 4

IQ5 4 4 4 3 3 2 3 3 4 4 4 4 4 4 4 4 2 1 3 4 4 3 3 3 4 4 2 2 4 2 4 3 4 4 4 3 4 4 2 2 2 4 4 4 4

SysQ1 2 3 3 4 2 4 3 3 3 4 4 3 5 2 3 4 4 1 3 3 4 4 3 3 4 3 3 2 3 3 3 4 4 3 2 4 3 3 3 2 2 3 4 4 3

SysQ2 2 3 4 3 4 4 4 4 3 4 4 4 5 3 4 4 4 1 3 3 4 4 4 3 4 4 3 3 4 4 4 4 4 4 4 4 4 3 4 4 4 3 4 4 3

SysQ3 2 3 3 2 2 4 4 2 3 3 4 3 5 3 3 3 2 1 3 2 2 3 3 3 4 4 3 2 3 4 3 4 4 4 3 4 3 2 3 2 2 3 4 3 3

SysQ4 2 1 4 5 4 3 4 3 5 4 4 5 5 4 4 4 2 3 3 2 4 4 3 3 4 4 3 4 4 4 4 4 4 4 4 4 4 2 2 4 4 4 4 2 4

SysQ5 2 3 5 4 4 3 4 3 4 4 4 3 5 4 3 4 4 3 4 3 2 3 3 3 4 4 3 2 4 3 5 5 4 3 4 3 4 4 4 4 4 4 4 4 4


SysQ6 1 3 4 3 4 3 3 3 4 5 4 3 4 2 3 3 2 4 4 2 2 4 2 3 4 2 3 4 4 4 4 4 4 4 3 3 4 4 1 2 2 4 4 4 4

157


SysQ7 1 3 4 3 4 4 4 3 5 5 4 5 4 2 4 4 4 3 3 4 4 4 3 3 4 3 3 2 4 4 3 5 4 5 4 4 4 2 4 4 4 3 4 5 3

SysQ8 1 3 3 4 4 4 4 4 3 4 4 4 5 4 4 4 4 3 4 3 4 4 3 3 4 4 4 4 4 4 3 4 4 5 4 4 4 3 4 4 4 4 4 5 4

SysQ9 1 1 4 3 4 3 3 3 3 4 4 5 5 2 4 4 2 2 4 1 4 4 2 3 4 4 4 2 5 4 2 4 4 4 4 4 4 4 3 2 2 3 4 4 3

SysQ10 1 5 4 5 4 5 4 2 3 4 4 4 5 4 4 3 4 4 3 4 2 2 4 4 4 4 4 2 5 4 4 4 4 5 4 4 4 4 3 4 4 4 4 4 4

SysQ11 1 3 5 5 4 4 4 3 3 4 4 5 5 4 4 4 4 4 4 3 5 2 4 4 4 4 4 3 5 5 4 4 4 5 4 5 4 4 5 4 4 4 4 4 4

SerQ1 1 1 5 5 5 3 4 3 3 4 4 4 5 2 4 4 4 2 3 5 5 4 3 3 3 4 3 4 4 4 4 4 4 5 4 4 4 4 3 4 4 3 4 4 3

SerQ2 1 3 4 2 3 4 3 4 4 4 4 3 3 3 3 4 2 2 3 3 4 3 3 3 3 4 3 2 4 4 4 5 4 4 4 4 4 4 2 4 4 4 4 4 4

SerQ3 1 1 4 5 2 2 4 3 4 4 4 5 5 2 4 4 2 2 3 3 4 3 2 3 3 4 3 2 4 4 3 4 4 4 4 4 4 3 3 3 3 4 4 4 4


SerQ4 1 3 3 2 2 4 3 4 4 4 4 4 4 3 3 4 2 3 3 3 4 1 2 3 4 3 1 3 3 3 4 4 4 3 3 5 5 2 1 3 3 3 3 3 3

