UNIVERSITAS INDONESIA

UNIVERSITAS INDONESIA

PENERAPAN PENGGUNAAN E-LEARNING DAN KETERKAITANNYA DENGAN PRESTASI BELAJAR MAHASISWA: STUDI KASUS STMIK GI MDP, AMIK MDP DAN STIE MDP

KARYA AKHIR

CHRIESTINA 1206302365

FAKULTAS ILMU KOMPUTER PROGRAM STUDI MAGISTER TEKNOLOGI INFORMASI JAKARTA JANUARI 2014

Penerapan penggunaan ..., Chriestina, Fasilkom UI, 2014

UNIVERSITAS INDONESIA

PENERAPAN PENGGUNAAN E-LEARNING DAN KETERKAITANNYA DENGAN PRESTASI BELAJAR MAHASISWA: STUDI KASUS STMIK GI MDP, AMIK MDP DAN STIE MDP

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

CHRIESTINA 1206302365

FAKULTAS ILMU KOMPUTER PROGRAM STUDI MAGISTER TEKNOLOGI INFORMASI JAKARTA JANUARI 2014


ii


iii


KATA PENGANTAR

Puji dan syukur penulis panjatkan kepada Tuhan Yang Maha Esa karena berkat rahmat-Nya, penulis dapat menyelesaikan karya akhir ini dengan tepat waktu. Penyusunan

karya akhir ini ditujukan untuk memenuhi persyaratan dalam

memperoleh gelar Magister Teknologi Informasi setelah satu setengah tahun perjuangan penulis untuk menyelesaikan studi ini. Saya menyadari bahwa tanpa bantuan dan bimbingan dari berbagai pihak, dari masa perkuliahan sampai pada penyusunan karya akhir ini, sulit bagi saya untuk bisa menyelesaikannya. Dengan segala kerendahan hati saya menyampaikan terima kasih yang sebesar–besarnya kepada : 1. Dr. Achmad Nizar Hidayanto, S.Kom, M.Kom., sebagai dosen pembimbing yang senantiasa meluangkan waktu dan pikirannya untuk membimbing penulis selama penyusunan karya akhir ini; 2. Bapak Darwis Atma Weijaya dan Ibu Tjieta Kumalawati selaku orang tua penulis dan saudara-saudari penulis : Marlina Nirmala Sari, S.Kom., Sartika Nirmala Dewi, S.Kom., Anita, S.E atas segala bentuk dukungan dan bantuan morilnya yang selalu menjadi penyemangat dan merawat penulis selama perkuliahan; 3. Bapak Alexander Kurniawan, selaku pemilik Yayasan Multi Data Palembang (MDP) yang telah memberikan kesempatan dan menyediakan fasilitas pada saya untuk dapat mengikuti perkuliahan ini dengan baik; 4. Ir. Rusbandi, M. Eng, selaku Ketua STMIK GI MDP yang telah memberikan kesempatan kepada saya agar dapat menjadi mahasiswa Dual Mode Magister Teknologi Informasi Universitas Indonesia; 5. Hendri S.Kom., atas bantuannya yang selalu rela menjemput penulis saat perkuliahan malam serta selalu menyemangati dan memberi dukungan moril pada penulis; 6. Ervi Cofriyanti, S.Si., M.T.I dan Mardiani, S.Si., M.T.I atas bantuannya dan senantiasa memberikan masukan selama penyusunan karya akhir ini. Terima kasih telah mendengar keluh kesah penulis, memberikan solusi terhadap iv


permasalahan yang penulis hadapi serta memberikan referensi berkaitan dengan karya akhir ini; 7. Trisnadi Wijaya, S.E, S.Kom., atas bantuannya dalam peminjaman buku-buku dan membantu menginstal software-software yang penulis butuhkan untuk pengolahan data pada karya akhir ini; 8. Teman-teman seperjuangan MTI Dual Mode Palembang, Pak Anggoro Aryo P, Dedy Hermanto, Della Oktaviany, Desi Pibriana, Dicky Pratama, Dorie Pandora Kesuma, Fithri Selva Jumeilah, Fransiska Prihatini Sihotang, dan Triana Elizabeth. Terima kasih sudah banyak membantu penulis selama tiga semester ini; 9. Rekan-rekan di bagian administrasi akademik STMIK GI MDP, AMIK MDP dan STIE MDP: Lisa Amelia, S.E., M.T.I., Silvia Atista, S.Kom., Santun Irawan. S.Kom., Serta rekan di bagian administrasi keuangan : Kathryn Sugara, S.E., Meyliani., S.Kom. Terima kasih karena telah membantu membackup pekerjaan penulis selama penulis mengikuti perkuliahan dan mengerjakan tugas dan telah memberikan semangat kepada penulis untuk dapat menyelesaikan karya akhir ini; 10. Dosen-dosen STMIK GI MDP, AMIK dan STIE MDP : Abdul Rahman, S.Si, M.T.I., Ahmad Farisi, S.Kom., Christina Yunita W, SE.Ak., Dewi, M.Kom, Eka Puji Widiyanto, S.T., M.Kom., Nyimas Artina, S.Kom., M.Si., Dr. Ratna Juwita, SE., M.Si., Renni Angreni, M.Kom., Tinaliah, M.Kom., Willy, M.Kom., Yoannita., M.Kom., Terima kasih atas kesediannya membantu penulis dalam proses penyebaran kuesioner untuk penelitian ini; 11. Usniawati Keristin, SE, dan Nur Rachmat, S.Kom., terima kasih telah membimbing penulis dalam membuat daftar isi dan memberikan data terkait penelitian dalam penyusunan karya akhir ini; 12. Bu Nining, Bu Dewi, Pak Ganda dan Pak Wiryo terima kasih atas bantuan yang selama ini telah memberikan banyak membantu penulis; 13. Teman-teman Magister Teknologi Informasi Jakarta,

Muhammad Idham,

Erwin Setiawan, Yan Yonathan Rotinsulu, terima kasih atas pertemanan, bantuan dan dukungannya selama perkuliahan;

v


14. Seluruh responden yang telah bersedia meluangkan waktunya untuk mengisi kuesioner penelitian ini. 15. Seluruh pihak yang telah membantu proses penyusunan karya akhir ini, yang namanya tidak dapat penulis sebutkan satu per satu. Akhir kata, penulis menyadari bahwa karya akhir ini tak luput dari kekurangan dan membutuhkan penyempurnaan. Segala bentuk kritik dan masukan yang membangun akan diterima dengan senang hati dalam membantu penyempurnaan karya akhir ini, agar dapat memberikan kontribusi yang baik bagi ilmu pengetahuan. Semoga karya akhir ini dapat memberikan manfaat dan dipergunakan dengan sebaik-baiknya oleh seluruh pihak.

Jakarta, Januari 2014

Chriestina

vi


vii


ABSTRAK

Nama Program Studi Judul

: Chriestina : Magister Teknologi Informasi : Penerapan Penggunaan E-learning dan Keterkaitannya Dengan Prestasi Belajar Mahasiswa : Studi Kasus STMIK GI MDP, AMIK MDP dan STIE MDP.

Perkembangan teknologi saat ini sangat berpengaruh terhadap pola pikir dan pola hidup dalam bermasyarakat. Salah satu aspek yang sangat berpengaruh adalah dunia pendidikan, dimana terjadi proses pembelajaran, tidak hanya dapat dilakukan dengan cara yang konvensional(face-to-face) tetapi sudah dapat dilakukan dalam bentuk digital(electronic) dengan bantuan teknologi dan internet atau yang lebih dikenal dengan istilah e-learning. Dengan adanya e-learning ini diharapkan kebutuhan akan informasi dapat selalu tersedia dan dapat di akses oleh mahasiswa saat mahasiswa butuhkan dengan mudah dan cepat. Dalam beberapa tahun terakhir, penggunaan e-learning mulai diterapkan di berbagai Perguruan Tinggi di Indonesia dan hal ini telah dikembangkan pula pada Tahun 2009 di STMIK GI MDP dan AMIK MDP dan mengetahui pentingnya manfaat e-learning ini bagi mahasiswa, pada tahun 2010 diterapkan juga di STIE MDP. Sistem elearning yang diterapkan di STMIK GI MDP, AMIK MDP dan STIE MDP ini dinamakan SIMPONI(Sistem Pembelajaran Online dan Interaktif). Penelitian ini bertujuan untuk mengetahui sejauh mana pengaruh penggunaan e-learning serta bagaimana keterkaitannya dengan prestasi belajar mahasiswa di STMIK GI MDP, AMIK MDP dan STIE MDP dengan melihat faktor internal dan faktor experience (pengalaman) mahasiswa yang dapat mempengaruhi prestasi belajar dari analisis penelitian-penelitian terdahulu, analisis penelitian ini akan dilakukan dengan menyebarkan kuesioner kepada mahasiswa-mahasiswa berstatus aktif yang pernah menggunakan SIMPONI dan penelitian ini menggunakan metode analisis multivariateStructural Equation Modeling (SEM) dengan bantuan software AMOS22. Hasil penelitian ini menunjukkan bahwa faktor internal mahasiswa yaitu motivasi diri mahasiswa (Student Self-Motivation), faktor experience(pengalaman) mahasiswa yaitu, interaksi mahasiswa dengan pengajar (Interaction Student-Tutor), interaksi antar mahasiswa (Interaction StudentStudent), interaksi mahasiswa dengan konten (Interaction Student-Content) SIMPONI, desain pembelajaran (Course Design), dan keahlian pengajar (Tutor Expertise) dalam menggunakan SIMPONI memiliki pengaruh berkaitan dengan prestasi belajar dengan menggunakan sistem e-learning SIMPONI. Kata Kunci : E-learning, Prestasi Belajar, Structural Equation Modelling, SEM, dan AMOS.

viii

Universitas Indonesia


ABSTRACT

Name : Chriestina Study Program : Master of Information Technology Title : The use of e-learning and it’s impact to the student’s achievement multiple case study at STMIK GI MDP, AMIK MDP and STIE MDP. The development of technology today is very influential on the mindset and lifestyle of the community. One of the most influential aspect is education , where the learning process, not only can be done by conventional means (face-to-face) but it can be do into digital form with the help of technology and the internet or better known as the term e -learning. With e-learning is expected to need for the information is always available and can be accessed by students when students need easily and quickly. In recent years, the use of e-learning began to be applied in various universities in Indonesia and this has also developed in 2009 in STMIK GI MDP, AMIK MDP and know the importance of the benefits of e- learning for students , in 2010 applied also in STIE MDP. E-learning systems are implemented in STMIK GI MDP, AMIK MDP and STIE MDP is called SIMPONI(Online and Interactive Learning System). This study aims to determine the extent of the effect of the use of e-learning and how its association with student achievement in STMIK GI MDP, AMIK MDP and STIE MDP to see internal factors and experience factors that can affect student learning achievement of analytical studies earlier, the analysis of this study will be conducted by distributing questionnaires to students who have used SIMPONI and this research use analytical methods multivariate Structural Equation Modeling(SEM) and software AMOS22. The results of this study indicate that internal factors Student SelfMotivation and from the student’s experience, interaction student-lecture, interaction student-student, interaction student-content, course design and lecture expertise have effect to learning achievement using an e-learning system, SIMPONI. Keywords : E-learning, Structural Equation Modeling, Learning Achievement, SEM, and AMOS.

ix



DAFTAR ISI

HALAMAN JUDUL ............................................................................................. i HALAMAN PERNYATAAN ORISINALITAS ............................................... ii HALAMAN PENGESAHAN ............................................................................. iii KATA PENGANTAR ......................................................................................... iv HALAMAN PERNYATAAN PERSETUJUAN PUBLIKASI....................... vii ABSTRAK ......................................................................................................... viii ABSTRACT .......................................................................................................... ix DAFTAR ISI ........................................................................................................ xi DAFTAR GAMBAR ......................................................................................... xiv DAFTAR TABEL ............................................................................................. xvi BAB I PENDAHULUAN 1.1 Latar Balakang ......................................................................................... 1 1.2 Rumusan Masalah .................................................................................... 6 1.2.1 Analisis Permasalahan ................................................................... 6 1.3 Tujuan Penelitian ..................................................................................... 8 1.4 Manfaat Penelitian ................................................................................... 8 1.5 Ruang Lingkup Penelitian ....................................................................... 9 1.6 Sistematika Penulisan .............................................................................. 9 BAB II TINJAUAN PUSTAKA 2.1 e-Learning............................................................................................. 11 2.1.1 Konsep e-Learning ..................................................................... 11 2.1.2 Konponen Penting e-Learning.................................................... 12 2.1.3 Kriteria e-Learning ..................................................................... 12 2.1.4 Keuntungan Menggunakan e-Learning ...................................... 13 2.1.5 Mengembangkan e-Learning...................................................... 13 2.1.6 Penelitian Terdahulu yang Membahas e-Learning..................... 14 2.2 Prestasi Belajar ..................................................................................... 20 2.2.1 Definisi Prestasi Belajar ............................................................. 20 2.2.2 Faktor yang Mempengaruhi Prestasi Belajar ............................. 21 2.3 SIMPONI .............................................................................................. 23 2.4 Theoretical Framework Penelitian ....................................................... 27 2.4.1 Variabel dan Hipotesis Penelitian............................................... 28 2.4.1.1 Keterkaitan antara interaction dengan prestasi mahasiswa .......................................................... 28 2.4.1.2 Keterkaitan antara student self-efficacy dengan prestasi mahasiswa .......................................................... 30 2.4.1.3 Keterkaitan antara student self-motivation dengan prestasi mahasiswa .......................................................... 31 2.4.1.4 Keterkaitan antara curriculum program dengan prestasi mahasiswa ...........................................................32 2.4.1.5 Keterkaitan antara course design dengan prestasi mahasiswa .......................................................... 32 2.4.1.6 Keterkaitan antara lecture expertise dengan x



prestasi mahasiswa .......................................................... 33 2.5 Structural Equation Modelling (SEM) .................................................. 33 2.5.1 Keunggulan SEM .......................................................................... 34 2.5.2 Aplikasi Utama SEM .................................................................... 34 2.5.3 Variabel Laten dan Variabel Teramati .......................................... 35 2.5.3.1 Variabel Laten (Latent Variable) ...................................... 35 2.5.3.2 Variabel Teramati (Observed Variable) ........................... 36 2.5.4 Tahapan dalam SEM ..................................................................... 36 BAB III METODOLOGI PENELITIAN 3.1 Alur Tahapan Penelitian ....................................................................... 38 3.2 Sampel, Populasi, dan Metode Pengumpulan Data .............................. 40 3.3 Instrumen Penelitian ............................................................................. 41 3.4 Uji Keterbacaan .................................................................................... 46 3.5 Metode Analisis Data ........................................................................... 48 3.5.1 Spesifikasi Model Teoritis ........................................................... 48 3.5.2 Identifikasi Model Penelitian ....................................................... 50 3.5.3 Matriks Input dan Estimasi Parameter ......................................... 51 3.5.4 Evaluasi Estimasi Model Penelitian............................................. 51 3.5.5 Evaluasi Kelayakan Model Penelitian ......................................... 53 3.5.5.1 Evaluasi Measurement Model ......................................... 53 3.5.5.2 Evaluasi Structural Model ............................................... 54 3.6 Interpretasi Model dan modifikasi Model ............................................ 56 BAB IV DESKRIPSI ORGANISASI 4.1 Profil Organisasi ................................................................................... 57 4.2 Kegiatan Utama Organisasi .................................................................. 59 4.3 Visi dan Misi Organisasi ...................................................................... 61 4.3.1 Visi dan Misi STMIK GI MDP & AMIK MDP .......................... 61 4.3.2 Visi dan Misi STIE MDP............................................................. 61 4.4 Struktur Organisasi ............................................................................... 62 BAB V ANALISIS DAN PEMBAHASAN 5.1 Gambaran Umum Responden ............................................................... 64 5.1.1 Jenis Kelamin ................................................................................ 64 5.1.2 Angkatan ....................................................................................... 65 5.1.3 Program Studi ............................................................................... 65 5.1.4 Indeks Prestasi Kumulatif ............................................................. 66 5.1.5 Frekuensi Penggunaan SIMPONI ................................................. 67 5.2 Proses dan Hasil Analisis Data .............................................................. 70 5.2.1 Pengembangan Model Berdasarkan Teori .................................... 70 5.2.2 Pembuatan Path Diagram (Diagram Jalur) .................................. 71 5.2.3 Pemilihan Matriks Input dan Teknik Estimasi Model .................. 72 5.2.3.1 Persamaan Struktural dan Model Pengukuran .................. 72 5.2.4 Identifikasi Model Penelitian ........................................................ 79 5.2.5 Evaluasi Estimasi Model Penelitian.............................................. 80 5.2.5.1 Jumlah Sampel................................................................... 80 5.2.5.2 Normalitas Data ................................................................ 80 xi