SerQ5 1 1 3 3 3 4 4 4 4 4 4 5 5 4 4 4 2 2 3 4 2 2 3 4 3 4 3 3 4 4 2 4 4 4 4 3 4 4 1 3 3 4 4 4 4

158


BI1 4 4 4 3 4 4 4 4 4 5 4 5 4 3 4 4 4 4 3 3 4 4 3 4 4 3 4 4 4 5 4 4 4 4 4 5 4 4 3 3 3 4 4 4 4

BI2 3 4 4 3 3 4 4 4 4 4 4 4 4 4 4 4 3 4 4 4 4 3 3 4 5 4 3 4 4 4 4 4 5 4 4 5 5 3 3 4 4 4 4 4 4

BI3 1 2 3 1 1 3 3 4 3 3 3 4 4 2 2 4 1 2 1 3 4 1 2 3 4 3 1 3 3 3 4 3 4 1 3 4 5 1 1 2 1 3 3 3 2

AU1 2 5 4 1 3 3 4 4 4 4 4 4 3 3 4 4 2 3 2 3 3 2 1 3 4 3 1 3 3 3 4 3 4 3 3 4 5 3 1 3 3 3 2 3 3

AU2 2 2 3 3 3 4 1 4 3 4 4 4 4 3 1 4 1 2 3 3 4 1 3 3 4 3 1 3 3 3 3 3 4 3 3 4 5 1 2 3 3 3 3 3 3

AU3 1 1 3 1 1 3 4 4 3 3 2 3 4 2 3 4 2 2 2 3 4 1 1 3 4 3 1 2 3 3 3 4 4 1 3 4 5 1 1 1 2 3 3 3 3

Keterangan ID_Resp JK PT MK PE EE SI FC AUT SE IQ SysQ SerQ BI AU

: ID Responden : Jenis Kelamin (1 = perempuan, 2 = laki-laki) : Pendidikan Terakhir (1 = S1, 2 = S2, 3= S3) : Masa Kerja : Performance Expectancy : Effort Expectancy : Social Influence : Facilitating Conditions : Attitude toward using technology : Self-Efficacy : Information Quality : System Quality : Service Quality : Behavioral Intention : Actual Use


159

Lampiran 4 Transformasi Data dengan Metode Suksesif Interval Col

Category

Freq

Prop

Cum

Density

Z

Scale

PE1

1.000 3.000 4.000

1.000 3.000 31.000

0.022 0.067 0.689

0.022 0.089 0.778

0.053 0.161 0.298

-2.010 -1.348 0.765

1.000 1.762 3.183

5.000

10.000

0.222

1.000

0.000

4.722

Col

Category

Freq

Prop

Cum

Density

Z

Scale

PE2

1.000 2.000 3.000

1.000 1.000 7.000

0.022 0.022 0.156

0.022 0.044 0.200

0.053 0.094 0.280

-2.010 -1.701 -0.842

1.000 1.541 2.185

4.000 5.000

30.000 6.000

0.667 0.133

0.867 1.000

0.215 0.000

1.111

3.479 4.997

Col

Category

Freq

Prop

Cum

Density

Z

Scale

PE3

1.000 2.000

2.000 2.000

0.044 0.044

0.044 0.089

0.094 0.161

-1.701 -1.348

1.000 1.603

3.000 4.000 5.000

4.000 29.000 8.000

0.089 0.644 0.178

0.178 0.822 1.000

0.260 0.260 0.000

-0.924 0.924

1.993 3.111 4.576

Col

Category

Freq

Prop

Cum

Density

Z

Scale

PE4

1.000 2.000

1.000 5.000

0.022 0.111

0.022 0.133

0.053 0.215

-2.010 -1.111

1.000 1.921

3.000 4.000 5.000

21.000 16.000 2.000

0.467 0.356 0.044

0.600 0.956 1.000

0.386 0.094 0.000

0.253 1.701 8.210

3.015 4.205 5.493

Col

Category

Freq

Prop

Cum

Density

Z

Scale

EE1

1.000

2.000

0.044

0.044

0.094

-1.701

1.000

2.000 3.000 4.000 5.000

3.000 13.000 25.000 2.000

0.067 0.289 0.556 0.044

0.111 0.400 0.956 1.000

0.189 0.386 0.094 0.000

-1.221 -0.253 1.701 8.210

1.678 2.430 3.638 5.223

Col

Category

Freq

Prop

Cum

Density

Z

Scale

EE2

2.000 3.000 4.000 5.000

9.000 14.000 21.000 1.000

0.200 0.311 0.467 0.022

0.200 0.511 0.978 1.000

0.280 0.399 0.053 0.000

-0.842 0.028 2.010 1.701

1.000 2.018 3.141 4.782


160

Lampiran 4 (lanjutan)