5.2.5.3 Outlier ............................................................................... 81 5.2.5.4 Perbandingan Kovarians Sampel dan Kovarians Estimasi............................................................................. 82 5.2.5.5 Offending Estimates.......................................................... 82 5.2.5.6 Memilih Matriks Input dan Teknik Estimasi Parameter .......................................................................... 83 5.3 Evaluasi Kelayakan Model Penelitan .................................................... 84 5.3.1 Evaluasi Measurement Model ....................................................... 84 5.3.1.1 Analisis Validitas Measurement Model............................ 84 5.3.1.2 Analisis Reliabilitas Measurement Model ........................ 87 5.3.1.3 Uji Kecocokan Measurement Model (Goodness of Fit) .................................................................................90 5.3.2 Evaluasi Structural Model ........................................................ 92 5.4 Interpretasi dan Modifikasi Model Penelitian ...................................... 94 5.5 Analisis Hubungan Antar Konstruk...................................................... 97 5.6 Pengujian Hipotesis .............................................................................. 97 5.7 Koefisien Persamaan Struktural ......................................................... 102 5.8 Analisis Pengaruh ............................................................................... 103 5.9 Diskusi Penelitian ............................................................................... 104 5.10 Implikasi Penelitian. .......................................................................... 110 BAB VI KESIMPULAN DAN SARAN 6.1 Kesimpulan ......................................................................................... 114 6.2 Keterbatasan Penelitian ...................................................................... 115 6.3 Saran ................................................................................................... 115 DAFTAR PUSTAKA ........................................................................................ 117

xii



DAFTAR GAMBAR

Gambar 1.1 Jumlah Pengguna Internet PerTahun Berdasarkan APJIII ................ 1 Gambar 1.2 Statistik Pengguna Internet Berdasarkan Tujuan Pengguna ............. 2 Gambar 1.3 Tampilan Halaman Depan Simponi................................................... 3 Gambar 1.4 Tampilan Bagian Dalam Simponi dengan Login Mahasiswa ........... 5 Gambar 1.5 Fishbone Diagram ............................................................................ 7 Gambar 2.1 Model Penelitian Penelitian Lemos & Pedro (2012) ...................... 15 Gambar 2.2 Model Penelitian Penelitian Paetcher, Maier, & Macher (2009) .... 17 Gambar 2.3 Model Penelitian Penelitian Joo, Lim & Kim(2013) ...................... 20 Gambar 2.4 Tampilan Halaman Depan Simponi ................................................ 23 Gambar 2.5 Tampilan Halaman Utama Simponi ................................................ 26 Gambar 2.6 Tampilan Halaman Website STMIK GI MDP & AMIK MDP....... 27 Gambar 2.7 Theoretical Framework Penelitian ................................................... 28 Gambar 3.1 Gambar Tahapan Penelitian ............................................................ 38 Gambar 4.1 Proses Bisnis MDP .......................................................................... 60 Gambar 4.2 Struktur Organisasi STMIK, AMIK, dan STIE MDP ..................... 63 Gambar 5.1 Data Jenis Kelamin Responden ....................................................... 64 Gambar 5.2 Semester Angkatan Responden ....................................................... 65 Gambar 5.3 Data Program Studi Responden ...................................................... 66 Gambar 5.4 Indeks Prestasi Kumulatif Responden............................................. 67 Gambar 5.5 Frekuensi Penggunaan SIMPONI ................................................... 68 Gambar 5.6 Diagram Model Penelitian .............................................................. 71 Gambar 5.7 Measurement Model Variabel Interaction Student-Content ........... 73 Gambar 5.8 Measurement Model Variabel Interaction Student-Student ............ 74 Gambar 5.9 Measurement Model Variabel Interaction Student-Lecture ........... 75 Gambar 5.10 Measurement Model Variabel Student Self-Efficacy ...................... 76 Gambar 5.11 Measurement Model Variabel Student Self-Motivation .................. 77 Gambar 5.12 Measurement Model Variabel Curricullum Program ..................... 77 Gambar 5.13 Measurement Model Variabel Course Design ................................ 78 Gambar 5.14 Measurement Model Variabel Lecture Expertise............................ 79 xiii



Gambar 5.15 Tampilan Degree of Freedom ......................................................... 79 Gambar 5.16 Path Diagram Confirmatory Factor Analysis Measurement Model........................................................................ 92 Gambar 5.17 Path Diagram Structural Model Awal ........................................... 93 Gambar 5.18 Path Diagram Hasil Uji Structural Model setelah Modifikasi ........................................................................................ 96

Gambar 5.19 Model Akhir Penelitian ................................................................. 102

xiv



DAFTAR TABEL

Tabel 1.1 Penggunaan e-learning pada Semester Ganjil dan Genap Tahun Akademik 2012/2013 ............................................................................. 6 Tabel 2.1 Penelitian yang Dilakukan oleh Lemos & Pedro (2012) ..................... 14 Tabel 2.2 Penelitian yang Dilakukan oleh Paetcher, Maier, & Macher (2009) .. 16 Tabel 2.3 Penelitian yang Dilakukan oleh Owston, York & Murtha (2013) ...... 18 Tabel 2.4 Penelitian yang Dilakukan oleh Joo, Lim & Kim Jiyeon (2013) ....... 19 Tabel 3.1 Item-item Pengukuran ......................................................................... 42 Tabel 3.2 Revisi Indikator Setelah Keterbacaan ................................................. 47 Tabel 3.3 Simbol Pada Diagram Path ................................................................. 49 Tabel 3.4 Standar Ukuran dan Tingkat Kecocokan Goodness of Fit .................. 55 Tabel 5.1 Data Deskriptif Responden ................................................................. 68 Tabel 5.2 Nilai Modus dan Median untuk Tiap Indikator .................................. 69 Tabel 5.3 Hasil Uji Normalitas secara Deskriptif ............................................... 80 Tabel 5.4 Tampilan Standardized Regression Weight Hasil Output .................. 84 Tabel 5.5 Tampilan Regression Weight Hasil Output ......................................... 86 Tabel 5.6 Reliability dan Variance Extract untuk Konstruk Interaction Student-Content ................................................................................... 88 Tabel 5.7 Reliability dan Variance Extract untuk Konstruk Interaction Student-Student ................................................................................... 88 Tabel 5.8 Reliability dan Variance Extract untuk Konstruk Interaction Student-Lecture ................................................................................... 88 Tabel 5.9 Reliability dan Variance Extract untuk Konstruk Student Self-Efficacy ........................................................................................ 89 Tabel 5.10 Reliability dan Variance Extract untuk Konstruk Student Self-Motivation .................................................................................... 89 Tabel 5.11 Reliability dan Variance Extract untuk Konstruk Curricullum Program ............................................................................................... 89 Tabel 5.12 Reliability dan Variance Extract untuk Konstruk Course Design ...... 89 Tabel 5.13 Reliability dan Variance Extract untuk Konstruk Lecture Expertise . 90 Tabel 5.14 Nilai Contruct Reliability dan Variance Extracted Measurement Model............................................................................ 90 xv Universitas Indonesia


Tabel 5.15 Hasil Uji Kecocokan Measurement Model (Goodness of Fit).............91 Tabel 5.16 Hasil Uji Kecocokan Full Model SEM (Goodness of Fit) ...................94 Tabel 5.17 Penambahan Error Variance yang Dilakukan untuk Modifikasi Structural Model....................................................................95

Tabel 5.18 Hasil Uji Kecocokan Full Model SEM Setelah di Modifikasi ............95 Tabel 5.19 Signifikasi Hubungan Kausal Antar Variabel pada Uji Structural Model ..................................................................................97 Tabel 5.20 Hasil Uji Hipotesis Penelitian ..............................................................98 Tabel 5.21 Koefisien Parameter Persamaan Struktural Model ............................102 Tabel 5.22 Pengaruh Variabel Secara Langsung .................................................103

xvi



BAB I PENDAHULUAN

Bab ini menjelaskan mengenai latar belakang penelitian, perumusan masalah yang dimulai dengan analisis permasalahan serta perumusan pertanyaan penelitian, tujuan penelitian, manfaat penelitian, ruang lingkup penelitian dan sistematika dari penulisan karya akhir. 1.1 Latar Belakang Semakin berkembangnya teknologi saat ini sangat mempengaruhi pola pikir dan pola hidup dalam bermasyarakat. Dalam perkembangannya, teknologi tidak hanya berpengaruh pada satu bidang saja tetapi sudah meluas dan memudahkan kita untuk mendapatkan informasi melalui internet. Berdasarkan survei yang diselenggarakan oleh Asosiasi Penyelenggara Jasa Internet Indonesia (APJII) terungkap bahwa jumlah pengguna internet di Indonesia pada tahun 2012 mencapai 63 juta orang atau 24,23 persen dari total jumlah populasi di Indonesia dan diprediksikan bahwa tahun depan jumlah pengguna internet akan naik sekitar 30% menjadi 82 juta pengguna dan akan terus tumbuh menjadi 107 juta pada 2014 dan 139 juta atau 50 persen total populasi pada 2015 seperti yang dapat dilihat pada Gambar 1.1.

Gambar 1.1 Statistik jumlah Pengguna Internet PerTahun (Sumber: http://www.apjii.or.id/v2/index.php/read/page/halaman-data/9/statistik.html di akses tanggal 1 Oktober 2013)

1



2

Penggunaan internet yang semakin meningkat inipun membawa pengaruh ke berbagai aspek kehidupan yang salah satunya berdampak pada dunia pendidikan dimana terjadinya proses transformasi pendidikan konvensional (face-to-face) ke dalam bentuk digital (electronic). Media digital mulai digunakan oleh banyak pengguna internet di dunia dalam membantu proses belajar dan juga dapat membantu dalam pencarian tugas-tugas. Dalam hanya beberapa tahun, penggunaan e-learning yaitu penerapan media digital untuk pengajaran dan pembelajaran telah meningkat pesat(Liaw, Hung & Chen, 2007). Comstore menuliskan laporan tentang penggunaan internet di Indonesia. Dari total pengguna internet di Indonesia yang terbagi-bagi atas tujuan atau fungsi pengguna menggunakan internet, sebanyak 90 persen dari total pengguna menggunakan internet untuk mengakses jaringan sosial, dan sebanyak 24 persen dari total pengguna di Indonesia menggunakan internet di bidang pendidikan. Gambar statistik penggunaan internet berdasarkan tujuan pengguna dapat dilihat pada Gambar 1.2.

Gambar 1.2 Statistik Pengguna Internet Berdasarkan Tujuan Pengguna (Sumber: http://www.teknojurnal.com/2011/03/11/perkembangan-internet-di-indonesia-padatahun-2010/ di akses tanggal 1 Oktober 2013)

Perguruan-perguruan tinggi kini telah melakukan berbagai peningkatan dalam pengefektifan penggunaan e-learning, seperti pelatihan-pelatihan untuk dosen dalam menggunakan platform pembelajaran elektronik dalam menyajikan materi perkuliahan. Perkembangan internet yang telah merambah ke dunia pendidikan ini merupakan kesempatan dan peluang untuk meningkatkan prestasi belajar Universitas Indonesia


3

mahasiswa. Berbagai informasi yang ditampilkan pada e-learning merupakan suatu pilihan yang sangat strategis dalam menerapkan teknologi terbaru pada kegiatan sistem informasi pada lingkup pendidikan. Dengan adanya e-learning ini diharapkan kebutuhan akan informasi selalu tersedia dan dapat di akses oleh mahasiswa dengan mudah dan cepat. Hal ini pulalah yang dilakukan oleh STMIK GI MDP dan AMIK MDP yang turut menerapkan e-learning sebagai salah satu media pendukung pembelajaran berbasis web. Pada awal tahun 2009, STMIK GI MDP dan AMIK MDP mulai mengefektifkan penggunaan e-learning yang dinamakan SIMPONI. SIMPONI merupakan singkatan dari Sistem Pembelajaran Online dan Interaktif. SIMPONI kemudian diefektifkan pula di STIE MDP pada pertengahan tahun 2010. Setiap mahasiswa atau dosen harus memasukkan NPM(Nomor Pokok Mahasiswa) atau kode dosen serta mengisi password yang tepat untuk masuk dan dapat menggunakan SIMPONI. Tampilan halaman depan SIMPONI dapat dilihat di Gambar 1.3.

Gambar 1.3 Tampilan Halaman Depan SIMPONI (Sumber: simponi.mdp.ac.id tanggal di akses tanggal 1 Oktober 2013)

SIMPONI

mendukung

kegiatan

belajar

mengajar

mahasiswa

seperti

menyampaikan informasi, pengumuman yang berhubungan dengan akademik dan administrasi. Dengan adanya SIMPONI ini dosen dapat memasukkan materi ajar, perbaharuan materi ajar, menghapus materi ajar, melakukan interaksi dengan Universitas Indonesia


4

mahasiswa, dan melihat beberapa aktivitas yang berkaitan dengan perkuliahan. Konten materi ajar biasanya berupa file yang dikemas dengan format presentasi powerpoint dan ada beberapa mata kuliah yang memiliki video rekaman. Selain dimanfaatkan oleh dosen, SIMPONI juga dimanfaatkan oleh mahasiswa untuk membantu dan mendukung proses perkuliahan. Tampilan SIMPONI mahasiswa memiliki beberapa fitur yang membantu proses perkuliahan seperti mahasiswa dapat melihat jumlah persentase absensi setiap matakuliah yang diambil, melihat jadwal perkuliahan semester berjalan, mahasiswa dapat melihat dan melakukan interaksi dengan dosen pengajar mata kuliah tersebut dan memulai thread pertanyaan atau menjawab pertanyaan dengan

dosen dan mahasiswa yang

mengambil kelas yang sama pada fitur forum, kemudian mahasiswa juga dapat mengunduh materi perkuliahan, melihat silabus matakuliah, mengumpulkan tugas pada fitur tugas dan dosen juga dapat meletakkan atau memasukkan pengumuman berkenaan dengan perkuliahan pada bagian pengumuman. Selain berkaitan dengan perkuliahan, SIMPONI juga dimanfaatkan bagi mahasiswa untuk dapat melihat Nilai(Kuis, Tugas, UTS dan UAS), DNS(Daftar Nilai Semester) dan melihat indeks prestasi mahasiswa, serta melihat total dan indeks prestasi kumulatif terakhir nilai mahasiswa yang telah selesai ditempuh mahasiswa melalui fitur transkrip nilai. SIMPONI juga digunakan untuk pendaftaran online Wisuda, dimana pendaftaran ini langsung terhubungan ke aplikasi administrasi akademik MDP, mahasiswa juga dapat melihat daftar-daftar E-Book yang dapat dipinjam di perpustakaan MDP. Tampilan bagian dalam SIMPONI dapat dilihat pada Gambar 1.4.



5

Gambar 1.4 Tampilan Bagian Dalam SIMPONI dengan Login Mahasiswa (Sumber: simponi.mdp.ac.id di akses tanggal 10 Januari 2014)

Walaupun e-learning saat ini telah berkembang pesat dan digunakan oleh beberapa perguruan tinggi di Indonesia, tetapi hanya sedikit yang mengetahui prestasi mahasiswa dalam menggunakan e-learning. Dari pertanyaan yang ditanyakan kepada Bapak Ketua STMIK GI MDP, sampai saat ini belum pernah diketahui pengaruh e-learning terhadap prestasi mahasiswa karena belum di STMIK GI MDP, AMIK MDP dan STIE MDP pernah dilakukan penelitian sejenis. Berdasarkan hasil observasi dan wawancara dengan Bagian UPT Sistem Informasi. Hanya 35,5% dari total dosen yang mengajar semester ganjil Universitas Indonesia


6

2012/2013 yang menggunakan SIMPONI dan begitu pula hanya 13,5% dari total mahasiswa aktif MDP aktif

menggunakan SIMPONI serta 21,1% dari total

mahasiswa aktif MDP yang menggunakan SIMPONI pada semester genap 2012/2013. Rangkuman penggunaan e-learning dapat dilihat dari Tabel 1.1. Tabel 1.1 Penggunaan e-learning pada Semester Ganjil dan Genap Tahun Akademik 2012/2013 Pengguna e-learning Jumlah Pengguna

Periode SeptemberJanuari 2013 Mahasiswa Dosen 338 39

Periode Februari-Juli 2013 Mahasiswa Dosen 527 20

Total mahasiswa aktif dan dosen STMIK, AMIK dan STIE MDP

2504

105

2046

100

Persentase jumlah

13,5%

35,5%

21,1%

20%

(Sumber: UPT Sistem Informasi MDP, 2013)

Melalui penelitian ini diharapkan dapat mengetahui pengaruh penggunaan elearning serta keterkaitannya dengan prestasi belajar mahasiswa STMIK GI MDP, AMIK MDP dan STIE MDP. Penelitian ini akan dianalisis menggunakan SEM(Structural Equation Modelling). SEM adalah gabungan analisis faktor dan regresi berganda yang melibatkan banyak variabel, juga telah dapat dilakukan dengan mudah(Santoso, 2012). 1.2 Perumusan Masalah 1.2.1 Analisis Permasalahan Berdasarkan penjelasan latar belakang diatas dilakukan identifikasi permasalahan yang dapat digambar melalui fishbone diagram yang dapat dilihat di Gambar 1.5.



7

PROSEDUR

Belum pernah Dilakukannya penelitian

Hanya sedikit dosen Yang menggunakan SIMPONI

Terbatasnya SDM Yang mengerti SIMPONI

Belum diketahui sejauh mana Pengaruh e-learning terhadap Prestasi belajar mahasiswa

Tidak ada kepedulian Dari level Top manajemen

Masih kurang pemahaman dosen dalam menggunakan SIMPONI

DOSEN

MANAJEMEN

Gambar 1.5 Fishbone Diagram Berdasarkan analisis permasalahan dengan menggunakan diagram fishbone, akar permasalahannya adalah belum pernah dilakukan penelitian terkait penggunaan SIMPONI, sehingga belum diketahui sejauh mana pengaruh e-learning terhadap prestasi belajar. Dari segi level management, ada dua faktor yang berpengaruh, antara lain : 1. Terbatasnya SDM yang mengerti SIMPONI. SIMPONI dikelola oleh dua orang staff UPT Sistem Informasi dengan berlatar belakang pendidikan komputer, hanya dua staff ini yang memiliki akses dan mengatur semua aktivitas yang ada di SIMPONI, melakukan backup dan pengubahan data dan nilai. 2. Tidak ada kepedulian dari Level Top Management. Level Top Management selaku pimpinan staff UPT Sistem Informasi dalam pengubahan informasi, tidak terlalu memperhatikan SIMPONI karena keterbatasan akses ke SIMPONI. Level Top Management mengkoordinasi isi website www.mdp.ac.id yang terkadang mengabaikan isi dari SIMPONI. Kemudian yang kedua, dari segi dosen-dosen yang menggunakan SIMPONI, dapat ditarik dua faktor yang mempengaruhi : 1. Hanya sedikit dosen yang menggunakan SIMPONI. Dosen-dosen yang menggunakan SIMPONI kebanyakan hanya dosen yang berlatar belakang pendidikan komputer saja atau dosen yang terbiasa mengoperasikan komputer. Universitas Indonesia


8

2. Dosen masih kurang memahami penggunaan dari SIMPONI karena belum ada pelatihan khusus penggunaan SIMPONI, dosen yang menggunakannya banyak yang belajar secara otodidak atau hanya bertanya dengan dosen yang sudah terbiasa menggunakan. Media pembelajaran yang biasa hanya face-to-face merupakan salah satu alasan mengapa belum pernah dilakukan penelitian yang berhubungan dengan SIMPONI. Berdasarkan permasalahan yang telah dikemukakan, maka diperlukan penelitian sehingga dapat mengetahui sejauh mana pengaruh e-learning terhadap prestasi belajar mahasiswa. Dari perumusan masalah diatas didapat sebuah bentuk research question yang digunakan dalam penelitian ini yaitu sejauh mana dan faktor apa yang memiliki pengaruh terhadap penggunaan e-learning terhadap prestasi belajar bagi mahasiswa STMIK GI MDP, AMIK MDP dan STIE MDP? 1.3 Tujuan Penelitan Tujuan dari penelitian ini adalah 1. Mengetahui sejauh mana pengaruh penggunaan e-learning serta keterkaitannya dengan prestasi belajar mahasiswa. 2. Mengetahui faktor yang paling berpengaruh dalam meningkatkan

prestasi

belajar mahasiswa dalam menggunakan e-learning. 1.4 Manfaat Penelitian Manfaat yang diharapkan dengan adanya penelitian ini adalah 1. Manfaat bagi lembaga Hasil penelitian ini sebagai pertimbangan perbaikan sistem pembelajaran yang bermanfaat untuk mengetahui keterkaitan prestasi belajar mahasiswa di STMIK GI MDP, AMIK MDP, dan STIE MDP dengan penggunaan e-learning. 2. Manfaat bagi dunia pendidikan Hasil penelitian ini dapat memberikan kontribusi dalam melengkapi penelitian sejenis di perguruan tinggi lainnya. 3. Manfaat bagi mahasiswa Hasil penelitian ini dapat memberikan pengarahan penggunaan e-learning kepada mahasiswa yang berkaitan dengan prestasi belajar mahasiswa. Universitas Indonesia


9

1.5 Ruang Lingkup Penelitian Agar penelitian menjadi lebih terarah, maka ruang lingkup penelitian adalah: 1. Penelitian dilakukan kepada mahasiswa aktif semester ganjil 2013/2014 STMIK GI MDP, AMIK MDP dan STIE MDP yang menggunakan SIMPONI. 2. Penelitian ini menganalisis penggunaan e-learning yang sudah berjalan sekarang untuk mengetahui keterkaitannya dengan prestasi mahasiswa. Prestasi mahasiswa dalam penelitian ini dapat dilihat dari nilai indeks prestasi kumulatif(IPK) mahasiswa sampai dengan semester genap 2012/2013. 3. Sistem e-learning yang dimaksud adalah sistem e-learning berbasis web yang dinamakan SIMPONI milik STMIK GI MDP, AMIK MDP dan STIE MDP. 1.6 Sistematika Penulisan Untuk lebih mudah memahami karya akhir ini secara keseluruhan, ditentukan sistematika penulisan sebagai berikut : BAB I Pendahuluan Bab ini berisi latar belakang dalam melakukan penelitian, permasalahan penelitian, pertanyaan penelitian, tujuan dari penelitian, manfaat dari penelitian, ruang lingkup penelitian serta sistematika penulisan. BAB II Tinjauan Pustaka Bab ini menjelaskan landasan teori-teori yang berkaitan mengenai penggunaan elearning, SIMPONI dan pengaruhnya pada prestasi mahasiswa dalam proses pembelajaran yang menjadi acuan dalam pelaksanaan penelitian ini serta penyimpulan teori dan analisis penelitian sebelumnya sehingga menghasilkan theoritical framework serta merumuskan hipotesis penelitian. BAB III Metodologi Penelitian Bab ini membahas tahapan melakukan penelitian, metode pengumpulan data beserta metode analisis data yang digunakan dalam penelitian ini. BAB IV Deskripsi Organisasi Bab ini berisi penjelasan singkat mengenai organisasi dimana penelitian dilakukan, termasuk didalamnya profil organisasi, visi, misi, tujuan, struktur organisasi dan proses bisnis STMIK GI MDP, AMIK MDP dan STIE MDP. Universitas Indonesia


10

BAB V Analisis dan Pembahasan Bab ini berisi analisis data hasil analisis atau pembahasan hasil pengolahan data penelitian serta langkah-langkah yang diambil dalam melakukan analisis, proses pengujian hipotesis, serta ditutup dengan diskusi dan implikasi penelitian dari penelitian ini. BAB VI Kesimpulan dan Saran Bab ini berisi kesimpulan dari hasil penelitian ini serta saran-saran berdasarkan hasil yang didapat dari uraian keterbatasan penelitian ini.



BAB II TINJAUAN PUSTAKA

Bab ini akan menjelaskan mengenai teori-teori yang akan digunakan sebagai landasan dalam melakukan penelitian dan analisis penelitian-penelitian terdahulu yang berkaitan dengan tema yang dibahas dalam penelitian ini dan penyimpulan model penelitian yang dapat didapat dari analisis dari teori dan penelitianpenelitian terdahulu. 2.1 E-learning Istilah e-learning memiliki pengertian yang sangat luas, sehingga banyak ahli yang menjelaskan definisi e-learning dari berbagai sudut pandang. 2.1.1 Konsep E-learning Hartley (2001) menyatakan bahwa e-learning merupakan suatu jenis belajar mengajar yang memungkinkan tersampaikannya mater pembelajaran ke pelajar dengan menggunakan media internet, intranet atau media jaringan komputer lain. Pernyataan yang hampir sama dikemukakan oleh LearnFrame.Com dalam Glossary of e-learning Terms (Glossary, 2001) menyatakan suatu definisi yang lebih luas bahwa: e-learning adalah sistem pendidikan yang menggunakan aplikasi berbasis elektronik untuk mendukung proses belajar mengajar dengan media internet, jaringan komputer, maupun komputer stand alone. Kemudian definisi e-learning menurut Allen (2006) “The term e-learning applies to the broad range of ways computing and communication technologies can be used for teaching and learning. Some uses are effective-magnificently so” dan definisi lain menurut Wentling et al. (2000) e-learning adalah “the acquisition and use of knowledge distributed and facilitated primarily by electronic means". Dari beberapa definisi yang dikemukakan oleh para ahli ini, dapat disimpulkan bahwa sistem atau konsep pendidikan yang memanfaatkan teknologi informasi dalam proses belajar mengajar dapat disebut sebagai suatu e-learning.

11



12

2.1.2 Komponen Penting e-learning Dalam membangun e-learning, ada beberapa komponen yang harus ada. Menurut Allen (2006) ada empat komponen penting yang harus ada dalam e-learning, antara lain : a. Multimedia Kemampuan multimedia menyajikan informasi atau konten grafis dan tekstual. Suara, animasi, dan video juga tersedia untuk menarik perhatian yang dapat membantu memahami konsep cepat dan lebih lengkap. b. Interactivity (interaktivitas) Interaktivitas menyediakan sarana untuk mengajukan pertanyaan, memilih tantangan, dan penyajian umpan balik kepada pelajar. Pelajar umumnya memberikan tanggapan mereka melalui penggunaan mouse dan keyboard komputer. c. Computation (penghitungan) Mungkin yang paling penting dan sering kurang dimanfaatkan, sistem e-learning yaitu menawarkan perhitungan cepat. Perhitungan dapat memberikan simulasi yang membuat konteks belajar lebih realistis dan membantu pelatihan transfer ke dunia nyata. d. Communication (komunikasi) Komunikasi dengan pengguna lainnya dimungkinkan melalui koneksi jaringan. Ketika fasilitas yang digunakan, seperti dalam bentuk synchronous dan asynchronouse-learning yang disebutkan di atas, masyarakat dapat dibentuk untuk memotivasi individu memperkaya pengalaman, dan memberikan pelengkap yang luas dari kedua pembelajaran terstruktur dan pembelajaran informal. 2.1.3 Kriteria e-learning Rosenberg (2001) mengkategorikan tiga kriteria dasar yang harus ada dalam elearning, yaitu : 1. e-learning bersifat jaringan, yang membuatnya mampu memperbaiki secara cepat, menyimpan atau memunculkan kembali, mendistribusikan, dan sharing pembelajaran dan informasi. Universitas Indonesia


13

2.

e-learning

dikirimkan

kepada

pengguna

melalui

komputer

dengan

menggunakan standar teknologi internet. 3. e-learning berfokus pada pandangan pembelajaran yang paling luas, solusi pembelajaran yang menggungguli paradigma tradisional dalam pelatihan. 2.1.4 Keuntungan Menggunakan e-learning Pada saat ini, e-learning sudah dikenal sebagai salah satu cara untuk meningkatkan sistem belajar baik di negara maju maupun di negara yang sedang berkembang. Menurut Romi (2003) keuntungan menggunakan e-learning diantaranya adalah sebagai berikut: 1. Dapat menghemat waktu proses belajar mengajar. 2. Dapat mengurangi biaya perjalanan. 3. Dapat menghemat biaya pendidikan secara keseluruhan (infrastruktur, peralatan, buku-buku). 4. Dapat menjangkau wilayah geografis yang luas. 5. Dapat melatih pelajar agar lebih mandiri dalam mendapatkan ilmu pengetahuan. 2.1.5 Mengembangkan e-Learning Conole & Oliver (1988) mengemukakan bahwa peningkatan proses e-learning dapat dilakukan melalui langkah-langkah sebagai berikut: 1. Melakukan review kursus/program. 2. Menetapkan tujuan yang jelas dan hasil dari kursus/program yang diharapkan. 3. Mengatur metode dan kegiatan yang diperlukan untuk mencapai tujuan dan hasil belajar belajar. 4. Memilih model penilaian yang sesuai. 5. Menentukan organisasi dan presentasi kegiatan serta mengidentifikasi metode terbaik berdasarkan pengetahuan dan keterampilan pelajar berkaitan dengan kesesuaian media dan fleksibilitas dari urutan belajar. 6. Mengaitkan skenario individu menjadi satu program.