Col

Category

Freq

Prop

Cum

Density

Z

Scale

EE3

1.000 2.000 3.000 4.000 5.000

1.000 8.000 19.000 15.000 2.000

0.022 0.178 0.422 0.333 0.044

0.022 0.200 0.622 0.956 1.000

0.053 0.280 0.380 0.094 0.000

-2.010 -0.842 0.311 1.701 8.210

1.000 2.105 3.145 4.241 5.493

Col

Category

Freq

Prop

Cum

Density

Z

Scale

EE4

1.000 2.000 3.000 4.000

1.000 15.000 15.000 14.000

0.022 0.333 0.333 0.311

0.022 0.356 0.689 1.000

0.053 0.372 0.353 0.000

-2.010 -0.370 0.493 1.701

1.000 2.423 3.439 4.518

Col

Category

Freq

Prop

Cum

Density

Z

Scale

SI1

1.000 2.000 3.000 4.000 5.000

1.000 10.000 12.000 20.000 2.000

0.022 0.222 0.267 0.444 0.044

0.022 0.244 0.511 0.956 1.000

0.053 0.314 0.399 0.094 0.000

-2.010 -0.692 0.028 1.701 8.210

1.000 2.207 3.064 4.068 5.493

Col

Category

Freq

Prop

Cum

Density

Z

Scale

SI2

1.000

2.000

0.044

0.044

0.094

-1.701

1.000

2.000 3.000 4.000 5.000

4.000 5.000 29.000 5.000

0.089 0.111 0.644 0.111

0.133 0.244 0.889 1.000

0.215 0.314 0.189 0.000

-1.111 -0.692 1.221 8.210

1.745 2.223 3.305 4.816

Col

Category

Freq

Prop

Cum

Density

Z

Scale

SI3

2.000 3.000 4.000 5.000

2.000 4.000 29.000 10.000

0.044 0.089 0.644 0.222

0.044 0.133 0.778 1.000

0.094 0.215 0.298 0.000

-1.701 -1.111 0.765 1.221

1.000 1.745 2.983 4.452

Col

Category

Freq

Prop

Cum

Density

Z

Scale

SI4

1.000 2.000 3.000 4.000

1.000 9.000 9.000 22.000

0.022 0.200 0.200 0.489

0.022 0.222 0.422 0.911

0.053 0.298 0.391 0.161

-2.010 -0.765 -0.196 1.348

1.000 2.158 2.914 3.853

5.000

4.000

0.089

1.000

0.000

8.210

5.192

Col

Category

Freq

Prop

Cum

Density

Z

Scale

FC1

1.000 2.000 3.000

1.000 6.000 7.000

0.022 0.133 0.156

0.022 0.156 0.311

0.053 0.239 0.353

-2.010 -1.013 -0.493

1.000 1.988 2.646

4.000 5.000

27.000 4.000

0.600 0.089

0.911 1.000

0.161 0.000

1.348 8.210

3.703 5.192


161

Lampiran 4 (lanjutan) Col

Category

Freq

Prop

Cum

Density

Z

Scale

FC2

1.000 2.000

2.000 7.000

0.044 0.156

0.044 0.200

0.094 0.280

-1.701 -0.842

1.000 1.915

3.000 4.000 5.000

13.000 21.000 2.000

0.289 0.467 0.044

0.489 0.956 1.000

0.399 0.094 0.000

-0.028 1.701 8.210

2.700 3.765 5.223

Col

Category

Freq

Prop

Cum

Density

Z

Scale

FC3

2.000

10.000

0.222

0.222

0.298

-0.765

1.000

3.000 4.000 5.000

8.000 25.000 2.000

0.178 0.556 0.044

0.400 0.956 1.000

0.386 0.094 0.000

-0.253 1.701 1.701

1.842 2.867 4.452

Col

Category

Freq

Prop

Cum

Density

Z

Scale

FC4

2.000

4.000

0.089

0.089

0.161

-1.348

1.000

3.000 4.000 5.000

12.000 27.000 2.000

0.267 0.600 0.044

0.356 0.956 1.000

0.372 0.094 0.000

-0.370 1.701 8.210

2.017 3.275 4.922

Col

Category

Freq

Prop

Cum

Density

Z

Scale

AUT1

2.000 3.000 4.000 5.000

5.000 8.000 23.000 9.000

0.111 0.178 0.511 0.200

0.111 0.289 0.800 1.000

0.189 0.342 0.280 0.000

-1.221 -0.557 0.842 8.210

1.000 1.848 2.825 4.104

Col

Category

Freq

Prop

Cum

Density

Z

Scale

AUT2

2.000 3.000 4.000 5.000

4.000 4.000 29.000 8.000