14

7. Menentukan materi pembelajaran untuk setiap kegiatan dan menentukan apakah material akan dibuat atau materi yang ada akan disesuaikan. 8. Mengatur persyaratan yang berkaitan dengan sumber daya dan infrastruktur (misalnya, kebutuhan untuk pelatihan tambahan untuk staff) jika itu dibutuhkan. 9. Mengidentifikasi keterampilan dan persyaratan lain untuk akses. 2.1.6 Penelitian Terdahulu yang Membahas e-Learning Penelitian-penelitian terdahulu yang pernah membahas tema e-learning : 1. Penelitian dengan judul Students’ Expectation and Satisfaction in PostGraduate Online Courses yang dilakukan oleh Susana Lemos dan Neuza Pedro pada tahun 2012. Penjelasan mengenai penelitian Lemos & Pedro dapat dilihat pada Tabel 2.1. Tabel 2.1 Penelitian yang dilakukan oleh Lemos & Pedro (2012) Kriteria

Penelitian oleh Lemos & Pedro

Judul Penelitian

Students’ Expectation and Satisfaction in PostGraduate Online Courses Meneliti hubungan antara dengan harapan mahasiswa dengan tingkat kepuasan dalam menggunakan e-learning dalam program Master Degree angkatan tahun 2010-2012 di University of Lisbon. University of Lisbon 31 mahasiswa Master Degree Course Design, Coordination, Faculty and Tutors, Curricular Program, Resources, Learning Methodologies, Evaluation System, Support Services, Technological Infrastructures.

Tujuan Penelitian

Tempat Penelitian Jumlah Sampel Penelitian Variabel yang digunakan pada penelitian Lemos & Pedro

Penelitian ini bertujuan untuk menganalisis kepuasan mahasiswa dari sembilan variabel yang teridentifikasi dan indikator-indikatornya, untuk memahami keterkaitan masing-masing variabel serta mengidentifikasi kekuatan dan Universitas Indonesia


15

kelemahan sistem e-learning yang berjalan dan menentukan pedoman umum untuk peningkatan sistem e-learning yang ada di sana. Hasil penelitian ini menunjukan bahwa variabel resources merupakan variabel yang paling mempengaruhi harapan dan kepuasan mahasiswa dalam menggunakan e-learning di University of Lisbon. Kualitas resources yang bagus dapat mendorong keterlibatan mahasiswa yang lebih besar dan memberikan kontribusi untuk keberhasilan belajar, kepuasan dan prestasi akademik. Kemudian variabel curricullum program dan variabel faculty and tutor juga terbukti merupakan faktor kuat penentu kepuasan dan prestasi belajar mahasiswa. Sehingga peneliti juga mengambil variabel course design dan variabel curriculum program yang digunakan pada penelitian ini. Model Penelitian miliknya Lemos & Pedro ini dapat dilihat pada Gambar 2.1.

Gambar 2.1 Model Penelitian Penelitian Lemos & Pedro (2012) (Sumber: Students’ Expectation and Satisfaction in Post-Graduate Online Courses [Lemos & Pedro, 2012])

2. Penelitian yang berjudul Students’ Expectations Of, And Experiences In ELearning: Their Relation To Learning Achievements And Course Satisfaction yang dilakukan oleh Paetcher, Maier, & Macher pada tahun 2009. Penjelasan mengenai penelitian ini dapat dilihat pada Tabel 2.2.



16

Tabel 2.2 Penelitian yang dilakukan oleh Paetcher, Maier, & Macher (2009) Kriteria

Penelitian oleh Paetcher, Maier, & Macher

Judul Penelitian

Students’ Expectations Of, And Experiences In ELearning: Their Relation To Learning Achievements And Course Satisfaction Untuk mendapatkan pandangan umum mengenai ekspektasi dan pengalaman mahasiswa dalam menggunakan e-learning dan kemudian hubungannya dengan pencapaian dan kepuasan belajar. 29 Universitas di Austria Interview online dan kuesioner 2196 mahasiswa Mplus 4.21  Course Design  Interaction with the instructor  Interaction with the peer students  Individual Learning Process  Learning Outcomes  Flexibility  Tutor Expertise  Tutor Support  Communication : Knowledge  Communication : Relation  Structure  Motivation

Tujuan Penelitian

Tempat Penelitian Metode Pengumpulan data Jumlah Sampel Penelitian Metode Pengolahan Data Variabel yang digunakan pada penelitian Paetcher, Maier, & Macher

Kuesioner penelitian ini berisi evaluasi mahasiswa terhadap harapan mahasiswa dalam menggunakan e-learning, evaluasi pengalaman mereka dalam belajar serta penilaian dari hasil belajar (kepuasan dan prestasi belajar), dan pertanyaanpertanyaan demografis yang ditujukan untuk mahasiswa-mahasiswa di Austria. Berdasarkan hasil pengolahan data kuesioner, penelitian Paetcher, Maier, & Macher (2009) menunjukkan karakteristik e-learning dan perilaku belajar adalah penting bagi kepuasan dan prestasi belajar mahasiswa. Dua variabel yang kuat berpengaruh pada penelitian ini adalah variabel learning outcomes dan variabel tutor expertise, serta variabel yang memiliki pengaruh cukup kuat adalah interaction with instructor. Selain itu, hasil penelitian juga menekankan aspek tutor expertise serta peran sebagai fasilitator dalam belajar (tutor support). Peran instruktur merupakan aspek yang cukup penting dalam kepuasan dan prestasi Universitas Indonesia


17

belajar mahasiswa dalam menggunakan e-learning. Variabel Tutor Support dan Tutor Expertise terbukti sebagai variabel yang penting dalam proses perpindahan pengetahuan, skill, kompetensi dan kepuasan belajar. Kemudian variabel Motivation juga berkaitan kepada kesempatan untuk self-regulated learning, karakteristik sistem e-learning yang berkaitan dengan prestasi belajar yang disarankan. Dari hasil penelitian miliknya Paetcher, Maier, & Macher (2009) maka peneliti mengambil variabel Course Design, Interaction Student-Lecture, Interaction Peer Student, Lecture Expertise dan Motivation untuk digunakan juga pada penelitian ini. Model penelitian miliknya Paetcher, Maier, & Macher dapat dilihat pada Gambar 2.2. Structure

Flexibility

Satisfaction

Tutor expertise Personal comp.

Tutor Support Knowledge & skils Motivation

Communication :

Media comp.

Knowledge Communication : relation

Gambar 2.2 Model Penelitian Paetcher, Maier, & Macher (2009) (Sumber: Students’ Expectations Of, And Experiences In E-Learning: Their Relation To Learning Achievements And Course Satisfaction [Paetcher, Maier, & Macher, 2009])

3. Penelitian yang berjudul Student Perceptions And Achievement In A University Blended Learning Strategic Initiative yang dilakukan oleh Owston R., York, & Murtha pada tahun 2013. Penjelasan mengenai penelitian Owston R., York, & Murtha ini dapat dilihat pada Tabel 2.3.



18

Tabel 2.3 Penelitian yang dilakukan oleh Owston R., York, & Murtha (2013) Kriteria

Penelitian oleh Owston R., York, & Murtha

Judul Penelitian

Student Perceptions And Achievement In A University Blended Learning Strategic Initiative Tujuan Penelitian Mengetahui hubungan antara persepsi mahasiswa di York University yang menggunakan blended learning course serta keterkaitan dengan pencapaian mahasiswanya. Tempat Penelitian 3 Fakultas di York University di Toronto, Kanada. Metode Pengambilan Data Kuesioner Jumlah Sampel Penelitian 577 responden (50% dari jumlah mahasiswa yang mengambil 11 courses). Metode Pemodelan Data dianalisis dengan menggunakan Statistical Statistik Package for Social Sciences (SPSS) dalam analisis kovarians(ANCOVA). Research Question RQ1: How do perceptions and satisfaction with blended courses relate to achievement? RQ2: How do perceptions of the convenience afforded by blended learning relate to achievement? RQ3: How do perceptions of engagement in blended learning courses relate to achievement? RQ 4: How do perceptions of learning in blended courses relate to achievement? Blended learning adalah pendekatan pengajaran yang dapat menggantikan online learning dalam bertatap muka (face-to-face) dengan instruktur. Hubungan antara persepsi mahasiswa blended learning dan prestasi belajar yang merupakan fokus penelitian ini. Pemahaman tentang hubungan ini akan bermanfaat bagi perguruan tinggi tersebut untuk mulai meningkatkan blended learning di kampus mereka. Universitas memilih blended learning sebagai cara untuk meningkatkan perkuliahan yang lebih efisien. Hasil penelitian dari research question yang telah disimpulkan Owston R., York, & Murtha (2013) secara umum rata-rata mahasiswa dengan nilai yang tinggi sangat setuju untuk memilih blended courses. Mahasiswa lebih memilih blended courses karena blended courses mengurangi waktu perjalanan/biaya, dan mudah berinteraksi dengan mahasiswa (interaction with peer student), sedangkan mahasiswa berprestasi rendah tidak setuju dengan blended courses. Hubungan yang kuat antara engagement (keikutsertaan) dan nilai mahasiswa berprestasi yang menyatakan bahwa mereka sangat setuju bahwa Universitas Indonesia


19

mereka lebih terlibat dalam blended courses. Selain itu penelitan ini juga menemukan bahwa pelajar yang mengambil blended courses termotivasi dan bersyukur dengan adanya tutor support dan hasil belajar mereka yang lebih tinggi. Dari penelitian Owston R., York, & Murtha (2013) peneliti mengambil variabel Student’s Motivation, Interaction Student-Lecture dan Interaction StudentStudent. 4. Penelitian yang berjudul Locus of control, self-efficacy, and task value as predictors of learning outcome in an online university context yang dilakukan oleh Joo Y. J., Lim K. Y., Kim Jiyeon pada tahun 2013. Penjelasan mengenai penelitian Joo, Lim & Kim ini dapat dilihat pada Tabel 2.4. Tabel 2.4 Penelitian yang dilakukan oleh Joo, Lim, Kim Jiyeon (2013) Kriteria

Penelitian oleh Joo, Lim & Kim (2013)

Judul Penelitian

Locus of control, self-efficacy, and task value as predictors of learning outcome in an online university context Memprediksi kepuasan pelajar, ketekunan dan prestasi belajar mahasiswa dalam Ewha Womans University Seoul. Ewha Womans University Seoul 897 mahasiswa yang terdaftar di sebuah universitas online di tahun 2009. Structural Equation Modelling (SEM) dibantu software AMOS 17.

Tujuan Penelitian

Tempat Penelitian Jumlah Sampel Penelitian Metode Pemodelan Statistik

Penelitian ini menguji pengaruh variabel Self-Efficacy, Locus of Control dan Task Value

terhadap

Kepuasan,

Prestasi

dan

Ketekunan

Mahasiswa

dalam

menggunakan sistem online pada Ewha Womans University Korea Selatan. Model penelitian miliknya Joo, Lim, & Kim dapat dilihat pada Gambar 2.3.



20

Gambar 2.3 Model Penelitian Penelitian Joo, Lim, & Kim (2013) (Sumber: Locus of control, self-efficacy, and task value as predictors of learning outcome in an online university context [Joo, Lim, & Kim, 2013])

Hasil penelitian Joo, Lim, & Kim (2013) ini menunjukkan bahwa variabel locus of control, self-efficacy dan task value (nilai tugas) adalah prediktor yang terbukti signifikan berpengaruh terhadap kepuasan mahasiswa, sementara self-efficacy dan task value (nilai tugas) terbukti merupakan prediktor terhadap prestasi mahasiswa. Task value (nilai tugas), kepuasan, dan prestasi adalah prediktor signifikan untuk ketekunan(persistance). Dari penelitian milik Joo, Lim, & Kim (2013) ini, peneliti mengambil variabel Self Efficacy sebagai variabel yang dapat berpengaruh terhadap prestasi belajar. 2.2 Prestasi Belajar 2.2.1 Definisi Prestasi Belajar Prestasi belajar adalah kemampuan yang dimiliki oleh pelajar setelah pelajar menerima pengalaman pembelajaran. Sejumlah pengalaman yang diperoleh pelajar mencakup ranah kognitif, afektif dan psikomotorik. Hasil belajar mempunyai peran penting dalam proses pembelajaran karena akan memberikan sebuah informasi kepada pengajar tentang kemajuan pelajar dalam upaya mencapai tujuan-tujuan belajarnya melalui proses kegiatan belajar mengajar yang selanjutnya setelah mendapat informasi tersebut pengajar dapat menyusun dan membina kegiatan-kegiatan pelajar lebih lanjut baik dalam individu maupun dalam kelompok belajar. Universitas Indonesia


21

Dalam Webster’s New International Dictionary (1951) mengungkapkan definisi prestasi belajar adalah “Achievement test a standardised test for measuring the skill or knowledge by person in one more lines of work a study”. Menurut Gagne (1985), prestasi belajar dapat dibagi menjadi lima aspek, yaitu : kemampuan intelektual, strategi kognitif, informasi verbal, sikap dan keterampilan. Menurut Bloom dalam Suharsimi Arikunto (1990) bahwa hasil belajar dibagi menjadi tiga aspek yaitu kognitif, afektif dan psikomotorik serta menyatakan bahwa prestasi merupakan hasil konkrit dari suatu hal yang dapat dicapai pada periode tertentu. Berdasarkan pendapat-pendapat tersebut, prestasi belajar yang akan dibahas dalam penelitian ini adalah hasil belajar yang telah dicapai oleh mahasiswa dalam proses belajar mengajar berdasarkan penggunaan e-learning selama semester berjalan. Pada penelitian ini, prestasi belajar mahasiswa akan dilihat pada nilai indeks prestasi kumulatif pada setiap mahasiswa, mahasiswa yang memiliki Indeks prestasi kumulatif yang tinggi merupakan mahasiswa yang memiliki prestasi yang baik. 2.2.2 Faktor yang Mempengaruhi Prestasi Belajar Prestasi belajar yang diperoleh pelajar berbeda-beda dan biasanya dilatar belakangi oleh beberapa faktor. Faktor-faktor yang mempengaruhi prestasi belajar menurut Rusman (2012) antara lain meliputi faktor internal dan faktor eksternal : A. Faktor Internal 1. Faktor Fisiologis. Secara umum kondisi fisiologis seperti kesehatan yang prima, tidak dalam keadaan lelah dan capek, tidak dalam keadaan cacat jasmani dan sebagainya. Hal tersebut dapat mempengaruhi pelajar dalam menerima materi pelajaran. 2. Faktor Psikologis. Setiap individu dalam hal ini, pelajar pada dasarnya memiliki kondisi psikologis yang berbeda-beda, tentunya hal ini turut mempengaruhi hasil

belajarnya.