0.089 0.089 0.644 0.178

0.089 0.178 0.822 1.000

0.161 0.260 0.260 0.000

-1.348 -0.924 0.924 8.210

1.000 1.691 2.810 4.275

Col

Category

Freq

Prop

Cum

Density

Z

Scale

AUT3

2.000 3.000 4.000 5.000

5.000 9.000 24.000 7.000

0.111 0.200 0.533 0.156

0.111 0.311 0.844 1.000

0.189 0.353 0.239 0.000

-1.221 -0.493 1.013 8.210

1.000 1.885 2.919 4.240

Col

Category

Freq

Prop

Cum

Density

Z

Scale

AUT4

1.000 2.000 3.000 4.000 5.000

11.000 8.000 18.000 6.000 2.000

0.244 0.178 0.400 0.133 0.044

0.244 0.422 0.822 0.956 1.000

0.314 0.391 0.260 0.094 0.000

-0.692 -0.196 0.924 1.701 8.210

1.000 1.849 2.612 3.533 4.396


162


Category

Freq

Prop

Cum

Density

Z

Scale

SE1

1.000 2.000

1.000 14.000

0.022 0.311

0.022 0.333

0.053 0.364

-2.010 -0.431

1.000 2.383

3.000 4.000 5.000

16.000 13.000 1.000

0.356 0.289 0.022

0.689 0.978 1.000

0.353 0.053 0.000

0.493 2.010 8.210

3.411 4.422 5.764

Col

Category

Freq

Prop

Cum

Density

Z

Scale

SE2

2.000

5.000

0.111

0.111

0.189

-1.221

1.000

3.000 4.000 5.000

9.000 27.000 4.000

0.200 0.600 0.089

0.311 0.911 1.000

0.353 0.161 0.000

-0.493 1.348 2.010

1.885 3.025 4.515

Col

Category

Freq

Prop

Cum

Density

Z

Scale

SE3

1.000

1.000

0.022

0.022

0.053

-2.010

1.000

2.000 3.000 4.000 5.000

1.000 7.000 29.000 7.000

0.022 0.156 0.644 0.156

0.044 0.200 0.844 1.000

0.094 0.280 0.239 0.000

-1.701 -0.842 1.013 8.210

1.541 2.185 3.446 4.917

Col

Category

Freq

Prop

Cum

Density

Z

Scale

SE4

2.000 3.000 4.000 5.000

1.000 1.000 35.000 8.000

0.022 0.022 0.778 0.178

0.022 0.044 0.822 1.000

0.053 0.094 0.260 0.000

-2.010 -1.701 0.924 1.013

1.000 1.541 3.168 4.846

Col

Category

Freq

Prop

Cum

Density

Z

Scale

IQ1

2.000 3.000 4.000 5.000

2.000 10.000 30.000 3.000

0.044 0.222 0.667 0.067

0.044 0.267 0.933 1.000

0.094 0.329 0.129 0.000

-1.701 -0.623 1.501 1.013

1.000 2.055 3.410 5.051

Category

Freq

Prop

Cum

Density

Z

Scale

IQ2

2.000 3.000 4.000 5.000

8.000 11.000 24.000 2.000

0.178 0.244 0.533 0.044

0.178 0.422 0.956 1.000

0.260 0.391 0.094 0.000

-0.924 -0.196 1.701 8.210

1.000 1.929 3.022 4.576

Col

Category

Freq

Prop

Cum

Density

Z

Scale

IQ3

1.000 2.000 3.000

1.000 2.000 11.000

0.022 0.044 0.244

0.022 0.067 0.311

0.053 0.129 0.353

-2.010 -1.501 -0.493

1.000 1.664 2.465

4.000 5.000

27.000 4.000

0.600 0.089

0.911 1.000

0.161 0.000

1.348 8.210

3.703 5.192


163


Category

Freq

Prop

Cum

Density

Z

Scale

IQ4

1.000 2.000

2.000 3.000

0.044 0.067

0.044 0.111

0.094 0.189

-1.701 -1.221

1.000 1.678

3.000 4.000 5.000

11.000 27.000 2.000

0.244 0.600 0.044

0.356 0.956 1.000

0.372 0.094 0.000

-0.370 1.701 8.210

2.362 3.576 5.223

Col

Category

Freq

Prop

Cum

Density

Z

Scale

IQ5

1.000

1.000

0.022

0.022

0.053

-2.010

1.000

2.000 3.000 4.000

8.000 10.000 26.000

0.178 0.222 0.578

0.200 0.422 1.000

0.280 0.391 0.000

-0.842 -0.196 1.701

2.105 2.881 4.059

Col

Category

Freq

Prop

Cum

Density

Z

Scale

SysQ1