Beberapa

faktor psikologis

meliputi

intelegensi (IQ), perhatian, minat, bakat, motif, motivasi, kognitif dan daya nalar pelajar.



22

B. Faktor Eksternal 1. Faktor Lingkungan. Faktor lingkungan dapat mempengaruhi hasil belajar. Faktor lingkungan ini meliputi lingkungan fisik dan lingkungan sosial. Lingkungan alam misalnya suhu, kelembaban dan lain-lain. Belajar pada siang hari dan di ruangan yang kurang akan sirkulasi udara dapat berpengaruh dan akan sangat berbeda pada pembelajaran pada pagi hari yang kondisinya masih segar dan dengan ruangan yang cukup untuk bernafas lega. 2. Faktor Instrumental. Faktor-faktor instrumental adalah faktor yang keberadaan dan penggunaannya dirancang sesuai dengan hasil belajar yang diharapkan. Faktor-faktor ini diharapkan dapat berfungsi sebagai sarana untuk tercapainya tujuan-tujuan belajar yang direncanakan. Faktor-faktor instrumental ini dapat berupa kurikulum, komunikasi, sarana dan prasarana. Pernyataan yang hampir sama, disampaikan juga oleh Sunarto (2009). Menurut Sunarto (2009) faktor-faktor yang dapat mempengaruhi hasil belajar antara lain : 1. Faktor Intern Faktor intern adalah faktor-faktor yang berasal dari dalam diri individu yang dapat mempengaruhi individu berkaitan dengan prestasi belajarnya. Faktor-faktor intern yang dapat mempengaruhi prestasi belajar seseorang antara lain adalah kecerdasan, bakat, minat, dan motivasi. 2. Faktor Ekstern Faktor ekstern adalah faktor-faktor yang dapat mempengaruhi prestasi belajar individu yang berasal dari luar diri individu tersebut. Yang termasuk faktor-faktor ekstern antara lain adalah keadaan lingkungan keluarga, keadaan lingkungan tempat belajar dan keadaan lingkungan masyarakat. Menurut Sunarto(2009) untuk meningkatkan prestasi belajar, hal yang harus diperhatikan adalah kondisi internal dan eksternal. Kondisi internal dalah kondisi atau situasi yang ada dalam diri pelajar, seperti kesehatan, keterampilan, kemampuan dan sebagainya. Kondisi eksternal adalah kondisi yang ada diluar diri pribadi individu misalnya kebersihan ruang belajar, sarana dan prasarana belajar.



23

2.3 SIMPONI SIMPONI merupakan singkatan dari Sistem Pembelajaran Online dan Interaktif. SIMPONI merupakan Sistem Berbasis Web yang mulai dikembangkan STMIK GI MDP, AMIK MDP dan STIE MDP pada tahun 2010. SIMPONI dibuat dengan bertujuan agar mahasiswa lebih mudah mendapatkan informasi yang berkaitan dengan akademik, pembayaran dan yang paling penting adalah informasi yang berkaitan dalam perkuliahan. Dari awal perkembangannya hingga sekarang, SIMPONI memiliki banyak perubahan. Perubahan yang paling terlihat adalah dari jumlah fitur yang ada dalam SIMPONI. Selain bertujuan sebagai media penunjang belajar

mahasiswa,

SIMPONI

juga

membantu

meringankan

pekerjaan

administrasi akademik STMIK GI MDP, AMIK MDP dan STIE MDP dimana mahasiswa sudah dapat melihat informasi yang berhubungan dengan pendaftaran Kerja Praktek, Skripsi dan Tugas Akhir ataupun informasi umum yang berkaitan dengan Seminar, Workshop yang sudah tertera di SIMPONI sehingga tidak perlu harus bertanya terlebih dahulu. Untuk dapat masuk ke dalam SIMPONI dosen atau mahasiswa harus memasukkan username dan password yang tepat. Mahasiswa dan dosen juga dapat melakukan perbaharuan password SIMPONI. Tampilan Halaman Depan SIMPONI dapat dilihat pada Gambar 2.4.

Gambar 2.4 Tampilan Halaman Depan SIMPONI (Sumber: https://simponi.mdp.ac.id/, diakses tanggal 09 Oktober 2013)



24

SIMPONI yang sekarang ini telah memiliki fitur-fitur sebagai berikut : 1. Profil Pada bagian profil, mahasiswa dapat melihat dan memperbaharui data pribadi mahasiswa seperti alamat, email, dan no handphone. Mahasiswa STMIK GI MDP, AMIK MDP dan STIE MDP memiliki nomor virtual account. Virtual account adalah bentuk kerjasama mahasiswa dengan salah satu bank swasta di Palembang. Mahasiswa dapat melihat nomimal pembayaran yang harus dibayar dan mengetahui nomor rekening mahasiswa tersebut di SIMPONI. Setiap mahasiswa memiliki nomor virtual account yang berbeda-beda. Nomor virtual account ini aktif hanya selama mahasiswa tersebut terdaftar sebagai mahasiswa di STMIK, AMIK dan STIE MDP. 2. Perkuliahan Mahasiswa dapat mengunduh materi belajar yang mahasiswa ambil dan mahasiswa dapat mengambil silabus mata kuliah yang dikehendaki. Mahasiswa dapat mengunduh materi belajar jika dosen mata kuliah bersangkutan telah mengupload materi belajar. Dengan adanya fitur ini, mahasiswa dapat melihat jadwal perkuliahan untuk semester aktif berjalan, yang terdiri dari hari, waktu, nama dosen, dan ruang belajar. Selain itu, mahasiswa juga dapat melihat rincian persentase absensi perkuliahan untuk masing-masing mata kuliah yang di ambil. 3. Nilai (kuis, tugas, nilai UTS dan UAS) pada semester berjalan. Jika dosen sudah memasukkan nilai ke dalam aplikasi input nilai maka detail nilai mahasiswa dapat dilihat di SIMPONI sehingga nilai mahasiswa di STMIK, AMIK dan STIE MDP bersifat transparan. Daftar nilai ini berisi huruf mutu, angka mutu, total sks dan IPK(indeks prestasi kumulatif) dari semua mata kuliah yang telah ditempuh selama perkuliahan berjalan. Dosen dan mahasiswa dapat menggunakan forum sebagai media interaksi dalam membantu proses perkuliahan. Forum biasanya digunakan oleh dosen dan mahasiswa dalam berbagi informasi perkuliahan yang berhubungan dengan konten belajar. Dosen meletakkan tugas difitur ini, serta memberikan informasi berkenaan dengan deadline tugas dan Universitas Indonesia


25

penjelasan mengenai tugas. Video interaktif ini berisi rekaman mata kuliah dikelas yang dapat membantu mahasiswa dalam mereview materi belajar. Tapi video ini hanya untuk beberapa mata kuliah tertentu saja. 4. Kalender Akademik Mahasiswa dapat melihat kalender akademik per periode 1 tahun. Kegiatan akademik seperti tanggal berlangsungnya Ujian Tengah Semester dan Ujian Akhir Semester, jadwal perkuliahan semester Ganjil, Genap dan Pendek, jadwal pengisian PPRS dan pembagian DNS. Kemudian kalender akademik yang terdapat didalam SIMPONI juga memberikan infomasi mengenai pendaftaran yang berhubungan dengan Kerja Praktek dan Skripsi/Tugas Akhir. 5. Polling Dosen Selain sebagai media belajar bagi mahasiswa, SIMPONI juga dapat bermanfaat untuk menilai kinerja dosen pengampu melalui polling dosen yang ada di SIMPONI. Selain menilai kinerja dosen, polling juga bertujuan untuk memberikan saran dan kritik terhadap pelayanan, fasilitas yang disediakan oleh STMIK GI MDP, AMIK MDP dan STIE MDP. Polling ini hanya dilakukan satu kali dalam tiap semester menjelang Ujian Akhir Semester. 6. KP/TA/Skripsi SIMPONI juga bermanfaaat untuk melakukan pendaftaran judul, tema dan tempat Kerja Praktek, Skripsi / Tugas Akhir / Business Plan untuk mahasiswa yang akan mengambil Kerja Praktek / Skripsi / Tugas Akhir / Business Plan. Pendaftaran mahasiswa ini akan langsung terhubung ke aplikasi yang dimiliki oleh masingmasing Ketua Program Studi. Mahasiwa juga dapat melihat dan mengunduh pengumuman, persyaratan, formulir yang akan digunakan untuk pendaftaran seminar dan sidang Kerja Praktek / Skripsi / Tugas Akhir / Business Plan. 7. Lainnya Selain berkaitan dengan perkuliahan, SIMPONI juga digunakan untuk pendaftaran online Wisuda, dimana pendaftaran ini langsung terhubung ke aplikasi Administrasi yang berkaitan dengan proses pencetakkan ijazah mahasiswa bersangkutan, mahasiswa dapat melihat daftar-daftar E-Book yang Universitas Indonesia


26

dapat dipinjam di perpustakaan MDP Tampilan halaman utama SIMPONI, dapat dilihat pada Gambar 2.5.

Gambar 2.5 Tampilan Halaman Utama SIMPONI (Sumber: https://simponi.mdp.ac.id/akademik.html diakses tanggal 10 Januari 2014)

Selain simponi.mdp.ac.id, SIMPONI juga dapat di akses melalui website STMIK GI MDP, AMIK MDP dan STIE MDP kemudian pilih logo SIMPONI pada menu. Tampilan Halaman Website STMIK GI MDP dan AMIK MDP dapat dilihat pada Gambar 2.6 berikut.



27

Gambar 2.6 Tampilan Halaman Website STMIK GI MDP & AMIK MDP (Sumber: https://mdp.ac.id/ diakses tanggal 09 Oktober 2013)

2.4 Theoretical Framework Penelitian Theoretical framework merupakan kerangka acuan penelitian yang berdasarkan kesimpulan dari teori-teori dan penelitian yang membahas tema serupa. Theoretical framework yang disimpulkan untuk penelitian ini dibuat berdasarkan hasil penelitian dan analisis teori dari penelitian terdahulu. Theoretical Framework pada penelitian ini dibagi menjadi dua yang dianalisis berpengaruh pada Student’s Achievement, faktor internal yang didapat dari teori miliknya Sunarto(2009), dan faktor experience yang disimpulkan dari penelitian terdahulu. Variabel-variabel yang disimpulkan pada theoretical framework penelitian ini merupakan variabel-variabel yang dianalisis dapat mempengaruhi prestasi belajar pada penelitian-penelitian yang sudah diteliti sebelumnya. Variabel-variabel yang dikategorikan sebagai faktor internal adalah: Student SelfEfficacy dan Student Self-Motivation. Kemudian kategori kedua yaitu pengalaman mahasiswa yang dianalisis mempengaruhi prestasi belajar adalah Interaction, dimana interaction menurut Moore(1989) dibagi menjadi 3 jenis, Interaction Student-Content,

Interaction

Student-Student,

Interaction

Student-Lecture,

kemudian variabel Course Design dan juga Lecture Expertise dan variabel lainnya yang juga digunakan pada penelitian ini adalah Curricullum Program. Theoritical Framework dari penelitian ini dapat dilihat pada Gambar 2.7. Universitas Indonesia


28

Internal Factor

Student Self Efficacy (Joo, Lim & Kim, 2013)

Student Self Motivation Owston, York, & Murtha (2013) Paetcher, Maier & Macher (2009) Student Experience

H4 H5

Interaction Student – Content (Moore, 1989)

H1

Interaction Student – Student Owston, York, & Murtha (2013)

H2

Student’s Achievement

Paetcher, Maier & Macher (2009)

Interaction Student-Lecturer Owston, York, & Murtha (2013) Paetcher, Maier & Macher (2009)

Course Design

H3 H7 H8

Lemos & Pedro (2012) Paetcher, Maier & Macher (2009)

H6

Lecturer Expertise Paetcher, Maier & Macher (2009)

Curricullum Program Lemos & Pedro (2012)

Gambar 2.7 Theoretical Framework Penelitian 2.4.1 Variabel dan Hipotesis Penelitian 2.4.1.1 Keterkaitan antara interaction dengan prestasi mahasiswa Penelitian Sher (2009) menunjukkan bahwa interaksi online memberikan kontribusi yang signifikan terhadap minat belajar mahasiswa dan prestasi mereka dalam proses pembelajaran dalam menggunakan e-learning. E-learning memiliki manfaat seperti mengontrol kecepatan penyampaian materi dalam pembelajaran, interaksi antara mahasiswa dan instruktur (Sun, Tsai, Finger, Chen, & Yeh, 2008; Tang & Byrne, 2007). Menurut Moore (1984), sistem e-learning dapat mempermudah interaksi antara pelajar dengan bahan atau materi pembelajaran, antara pelajar dengan dosen atau pengajar, dan antara sesama pelajar. Pelajar Universitas Indonesia


29

dapat saling berbagi informasi dan dapat mengakses materi pembelajaran setiap saat, sehingga mereka dapat lebih memantapkan penguasaan terhadap materi tersebut. Dengan adanya e-learning, para pengajar akan menjadi lebih mudah untuk (Moore, 1984):  Melakukan perbaharuan bahan-bahan belajar yang menjadi tanggung jawabnya sesuai dengan tuntutan perkembangan keilmuan yang terbaru.  Mengembangkan diri individu atau melakukan penelitian yang berguna untuk meningkatkan wawasannya. Menurut Paetcher, Maier, & Macher (2009) dibandingkan dengan semua variabel lain, dukungan instruktur dalam proses belajar mengajar sangat berkontribusi terhadap pencapaian belajar. Pengajar harus dapat melakukan berbagai kegiatan dalam proses pengajaran misalnya menyediakan materi ajar apa yang harus diberikan, memberikan feedback kepada pelajar, merangsang motivasi pelajar untuk memproses dan mendiskusikan materi belajar, serta membantu mereka untuk terlibat aktif dalam kegiatan belajar (Brophy, 1999). Kemudian variabel interaction student-lecture mendukung peningkatan pengetahuan, motivasi, dan pembentukan hubungan sosial. Pertukaran informasi mengenai materi ajar serta informasi sosio-emosional penting bagi proses pembelajaran (Johnson, Hornik, & Salas, 2008; Paechter & Schweizer, 2006; Richardson & Swan, 2003). Interaction student-lecture dalam penelitian ini dapat didefinisikan sebagai dukungan instruktur dan kualitas pengajar terhadap pelajar dalam menggunakan sistem elearning. Lemos & Pedro (2012) meneliti hubungan antara penggunaan secara online instruktur dan kepuasan mahasiswa dan menemukan korelasi yang signifikan antara mahasiswa tingkat kepuasan yang tinggi, antusiasme instruktur, kejelasan harapan, aktivitas online yang diusulkan, iklim sosial yang diciptakan, tingkat keahlian instruktur terhadap teknologi, serta dukungan instruktur terhadap belajar mahasiswa (Eom et al., 2006; Palmer & Holt, 2008). Tingkat pengetahuan instruktur atau perannya sebagai fasilitator dan kemampuannya untuk mendukung dan memberikan nasihat kepada pelajar menjadi faktor utama yang berpengaruh terhadap kepuasan mahasiswa dan hasil penelitian milik Lemos & Pedro (2012) ini menunjukkan bahwa mahasiswa-mahasiswa yang menerima feedback yang Universitas Indonesia


30

cepat dari instruktur mendapatkan prestasi yang lebih baik daripada traditional course (Korr, Derwin, Greene, & Sokoloff, 2012). Hal yang sama dikemukakan oleh Eom, Wen and Ashill (2006) dimana struktur course, motivasi mahasiswa dalam belajar, student personal learning style dan pengetahuan instruktur, investasi dalam interaksi dan feedback dari instruktur sangat mempengaruhi kepuasan mahasiswa. Menurut Moore(1989) tanpa interaction student-content tidak akan ada pendidikan, karena proses intelektualitas interaksi dengan konten dapat membuat pelajar paham, memiliki perspektif dan mendapat nilai kognitif. Cao, Griffin and Bai (2009) dan Moore(1989) membagi variabel instructor ini menjadi 3 bagian yaitu learner-instructor, learner-learner, dan learner-content. Dalam beberapa penelitian yang menggunakan variabel interaction, interaction yang terbukti mempengaruhi prestasi mahasiswa dalam menggunakan e-learning, sehingga pada penelitian ini interaction dalam penelitian juga diajukan hipotesis sebagai berikut : H1 : Interaction Student-Content berpengaruh terhadap prestasi belajar. H2 : Interaction Student-Student berpengaruh terhadap prestasi belajar. H3 : Interaction Student-Lecture berpengaruh terhadap prestasi belajar. 2.4.1.2 Keterkaitan antara student self-efficacy dengan prestasi mahasiswa Self-efficacy didefinisikan sebagai "The belief that one has the capability to perform a particular behavior" (Bandura, 1977) atau yang berarti keyakinan seseorang bahwa individu dapat menguasai situasi dan menghasilkan hasil yang positif. Self-efficacy dianggap sangat penting dalam pembelajaran karena mempengaruhi learning tasks, amount of efforts, emotions, tujuan belajar, penilaian dan prestasi (Bandura, 1977; Schunk, 1995). Liaw (2008) dalam studi mengenai efektivitas sistem e-learning menyimpulkan bahwa self-efficacy dari pelajar online merupakan faktor penting yang mempengaruhi kepuasan mereka. Hal yang sama juga dikemukakan oleh Tsai, Chuang, Liang dan Tsai (2011) pada 46 penelitian yang membahas mengenai variabel self-efficacy dan meyimpulkan bahwa variabel self efficacy memainkan peran positif dalam sikap pelajar terhadap proses dan hasil dan mereka berasal dari pembelajaran berbasis internet. Hasil ini Universitas Indonesia


31

sejalan dengan hasil penelitian oleh Pintrich, Smith, Garcia, dan McKeachie (1993) dan Zusho, Pintrich, dan Coppola (2003). Ada faktor-faktor yang dapat mempengaruhi Self-efficacy dan menurut Bandura (1995) faktor-faktor yang mempengaruhi self efficacy yaitu pengalaman keberhasilan, pengalaman orang lain, persuasi sosial, dan terakhir adalah keadan fisiologis dan emosional. Mahasiswa dengan self-efficacy yang rendah akan menghindari matakuliah yang banyak tugasnya, khususnya untuk tugas-tugas yang menantang sedangkan untuk individu yang memiliki self-efficacy yang tinggi akan sangat termotivasi untuk menyelesaikan tugas-tugas yang sulit. Penelitian miliknya Joo, Lim, & Kim(2013) mengemukakan bahwa variabel self-efficacy juga terbukti sebagai prediktor prestasi belajar. Bandura juga menyebutkan bahwa orang yang memiliki selfefficacy yang tinggi akan menggunakan strategi belajar yang lebih besar dibandingkan dengan orang yang memiliki self-efficacy yang rendah dan pada penelitian ini diajukan hipotesis sebagai berikut : H4 : Student Self Efficacy berpengaruh terhadap prestasi belajar.

2.4.1.3 Keterkaitan antara student self-motivation dengan prestasi mahasiswa Motivasi belajar adalah sebagai a general state dan sebagai a situation-specific state (Brophy, 1987). Sebagai a general state, motivasi belajar adalah suatu watak permanen yang mendorong seseorang untuk menguasai pengetahuan dan keterampilan dalam suatu kegiatan belajar. Sebagai a situation-specific state, motivasi belajar muncul karena keterlibatan individu dalam suatu kegiatan tertentu dan diarahkan oleh tujuan memperoleh pengetahuan atau menguasai keterampilan yang diajarkan. Pada penelitian milik Ballard (2008) salah satu faktor yang mempengaruhi prestasi belajar pelajar adalah motivasi dan tanggung jawab dari mahasiswa itu sendiri. Kemudian hal yang sama dikemukakan oleh Eom, Wen and Ashill (2006) yang menunjukkan bahwa variabel structure course, motivasi mahasiswa dalam belajar, student personal learning style dan pengetahuan dan memungkinkan sikap instruktur, investasi dalam interaksi dan feedback dari instruktur sangat mempengaruhi kepuasan mahasiswa. Motivasi yang rendah dapat membuat mahasiswa malas dalam belajar karena motivasi diri akan mempengaruhi Universitas Indonesia


32

pencapaian dan prestasi belajar mahasiswa oleh karena itu pada penelitian ini diajukan hipotesis sebagai berikut : H5 : Student Self Motivation berpengaruh terhadap prestasi belajar. 2.4.1.4 Keterkaitan antara curricullum program dengan prestasi mahasiswa Curricullum Program dapat diartikan sebagai “Programmatic content of each curricular unit of the course”. Pada penelitian milik Paetcher, Maier, & Macher (2009) yang membahas mengenai prestasi belajar mengemukakan bahwa beberapa penelitian menunjukkan bahwa banyaknya keterkaitan antara curriculum program dengan instruction. Meskipun penilaian tampaknya merupakan variabel yang paling berpengaruh terhadap prestasi belajar, akan tetapi dapat dilihat di mana pembelajaran yang dipengaruhi oleh kurikulum dan pengajaran profesional dapat memiliki dampak yang besar baik positif maupun negatif pada pencapaian belajar (Popham, 2004) sehingga pada penelitian ini diajukan hipotesis sebagai berikut : H6 : Curricullum Program berpengaruh terhadap prestasi belajar. 2.4.1.5 Keterkaitan antara course design dengan prestasi mahasiswa Dalam penelitian ini Course Design diartikan “Course General Structure and organization”. Brophy (1999) mengasumsikan bahwa structure serta hubungan antar kurikulum dan materi belajar merupakan faktor utama agar pembelajaran lebih dapat diterima oleh mahasiswa. Kualitas lingkungan belajar dan kemudahan menggunakan sistem pembelajaran juga berkontribusi terhadap keberhasilan dan kepuasan dalam menggunakan e-learning (Chang & Tung, 2008; Shee & Wang, 2008) dan kinerja (Lee & Lee, 2008). Kemudian penelitian yang dilakukan oleh Lemos & Pedro (2012) dan Paetcher, Maier, & Macher (2009) juga memasukkan variabel course design yang berpengaruh pada kepuasan belajar mahasiswa, kepuasan mahasiswa terhadap course design dapat meningkatkan minat belajar mahasiswa dalam menggunakan sistem e-learning sehingga penelitian ini diajukan hipotesis sebagai berikut : H7 : Course Design berpengaruh terhadap prestasi belajar.



33

2.4.1.6 Keterkaitan antara Lecture expertise dengan prestasi mahasiswa Lecture Expertise didefinisikan sebagai kemampuan yang dimiliki pengajar dalam menggunakan e-learning. Dalam menggunakan e-learning, pengajar harus memiliki keahlian dibidang teknologi informasi dalam mengoperasikan elearning. Pada penelitian milik Paetcher, Maier, & Macher (2009) menunjukkan bahwa kompetensi profesional pengajar, keterampilan yang berhubungan dengan teknologi informasi dan komputer tetapi juga keterampilan komunikasi interpersonal juga paling signifikan memiliki pengaruh dalam penerapan elearning serta keterkaitannya dengan prestasi. Kurangnya tutor expertise dapat berakibat pada sulitnya berkomunikasi dengan mahasiswa, mahasiswa sulit mendapatkan feedback. Kurangnya kualitas feedback yang diperoleh oleh pengajar pada tugas online yang sering ditunjukkan sebagai faktor yang negatif mempengaruhi prestasi mahasiswa dalam e-learning (Paetcher, Maier, & Macher, 2009). Oleh karena itu, penelitian ini diajukan hipotesis sebagai berikut : H8 : Lecture Expertise berpengaruh terhadap prestasi belajar. 2.5 Structural Equation Modelling (SEM) Menurut Ghozali (2008), Structural Equation Modelling (SEM) merupakan gabungan dari dua metode statistik yang terpisah yaitu analisis faktor yang dikembangkan di fakultas psikologi dan psikometri serta model persamaan simultan yang dikembangkan oleh disiplin ilmu ekonomi khususnya di bidang ekonometrika. Sarwono (2008) juga menyatakan bahwa Structural Equation modelling (SEM) merupakan suatu teknik statistik yang dapat digunakan untuk membangun dan menguji model statistik yang biasanya berbentuk model-model sebab akibat. SEM adalah metode statistik yang komprehensif yang digunakan dalam pengujian hipotesis tentang hubungan kausal di antara variabel laten dan variabel yang diamati yang telah terbukti berguna dalam memecahkan masalah dalam merumuskan teori konstruksi (Schumacker dan Lomax, 2004; Raykov dan Marcoulides, 2006; Yılmaz, 2004; Reisinger dan Turner, 1999). Softwaresoftware yang dapat digunakan untuk menganalisis SEM adalah AMOS, LISREL, PLS, EQS, dan Mplus. Namun sejak diakuisisi (dibeli) oleh SPSS, AMOS mulai Universitas Indonesia


34

populer digunakan, baik dari kalangan peneliti, akademisi, maupun para praktisi (Santoso, 2012).

2.5.1 Keunggulan SEM Menurut Sarwono (2008) keunggulan-keunggulan SEM dibandingkan dengan regresi berganda lainnya adalah : 1. Penggunaan confirmatory factor analysis(CFA) untuk mengurangi error measurement dengan memiliki banyak indikator dalam satu variabel laten. 2. Memungkinkan adanya asumsi-asumsi yang lebih fleksibel. 3. Kemampuan untuk menguji model – model dengan menggunakan beberapa variabel tergantung. 4. Kemampuan untuk menguji koefisien-koefisien diluar antara beberapa kelompok subjek. 5. Kemampuan

untuk

membuat

model

terhadap

variabel-variabel

perantara(mediasi). 6. Kemampuan untuk membuat model gangguan kesalahan(error term). 7. Kemampuan untuk mengatasi data yang sulit seperti data yang tidak normal dengan kesalahan otokorelasi dan data yang tidak lengkap. 8. Daya tarik tampilan pemodelan grafis untuk memudahkan untuk membaca output hasil analisis. 9. Kemungkinan adanya pengujian model secara keseluruhan dari pada koefisien-koefisien secara sendiri-sendiri. 2.5.2 Aplikasi Utama yang ada di SEM Menurut Sarwono (2008) aplikasi utama yang harus ada dalam SEM adalah sebagai berikut : 1. Model sebab akibat (causal modeling,) atau disebut juga analisis jalur (path analysis) Bagian ini menyusun hipotesis hubungan sebab akibat (causal relationships) diantara variabel-variabel dan menguji model-model sebab akibat (causal models) dengan menggunakan sistem persamaan linier. Model-model sebab akibat dapat Universitas Indonesia


35

mencakup variabel-variabel manifest (indikator), variabel-variabel laten ataupun keduanya. 2. Analisis faktor penegasan (confirmatory factor analysis) Analisis faktor penegesan ini merupakan suatu teknik lanjutan dari analisis faktor dimana dilakukan pengujian hipotesis-hipotesis struktur factor loadings dan interkorelasinya. 3. Analisis faktor urutan kedua (second order factor analysis) Suatu variasi dari teknik analisis faktor dimana matriks korelasi dari faktor-faktor tertentu (common factors) dilakukan analisis pada faktornya sendiri untuk membuat faktor-faktor lanjutan. 4. Model-model regresi (regression models) Model-model regresi adalah suatu teknik lanjutan dari analisis regresi linear dimana bobot regresi dibatasi agar menjadi sama satu dengan lainnya atau dilakukan spesifikasi pada nilai-nilai numeriknya. 5.

Model-model struktur covariance (covariance structure models)

Model-model struktur kovarians adalah model yang menghipotesiskan bahwa matriks kovarians mempunyai nilai tertentu. 6.

Model struktur korelasi (correlation structure models)

Model-model struktur korelasi adalah model yang menghipotesakan bahwa matriks korelasi mempunyai nilai tertentu. 2.5.3 Variabel Laten dan Variabel Teramati SEM memiliki dua jenis variabel yaitu variabel laten dan variabel teramati. 2.5.3.1 Variabel Laten (Latent Variable) Variabel laten adalah konstruk-konstruk yang dihipotesiskan dalam sebuah penelitian. Karakteristik utama dari variabel laten adalah bahwa variabel tersebut tidak dapat diukur secara langsung karena tidak secara langsung dapat diamati. Untuk mendapatkan hasil pengukuran biasanya dilakukan dengan penyebaran kuesioner. Variabel laten dibedakan menjadi dua, yaitu variabel laten eksogen dan variabel laten endogen. Variabel laten endogen adalah variabel terikat (dependent variable) pada paling sedikit satu persamaan dalam model, meskipun di semua Universitas Indonesia


36

persamaan sisanya, variabel tersebut adalah variabel bebas dan dapat dikatakan jika suatu variabel laten pernah menjadi variabel yang dipengaruhi oleh variabel lain berarti variabel laten tersebut merupakan variabel laten endogen. (Wijanto, 2008). 2.5.3.2 Variabel Teramati (Observed Variable) Variabel teramati adalah variabel-variabel yang dapat diukur secara empiris misalnya dengan menggunakan item pertanyaan-pertanyaan yang terdapat pada kuesioner. Menurut Raykov & Marcoulides (2006) variabel teramati seringkali disebut sebagai manifest variables, untuk menekankan bahwa variabel-variabel telah diukur oleh peneliti dalam proses pengumpulan data. 2.5.4

Tahapan dalam SEM

SEM terdiri atas beberapa tahapan sebagai berikut(Widodo, 2006) :  Pengembangan model berdasarkan teori Tahap ini bertujuan untuk membuat sebuah model yang mempunyai pembenaran secara teoritis yang kuat guna mendukung upaya analisis terhadap suatu masalah yang sedang diteliti. Pembuatan model SEM(Structural Equation Modelling) ini berdasarkan teori merupakan tahap awal sebelum melakukan estimasi. Menurut Hair et al. (2006), terdapat tiga tahap dalam proses pembuatan model, yaitu: 1. Mengidentifikasi pada faktor-faktor atau variabel-variabel laten berdasarkan sumber-sumber teoritis atau empiris. 2. Membuat hubungan kausal dari faktor-faktor yang telah diidentifikasi tersebut. 3. Merumuskan hipotesis yang bersifat kausalitas.  Pengembangan diagram lintasan (path diagram) Tahap ini bertujuan untuk menggambarkan model teoritis yang telah dibangun pada langkah pertama kedalam sebuah path diagram agar peneliti dapat dengan mudah menganalisis hubungan kausalitas yang ingin diuji. SEM sebagai analisis multivariate dapat menganalisis hubungan pada variabel-variabel laten yang bertingkat secara bersamaan, tanpa harus memecah hubungan tersebut terlebih dahulu(Santoso, 2007).