1.000

1.000

0.022

0.022

0.053

-2.010

1.000

2.000 3.000 4.000 5.000

7.000 22.000 14.000 1.000

0.156 0.489 0.311 0.022

0.178 0.667 0.978 1.000

0.260 0.364 0.053 0.000

-0.924 0.431 2.010 8.210

2.049 3.171 4.381 5.764

Col

Category

Freq

Prop

Cum

Density

Z

Scale

SysQ2

1.000 2.000 3.000 4.000 5.000

1.000 1.000 12.000 30.000 1.000

0.022 0.022 0.267 0.667 0.022

0.022 0.044 0.311 0.978 1.000

0.053 0.094 0.353 0.053 0.000

-2.010 -1.701 -0.493 2.010 8.210

1.000 1.541 2.409 3.833 5.764

Col

Category

Freq

Prop

Cum

Density

Z

Scale

SysQ3

1.000 2.000 3.000 4.000 5.000

1.000 11.000 21.000 11.000 1.000

0.022 0.244 0.467 0.244 0.022

0.022 0.267 0.733 0.978 1.000

0.053 0.329 0.329 0.053 0.000

-2.010 -0.623 0.623 2.010 8.210

1.000 2.254 3.382 4.510 5.764

Col

Category

Freq

Prop

Cum

Density

Z

Scale

SysQ4

1.000 2.000 3.000 4.000 5.000

1.000 6.000 7.000 27.000 4.000

0.022 0.133 0.156 0.600 0.089

0.022 0.156 0.311 0.911 1.000

0.053 0.239 0.353 0.161 0.000

-2.010 -1.013 -0.493 1.348 8.210

1.000 1.988 2.646 3.703 5.192

Col

Category

Freq

Prop

Cum

Density

Z

Scale

SysQ5

2.000 3.000

3.000 14.000

0.067 0.311

0.067 0.378

0.129 0.380

-1.501 -0.311

1.000 2.134

4.000 5.000

24.000 4.000

0.533 0.089

0.911 1.000

0.161 0.000

1.348 1.348

3.351 4.750


164


Category

Freq

Prop

Cum

Density

Z

Scale

SysQ6

1.000 2.000

2.000 8.000

0.044 0.178

0.044 0.222

0.094 0.298

-1.701 -0.765

1.000 1.964

3.000 4.000 5.000

12.000 22.000 1.000

0.267 0.489 0.022

0.489 0.978 1.000

0.399 0.053 0.000

-0.028 2.010 8.210

2.733 3.819 5.493

Col

Category

Freq

Prop

Cum

Density

Z

Scale

SysQ7

1.000

1.000

0.022

0.022

0.053

-2.010

1.000

2.000 3.000 4.000 5.000

3.000 12.000 23.000 6.000

0.067 0.267 0.511 0.133

0.089 0.356 0.867 1.000

0.161 0.372 0.215 0.000

-1.348 -0.370 1.111 8.210

1.762 2.588 3.690 4.997

Col

Category

Freq

Prop

Cum

Density

Z

Scale

SysQ8

1.000 3.000 4.000 5.000

1.000 9.000 32.000 3.000

0.022 0.200 0.711 0.067

0.022 0.222 0.933 1.000

0.053 0.298 0.129 0.000

-2.010 -0.765 1.501 1.111

1.000 2.158 3.619 5.322

Col

Category

Freq

Prop

Cum

Density

Z

Scale

SysQ9

1.000 2.000 3.000 4.000 5.000

3.000 8.000 9.000 22.000 3.000

0.067 0.178 0.200 0.489 0.067

0.067 0.244 0.444 0.933 1.000

0.129 0.314 0.395 0.129 0.000

-1.501 -0.692 -0.140 1.501 8.210

1.000 1.901 2.534 3.483 4.879

Col

Category

Freq

Prop

Cum

Density

Z

Scale

SysQ10

1.000 2.000 3.000 4.000 5.000

1.000 4.000 4.000 30.000 6.000

0.022 0.089 0.089 0.667 0.133

0.022 0.111 0.200 0.867 1.000

0.053 0.189 0.280 0.215 0.000

-2.010 -1.221 -0.842 1.111 8.210

1.000 1.847 2.363 3.479 4.997

Col

Category

Freq

Prop

Cum

Density

Z

Scale

SysQ11

1.000 2.000 3.000 4.000 5.000

1.000 1.000 5.000 28.000 10.000

0.022 0.022 0.111 0.622 0.222

0.022 0.044 0.156 0.778 1.000

0.053 0.094 0.239 0.298 0.000

-2.010 -1.701 -1.013 0.765 8.210

1.000 1.541 2.077 3.287 4.722

Col

Category

Freq

Prop

Cum

Density

Z

Scale

SerQ1