37

 Mengkonversi diagram jalur ke dalam persamaan structural Tahap ini dilakukan bertujuan untuk mengkonversi dari diagram jalur yang telah dibuat ke dalam bentuk persamaan-persamaan pada measurement model dan structural model.  Pemilihan data input dan teknik estimasi Tahap ini dilakukan bertujuan untuk menetapkan data input yang digunakan dalam pemodelan dan teknik estimasi model.  Evaluasi masalah identifikasi model Tahap ini bertujuan untuk mendeteksi ada tidaknya masalah identifikasi berdasarkan evaluasi terhadap hasil estimasi yang dilakukan program.  Evaluasi asumsi dan kesesuaian model Tahap ini bertujuan untuk mengevaluasi pemenuhan asumsi yang disyaratkan SEM dan kesesuaian model berdasarkan kriteria nilai goodness of fit tertentu.  Interpretasi dan modifikasi model Tahap ini bertujuan untuk memutuskan bentuk perlakuan lanjutan setelah dilakukan proses evaluasi asumsi dan uji kesesuaian model pada structural model.



BAB III METODOLOGI PENELITIAN

Bab ini membahas alur tahapan-tahapan penelitian yang akan dilakukan pada penelitian ini, instrumen penelitian, metode pengumpulan data dan metode analisis data. 3.1 Alur Tahapan Penelitian Alur tahapan penelitian yang digunakan pada penelitian dapat dilihat pada Gambar 3.1.

Mulai

Menyebarkan Kuisioner

Pengolahan Data

Yes

Pemilihan Topik

Pengumpulan data awal

Apakah Kuisioner Baik

Uji Keterbacaan Kuisioner

Hipotesis Testing

No

Kesimpulan dan Saran Studi Literatur

Menyusun Kuisioner

Theoritical Framework

Perumusan Hipotesis

Selesai

Gambar 3.1 Gambar Tahapan Penelitian Penelitian dimulai dengan melakukan mengidentifikasi minat penelitian, kemudian memilih topik yang akan diteliti lalu dilanjutkan dengan melakukan pengumpulan data awal, teknik pengumpulan data awal yang digunakan pada penelitian ini adalah dengan melakukan wawancara dengan bagian UPT Sistem Informasi MDP serta meminta activity log penggunaan e-learning, dan studi 38



39

literatur mengenai topik penelitian yang terkait (e-learning dan prestasi belajar), dan penelitian-penelitian terdahulu yang berkaitan dengan tema penelitian ini serta studi literatur mengenai permasalahan yang diteliti, sesuai dengan ruang lingkup serta tujuan dan manfaat penelitian yang telah ditentukan. Pada tahap selanjutnya, mencari literatur-literatur yang terkait dengan topik penelitian yang diangkat, kemudian menentukan pertanyaan penelitian dari permasalahan dan menganalisis teori-teori dan analisis dari penelitian-penelitian terdahulu. Tahap berikutnya adalah merumuskan theoretical framework dan pengembangan theoretical framework yang digambarkan berdasarkan yang digunakan analisa penelitian-penelitian terdahulu yang didapat dari studi literatur. Berdasarkan theoretical framework yang telah dibuat, maka dirumuskan hipotesis-hipotesis yang muncul. Kemudian membuat daftar pertanyaan-pertanyaan untuk kuesioner, dimana kuesioner dibuat berdasarkan item pengukuran yang didapat dari studi literatur. Kuesioner ini akan menggunakan skala likert point. Setelah kuesioner dirancang, maka dilakukan uji keterbacaan akan dilakukan kepada 20 mahasiswa dari angkatan dan jurusan yang berbeda-beda. Hal ini bertujuan untuk mendapatkan masukan dan saran dari rancangan kuesioner yang telah dibuat, apakah pertanyaan-pertanyaan dalam kuesioner telah dapat dimengerti dengan baik. Jika uji keterbacaan kuesioner sukses, kuesioner tersebut langsung disebarkan kepada mahasiswa-mahasiswa aktif di STMIK GI MDP, AMIK MDP dan STIE MDP pengguna SIMPONI. Dari penyebaran dan pengumpulan kuesioner kemudian dilakukan uji validitas dan reliabilitas awal dari kuesioner tersebut. Uji validitas dari kuesioner awal penelitian ini akan dibantu dengan menggunakan software SPSS15. Kemudian jika data sudah valid dan reliabel dilakukan pengolahan data menguji dengan melakukan uji measurement model dan structural model dan yang terakhir adalah menguji hipotesis penelitian menggunakan software AMOS22. Dari hasil pengolahan data dan analisis dari penelitian ini kemudian dibuat kesimpulan penelitian dan saran untuk penelitianpenelitian sejenis kedepannya. Universitas Indonesia


40

3.2 Sampel, Populasi dan Metode Pengumpulan Data Populasi dalam penelitian ini adalah mahasiswa-mahasiswa aktif di STMIK GI MDP, AMIK MDP dan STIE MDP yang menggunakan SIMPONI pada semester yang berjalan. Kemudian metode pengumpulan data yang akan digunakan untuk penelitian ini adalah metode kuesioner yang menggunakan teknik purposive sampling dengan respondennya adalah mahasiswa aktif pada semester ganjil 2013/2014 STMIK GI MDP, AMIK MDP dan STIE MDP yang menggunakan SIMPONI. Jumlah sampel minimal dalam menggunakan SEM adalah 100. Penentuan jumlah sampel yang harus disebar dalam penelitian ini akan menggunakan Rumus Slovin (Sevilla et. al., 1960), sebagai berikut :

Dimana : n : jumlah sampel N : jumlah populasi e : batas toleransi kesalahan (error tolerance) Dalam menggunakan rumus Slovin harus ditentukan berapa batas toleransi kesalahan. Batas toleransi kesalahan ini dinyatakan dengan persentase. Semakin kecil toleransi kesalahan, semakin akurat sampel menggambarkan populasi. Batas toleransi kesalahan pada penelitian ini adalah sebesar 4%. Total jumlah mahasiswa aktif STMIK GI MDP, AMIK MDP, STIE MDP pada semester ganjil 2013/2014 adalah 2046 mahasiswa. Sehingga, jumlah sampel yang harus diambil adalah 479,1 sehingga . Pada penelitian ini, uji keterbacaan dilakukan terhadap 20 mahasiswa yang setiap hari menggunakan SIMPONI dan memiliki Indeks Prestasi Kumulatif(IPK) terdiri dari 12 mahasiswa STMIK GI MDP, 2 mahasiswa AMIK MDP, 6 mahasiswa STIE MDP. Kuesioner ini ditujukan kepada mahasiswa angkatan semester 3, 5, 7, 9 dan diatas semester 9 yang sudah pernah menggunakan SIMPONI. Proses penyebaran kuesioner ini dimulai pada tanggal 10 Oktober sampai dengan tanggal 19 Oktober 2013 karena penulis ingin kuesioner menyebar ke setiap jurusan. Penyebaran kuesioner ini dilakukan dengan menitipkan kuesioner ke beberapa dosen serta penulis juga turut menerangkan isi Universitas Indonesia


41

kuesioner di dalam kelas untuk memastikan semua mahasiswa bersedia mengisi kuesioner. Kuesioner ini dibagikan di berbagai mata kuliah, program studi dan angkatan untuk mencegah mahasiswa mengisi dua kali. 3.3 Instrumen Penelitian Penelitian ini menggunakan kuesioner sebagai media untuk mengumpulkan data. Kuesioner adalah daftar pertanyaan tertulis yang telah dirumuskan sebelumnya yang akan di jawab responden, dan biasanya dalam alternatif yang didefinisikan dengan jelas (Sekaran, 2006). Dalam membuat kuesioner ada beberapa pedoman yang harus diikuti. Menurut Sekaran (2006) prinsip merancang kuesioner bisa difokuskan pada tiga bidang, yaitu : 1. Prinsip susunan kata Prinsip susunan kata mengacu pada faktor-faktor, seperti ketepatan isi pertanyaan, bagaimana pertanyaan disampaikan dan tingkat kefasihan bahasa yang digunakan, tipe dan bentuk pertanyaan yang diajukan, urutan pertanyaan. Dan data pribadi yang dicari dari responden (Sekaran, 2006). 2. Mengurutkan pertanyaan Urutan pertanyaan dalam kuesioner sebaiknya membawa responden dari pertanyaan yang bersifat lebih umum ke pertanyaan spesifik, dan dari pertanyaan yang relatif mudah ke pertanyaan yang semakin sulit dijawab (Sekaran, 2006). 3. Data Klasifikasi atau informasi pribadi Data klasifikasi juga disebut sebagai informasi pribadi dan pertanyaan demografis mengungkap informasi seperti usia, tingkat pendidikan, status pernikahan dan penghasilan (Sekaran, 2006). Kuisioner pada penelitian ini menggunakan skala likert point. Pengukuran masing-masing variabel menggunakan skala likert 1 sampai 5 dengan masing-masing angka memiliki arti sebagai berikut : 1 = sangat tidak setuju (STS) 2 = tidak setuju (TS) 3 = netral 4 = setuju (S) 5 = sangat setuju (SS) Universitas Indonesia


42

Skala likert dikembangkan oleh Rensis Likert. Skala likert (Likert Scale) dirancang untuk menelaah seberapa kuat subjek setuju atau tidak setuju dengan skala 5 titik (Sekaran, 2006) dan skala likert paling sering digunakan untuk mengukur sikap dan perilaku dalam penelitian organisasional. Tujuan pengujian ini adalah untuk menghasilkan daftar pertanyaan yang reliabel dan valid sehingga dapat secara tepat digunakan untuk menyimpulkan hipotesis. Sesuai dengan yang disarankan oleh Sekaran (2006), item-item pengukuran yang digunakan di adaptasi dari pengukuran yang telah digunakan sebelumnya pada penelitianpenelitian terdahulu. Item-item pengukuran beserta hubungan dengan konstruk atau variabel latennya dapat dilihat pada Tabel 3.1. Tabel 3.1 Item-item Pengukuran No.

Variabel

Indikator

1

Interaction Student – Content

ISC1: Saya merasa materi dan informasi yang ada pada SIMPONI mudah untuk dipahami. ISC2: Saya merasa materi dan informasi yang ada pada dalam SIMPONI dapat membantu meningkatkan prestasi belajar saya.

Sumber : [Hirumi, 2002]

ISC3: Saya tidak merasakan adanya kendala teknis saat mengunduh materi atau bertukar informasi yang ada pada SIMPONI.

Sumber : [Lemos & Pedro, 2012]

ISS1: Saya dapat bertukar informasi dengan mudah dan cepat dengan mahasiswa lain melalui forum yang ada di SIMPONI.

Sumber : [Paetcher, Maier, & Macher,2009]

ISS2: Saya merasa forum yang ada dalam SIMPONI memfasilitasi saya untuk berteman dengan mahasiswa lain.

Sumber : [Paetcher, Maier, & Macher, 2009]

(ISC)

2

Interaction Student-Student (ISS)

Referensi




43

Tabel 3.1 Item-item Pengukuran(lanjutan) No.

3

Variabel

Interaction Student-Lecture (ISL)

Indikator

Referensi

ISS3: Mahasiswa lain selalu menanggapi pertanyaanpertanyaan terkait materi pembelajaran yang saya ajukan pada SIMPONI.


ISS4: Saya merasa dengan adanya SIMPONI kualitas interaksi saya dengan mahasiswa lain meningkat.

Sumber : [Owston, York, & Murtha, 2013]

ISS5: Saya merasa dengan adanya SIMPONI jumlah intensitas interaksi saya dengan mahasiswa lain meningkat.


ISL1: Ketika saya membutuhkan saran atau masukan dari dosen, saya dapat mudah berkomunikasi melalui SIMPONI.

Sumber : [Lemos & Pedro, 2012] [Owston, York, & Murtha, 2013]

ISL2: Dosen saya memberikan balasan yang cepat dari pertanyaan yang saya ajukan dalam SIMPONI.

Sumber : [Lemos & Pedro, 2012] [Owston, York, & Murtha 2013] Sumber : [Owston, York, & Murtha 2013]

ISL3: Saya merasa dengan adanya SIMPONI kualitas interaksi saya dengan dosen meningkat. ISL4: Saya merasa interaksi belajar saya dengan dosen melalui SIMPONI sangat membantu saya dalam pencapaian belajar saya.


IST5: Dosen selalu mendukung dan membimbing saya berkaitan dengan proses belajar saya.


IST6: Dosen selalu memberikan cara terbaik untuk mengajari saya sehingga saya bisa mendapatkan nilai bagus.

Sumber : [Lemos & Pedro, 2012] [Owston, York, & Murtha 2013]



44


4

Variabel

Student SelfEfficacy (SSE)

5

Student SelfMotivation (SSM)

Indikator

Referensi

IST7: Dosen selalu dapat memberikan respon yang cepat terhadap kesulitan-kesulitan saya dalam belajar.

Sumber : [Lemos &Pedro, 2012] [Owston, York, & Murtha 2013] Sumber : [Liaw, 2008]

SSE1: Saya merasa percaya diri dalam menggunakan SIMPONI sebagai media sharing atau diskusi dalam proses pembelajaran. SSE2: Saya merasa percaya diri dalam menggunakan SIMPONI sebagai media evaluasi belajar secara online.

Sumber : [Liaw, 2008]

SSE3: Saya merasa percaya diri dalam mengoperasikan fitur-fitur dari SIMPONI yang saya gunakan.

Sumber : [Park S. Y., 2009]

SSM1: Saya dapat memutuskan kapan dan dimana saya menggunakan dan mengakses SIMPONI (Misalnya, di kampus atau di rumah).


SSM2: Saya merasa sulit untuk memotivasi diri sendiri dan mempertahankan motivasi saya untuk menggunakan SIMPONI.


SSM3: Saya merasa SIMPONI telah membantu meningkatkan motivasi belajar saya.

Sumber : [Sanam, 2009]

SSM4: Saya merasa termotivasi untuk mendapatkan nilai yang bagus.




45


Variabel

Indikator

Referensi

6

Curricullum Program

CP1: Saya merasa konten yang ada di SIMPONI selalu relevan dan up to date.


CP2: Saya merasa materi-materi yang ada pada SIMPONI dikemas dalam bentuk file yang memudahkan saya untuk mengaksesnya.


CP3: Saya merasa materi-materi dalam beberapa mata kuliah sesuai dengan pembelajaran berbasis online.


CP4: Saya merasa mata kuliah yang ada kurikulum sudah sesuai dengan kompetensi saya.


CP5: Saya merasa mata kuliah di kurikulum yang saya pelajari mendukung pencapaian hasil belajar saya.


CP6: Saya merasa mata kuliah pada kurikulum yang ada saat ini sesuai dan dapat dipraktekkan.


CD1: Saya merasa ada keterkaitan antar satu mata kuliah dengan matakuliah lain yang ada di kurikulum. CD2: Saya merasa struktur materi pembelajaran sudah jelas dan terorganisir.