1.000 2.000 3.000 4.000

2.000 2.000 11.000 23.000

0.044 0.044 0.244 0.511

0.044 0.089 0.333 0.844

0.094 0.161 0.364 0.239

-1.701 -1.348 -0.431 1.013

1.000 1.603 2.282 3.356

5.000

7.000

0.156

1.000

0.000

8.210

4.647


165


Category

Freq

Prop

Cum

Density

Z

Scale

SerQ2

1.000 2.000

1.000 5.000

0.022 0.111

0.022 0.133

0.053 0.215

-2.010 -1.111

1.000 1.921

3.000 4.000 5.000

14.000 24.000 1.000

0.311 0.533 0.022

0.444 0.978 1.000

0.395 0.053 0.000

-0.140 2.010 8.210

2.804 4.023 5.764

Col

Category

Freq

Prop

Cum

Density

Z

Scale

SerQ3

1.000

2.000

0.044

0.044

0.094

-1.701

1.000

2.000 3.000 4.000 5.000

7.000 12.000 21.000 3.000

0.156 0.267 0.467 0.067

0.200 0.467 0.933 1.000

0.280 0.398 0.129 0.000

-0.842 -0.084 1.501 8.210

1.915 2.671 3.686 5.051

Col

Category

Freq

Prop

Cum

Density

Z

Scale

SerQ4

1.000 2.000 3.000 4.000 5.000

4.000 5.000 21.000 13.000 2.000

0.089 0.111 0.467 0.289 0.044

0.089 0.200 0.667 0.956 1.000

0.161 0.280 0.364 0.094 0.000

-1.348 -0.842 0.431 1.701 8.210

1.000 1.739 2.631 3.744 4.922

Col

Category

Freq

Prop

Cum

Density

Z

Scale

SerQ5

1.000 2.000 3.000 4.000 5.000

3.000 5.000 11.000 24.000 2.000

0.067 0.111 0.244 0.533 0.044

0.067 0.178 0.422 0.956 1.000

0.129 0.260 0.391 0.094 0.000

-1.501 -0.924 -0.196 1.701 8.210

1.000 1.760 2.404 3.497 5.051

Col

Category

Freq

Prop

Cum

Density

Z

Scale

BI1

3.000 4.000 5.000

9.000 32.000 4.000

0.200 0.711 0.089

0.200 0.911 1.000

0.280 0.161 0.000

-0.842 1.348 -0.196

1.000 2.567 4.210

Col

Category

Freq

Prop

Cum

Density

Z

Scale

BI2

3.000 4.000 5.000

9.000 32.000 4.000

0.200 0.711 0.089

0.200 0.911 1.000

0.280 0.161 0.000

-0.842 1.348 -0.196

1.000 2.567 4.210

Col

Category

Freq

Prop

Cum

Density

Z

Scale

BI3

1.000 2.000 3.000 4.000 5.000

11.000 7.000 17.000 9.000 1.000

0.244 0.156 0.378 0.200 0.022

0.244 0.400 0.778 0.978 1.000

0.314 0.386 0.298 0.053 0.000

-0.692 -0.253 0.765 2.010 8.210

1.000 1.819 2.519 3.509 4.666


166


Category

Freq

Prop

Cum

Density

Z

Scale

AU1

1.000 2.000

4.000 5.000

0.089 0.111

0.089 0.200

0.161 0.280

-1.348 -0.842

1.000 1.739

3.000 4.000 5.000

21.000 13.000 2.000

0.467 0.289 0.044

0.667 0.956 1.000

0.364 0.094 0.000

0.431 1.701 8.210

2.631 3.744 4.922

Col

Category

Freq

Prop

Cum

Density

Z

Scale

AU2

1.000

6.000

0.133

0.133

0.215

-1.111

1.000

2.000 3.000 4.000 5.000

4.000 23.000 11.000 1.000

0.089 0.511 0.244 0.022

0.222 0.733 0.978 1.000

0.298 0.329 0.053 0.000

-0.765 0.623 2.010 8.210

1.686 2.554 3.742 4.997

Col

Category

Freq

Prop

Cum

Density

Z

Scale

AU3

1.000 2.000 3.000 4.000 5.000

11.000 7.000 17.000 9.000 1.000

0.244 0.156 0.378 0.200 0.022

0.244 0.400 0.778 0.978 1.000

0.314 0.386 0.298 0.053 0.000

-0.692 -0.253 0.765 2.010 8.210

1.000 1.819 2.519 3.509 4.666


UNIVERSITAS INDONESIA ANALISIS PENERIMAAN DAN PENGGUNAAN E-LEARNING: STUDI KASUS INSTRUKTUR DI PPPPTK BAHASA JAKARTA KARYA AKHIR

Recommend Documents