CD3: Saya merasa desain media pembelajaran dan teknologi yang digunakan kampus sudah memadai.


(CP)

7

Course Design (CD)




46


8

Variabel

Indikator

Referensi

Lecture Expertise (LE)

CD4: Saya merasa desain matakuliah yang sudah ada saat ini sudah membantu pengembangan kompetensi diri saya. CD5: Saya merasa desain matakuliah yang ada saat ini relevan dengan waktu sekarang dan mengikuti perkembangan teknologi dan zaman. CD6: Saya merasa materi/konten online dan yang ada di SIMPONI sudah memadai. CD7: Saya merasa teknologi dan platform yang digunakan saat ini membantu saya dalam proses belajar mengajar. LE1: Dosen saya memiliki tingkat keahlian yang tinggi dalam menggunakan SIMPONI. LE2: Saya merasa dosen pengajar sangat berkompetensi pada bidang mata kuliah yang diampu. LE3: Dosen saya peduli dan memberikan saran yang berkaitan dengan pencapaian belajar saya.

Sumber : [Lemos & Pedro, 2012] Sumber : [Lemos & Pedro, 2012] Sumber : [Lemos & Pedro, 2012] Sumber : [Paetcher, Maier, & Macher, 2009] Sumber : [Paetcher, Maier, & Macher, 2009] Sumber : [Lemos & Pedro, 2012] Sumber : [Paetcher, Maier, & Macher, 2009]

3.4 Uji Keterbacaan Sebelum menyebarkan kuesioner kepada responden terlebih dahulu dilakukan uji keterbacaan terhadap isi kuesioner tersebut. Uji keterbacaan ini bertujuan untuk mengetahui seberapa baik indikator atau seberapa jelas pemahaman terhadap pernyataan yang ada dalam kuesioner. Saran yang diperoleh dari hasil uji keterbacaan ini digunakan untuk perbaikan kuesioner yang nantinya akan dilakukan pada proses pengumpulan data. Berdasarkan hasil uji keterbacaan, dilakukan revisi pada sembilan indikator dengan tidak mengubah tujuan dari Universitas Indonesia


47

indikator tersebut. Rincian revisi delapan indikator tersebut dapat dilihat pada Tabel 3.2. Tabel 3.2 Revisi Indikator Setelah Uji Keterbacaan No.

Variabel

Kode Indikator

Indikator Sebelum Uji Keterbacaan Saya tidak merasakan adanya kendala teknis saat mengunduh materi atau bertukar informasi yang ada pada SIMPONI.

Indikator Setelah Uji Keterbacaan Saya tidak merasakan adanya kendala teknis saat mengunduh materi yang ada pada SIMPONI.

1

Interaction Student-Content

ISC3

ISL7

Dosen selalu dapat memberikan respon yang cepat terhadap kesulitankesulitan saya dalam belajar.

Dosen selalu dapat memberikan respon yang cepat terhadap kesulitankesulitan yang saya hadapi dalam belajar.

SSM2

Saya merasa sulit untuk memotivasi diri sendiri dan mempertahankan motivasi saya untuk menggunakan SIMPONI.

Saya merasa sulit untuk memotivasi diri sendiri untuk menggunakan SIMPONI.

CP4

Saya merasa mata kuliah yang ada kurikulum sudah sesuai dengan kompetensi saya.

Saya merasa mata kuliah yang ada di kurikulum sudah sesuai dengan kompetensi saya.

Course Design (CD) Course Design (CD)

CD2

Saya merasa struktur materi pembelajaran sudah jelas dan terorganisir. Saya merasa desain media pembelajaran dan teknologi yang digunakan kampus sudah memadai.

7

Course Design (CD)

CD5

8

Lecture Expertise (LE)

LE2

Saya merasa struktur desain mata kuliah sudah jelas dan terorganisir. Saya merasa desain media pembelajaran dan teknologi yang digunakan oleh kampus sudah memadai. Saya merasa desain mata kuliah yang ada saat ini relevan dengan waktu sekarang dan mengikuti perkembangan teknologi. Saya merasa dosen pengajar saya sangat berkompetensi pada bidang mata kuliah yang diampu.

(ISC)

2

Interaction Student-Lecture (ISL)

3

Student SelfMotivation (SSM)

4

Curricullum Program (CP)

5

6

CD3

Saya merasa desain mata kuliah yang ada saat ini relevan dengan waktu sekarang dan mengikuti perkembangan teknologi dan zaman. Saya merasa dosen pengajar sangat berkompetensi pada bidang matakuliah yang diampu.



48

3.5 Metode Analisis Data Metode analisis data dilakukan dengan menggunakan aplikasi AMOS22. Sebelum melakukan analisis lebih lanjut, penelitian ini diawali dengan memasukkan data primer yang diperoleh dari kuesioner ke dalam sebuah file Ms. Excel. Kemudian file Ms. Excel ini disimpan ke aplikasi SPSS15 dan file tersimpan dalam .sav. File .sav yang telah tersimpan tadi, kemudian dimasukkan ke dalam aplikasi AMOS22. Berikut adalah penjelasan terkait tahapan yang dilakukan dalam analisis data dengan menggunakan aplikasi AMOS. Dalam pengujian SEM terdapat beberapa langkah yang harus ditempuh, antara lain(Wijanto, 2008) : 3.5.1 Spesifikasi Model Teoritis Langkah ini merupakan langkah dalam melakukan identifikasi terhadap permasalahan penelitian, sehingga hubungan antar variabel-variabel yang dihipotesiskan harus didukung oleh teori yang kuat. Tahapan-tahapan untuk spesifikasi model ini meliputi : (1) Model Pengukuran dan Struktural (Measurement dan Structural Model) Model struktural bertujuan untuk memeriksa hubungan yang mendasari atau yang menyusun variabel laten ke dalam model pengukuran dan variabel konstruk lainnya berdasarkan teori. Analisis faktor konfirmatori dapat digunakan untuk mendapatkan data variabel laten, yang diperoleh dari indikator berupa skor faktor. Solimun dan Rinaldo (2002) mengungkapkan bahwa analisis faktor konfirmatori digunakan untuk melakukan konfirmasi (confirm) apakah instrumen yang telah dibuat oleh peneliti sudah reliabel dan valid atau tidak. (2) Pembuatan Path Diagram (Diagram Jalur) Ada dua hal yang perlu dilakukan pada saat menyusun diagram jalur dan menyusun persamaan strukturalnya. Pembuatan path diagram merupakan visualisasi untuk memudahkan dalam melihat hubungan antar variabel pada model penelitian yang telah dibuat. Menurut Santoso (2007), terdapat dua macam variabel error pada path diagram, yaitu:



49

a) Measurement error Measurement error ini terdapat pada setiap indikator variabel menyatakan bahwa setiap indikator tidak selalu tepat dalam mengukur variabel yang diukurnya, atau dengan kata lain akan selalu ada kesalahan dalam pengukuran. b) Structural error Setiap variabel dependen selalu disertai dengan variabel error ini. Structural error menyatakan bahwa seluruh variabel eksogen tidak dapat menjelaskan seluruh hal yang ada pada variabel endogen, atau dengan kata lain akan selalu ada kesalahan prediksi. Dalam membuat path perlu diperhatikan simbol-simbol dalam membuat diagram path yang dapat dilihat pada Tabel 3.3. Tabel 3.3 Simbol pada Diagram Path Simbol

ε

Keterangan Variabel laten endogen (eta)

ξ δ

Variabel laten eksogen (ksi)

ε

Error pengukuran pada indikator (observed) variabel endogen (epsilon). Error pengukuran pada indikator (observed) variabel eksogen (delta). Matriks koefisien untuk variabel laten endogen / hubungan endogen dengan endogen(beta). Matriks koefisien untuk variabel laten eksogen / hubungan eksogen dengan endogen(gamma). Matriks koefisien yang menghubungkan laten eksogen dengan indikatornya.

δ β γ λ

Error pada variabel laten di dalam persamaan (Z / zeta).

(Sumber: Wijanto, 2008 )

Diagram jalur (path diagram) dalam SEM digunakan untuk menggambarkan atau menspesifikasikan model SEM dengan lebih jelas dan mudah jika dibandingkan dengan model persamaan matematik. Untuk dapat menggambarkan diagram jalur sebuah persamaan secara tepat, perlu diketahui tentang variabel-variabel dalam SEM berserta notasi dan simbol yang berkaitan kemudian hubungan diantara Universitas Indonesia


50

model-model tersebut dituangkan dalam model persamaan struktural dan model pengukuran. 3.5.2 Identifikasi Model Penelitian Sebelum melakukan tahap pendugaan parameter untuk mencari solusi dari persamaan simultan yang mewakili model yang dispesifikasikan, maka pemeriksaan identifikasi dari persamaan simultan tersebut harus diperiksa terlebih dahulu apakah model yang terbentuk berupa model just-identified, underidentified atau over-identified. Identifikasi model penelitian berkaitan dengan degree of freedom (df) yang nilainya dapat diperoleh dari formula berikut:

dimana p = jumlah variabel yang diobservasi (jumlah indikator) k = jumlah parameter yang diestimasi Secara garis besar, terdapat tiga jenis identifikasi model berdasarkan nilai degree of freedom yang mungkin terjadi, yaitu (Wijanto, 2008): 1. Just-identified Model Suatu model dapat dikatakan masuk dalam just-identified jika memiliki nilai degree of freedom sama dengan nol (df = 0) sehingga dianggap sudah teridentifikasi. Model yang sudah teridentifikasi tidak perlu melewati tahapan estimasi dan penilaian model. 2. Under-identified Model Suatu model dikatakan masuk dalam under-identified jika memiliki nilai degree of freedom kurang dari nol atau bernilai negatif (df < 0) sehingga model ini disebut can never be solved. Model seperti ini juga tidak perlu melewati tahapan estimasi dan penilaian model. 3. Over-identified Model Suatu model dikatakan masuk dalam over-identified jika memiliki nilai degree of freedom lebih dari nol atau bernilai positif(df > 0) sehingga model ini dapat dibuktikan kesalahannya. Model seperti ini perlu melewati tahapan estimasi dan Universitas Indonesia


51

penilaian model, sehingga model dengan kategori inilah yang dapat dianalisis dengan menggunakan SEM. 3.5.3 Matriks Input dan Estimasi Parameter Pada SEM pemilihan jenis matriks sebagai input dilakukan berdasarkan tujuan dari analisis yang dilakukan. Walaupun peneliti bebas untuk memilih jenis matriks sebagai input, namun pada penelitian yang bersifat pengujian teoritis, disarankan untuk menggunakan matriks kovarian sebagai input (Hair et al., 2006). Langkah selanjutnya setelah melakukan pemilihan matriks yaitu melakukan teknik estimasi model. Teknik estimasi model merupakan algoritma matematika yang digunakan untuk melakukan estimasi terhadap parameter-parameter pada suatu model penelitian (Santoso, 2007). Sebagian besar program SEM menggunakan pendekatan Maximum Likelihood Estimation (MLE) sebagai teknik estimasi model, karena pendekatan ini di nilai lebih efisien serta tidak bias, terutama pada data yang telah memenuhi kriteria normalitas. Beberapa masalah identifikasi yang sering muncul sehingga model tidak layak di antaranya adalah sebagai berikut (Ferdinand, 2002): a. Program tidak mampu menghasilkan matriks informasi yang seharusnya disajikan, misalnya sampel terlalu sedikit atau iterasi yang dilakukan tidak konvergen. b. Munculnya korelasi yang sangat tinggi antar koefisien estimasi yang didapat (misalnya ≥ 0,9). c. Munculnya angka-angka yang aneh seperti adanya varians error yang negatif. 3.5.4 Evaluasi Estimasi Model Penelitian Jika nilai degree of freedom dari model penelitian bernilai positif, langkah selanjutnya adalah melakukan evaluasi terhadap hasil estimasi model untuk mengetahui apakah model penelitian telah sesuai dengan data yang akan diolah. Evaluasi terhadap hasil estimasi model ini dilakukan agar dapat memenuhi asumsi-asumsi atau syarat-syarat yang harus dipenuhi untuk mengaplikasikan SEM, antara lain: Universitas Indonesia


52



Jumlah Sampel

Menurut Wijanto (2008) jika menggunakan SEM sampel yang dibutuhkan relatif besar, jumlah sampel ideal dalam menggunakan SEM adalah minimal sebanyak lima kali dari jumlah indikator atau pertanyaan yang digunakan. 

Normalitas Data

Data yang akan diolah sebaiknya memiliki distribusi normal agar hasil analisis tidak bias. Salah satu cara untuk menentukan data terdistribusi normal atau tidak yaitu dengan melihat tampilan keluaran rasio skewness dan rasio kurtosis. Skewness merupakan derajat ketidaksimetrisan suatu distribusi, sedangkan kurtosis merupakan derajat keruncingan suatu distribusi. Suatu data dikatakan terdistribusi normal jika memiliki nilai rasio skewness dan nilai rasio kurtosis yang berada diantara -2.58 hingga +2.58 (Santoso, 2012). Jika data yang digunakan dalam analisis tidak terdistribusi normal maka tingkat validitas hasil pengolahannya dapat menjadi kurang baik. Namun ketika ukuran sampel lebih dari 200, penyimpangan dari kenormalan data dapat diabaikan, karena pengaruh dari ketidaknormalan data dapat berkurang seiring dengan bertambahnya ukuran sampel (Hair et al., 2006). 

Outlier

Melihat data outlier dalam penelitian ini menggunakan uji Observations Farthest From The Centroid (Mahalanobis Distance). Mahalanobis distance merupakan jarak sebuah data dari titik pusat tertentu dimana semakin besar nilai mahalanobis distance, maka ada kemungkinan bahwa data tersebut outliers.

Data yang

teridentifikasi sebagai sebuah outlier dapat dihapus, namun penghapusan data harus dilakukan dengan sangat hati-hati, karena data empiris merupakan fakta yang didapat dan mencerminkan hal-hal yang berkaitan dengan riset. Pendapat lain mengatakan bahwa pengujian ini seharusnya tidak perlu dilakukan, terutama pada riset-riset terkait perilaku yang menggunakan skala ordinal (Santoso, 2007). 

Multikolinearitas

Multikolinearitas merupakan suatu keadaan dimana terdapat korelasi yang besar antar indikator pada variabel penelitian. Ada beberapa cara untuk menentukan apakah suatu model memiliki multikolinearitas antara lain dengan melihat nilai Universitas Indonesia


53

korelasi antar indikator. Suatu model dikatakan memiliki gejala multikolinearitas jika terdapat nilai korelasi antar indikator yang ≥0.9 (Santoso, 2000). 

Offending Estimates

Analisis offending estimates dilakukan untuk mengecek apakah terdapat negative error variances. Jika ada negative error variances, maka varian tersebut perlu ditetapkan menjadi 0.01 atau 0.005. 3.5.5 Evaluasi Kelayakan Model Penelitian Terdapat dua tahapan dalam melakukan evaluasi kelayakan model penelitian, yaitu evaluasi terhadap measurement model dan evaluasi terhadap structural model. Evaluasi measurement model akan menguji hubungan antara variabel laten dengan variabel teramati, sedangkan evaluasi structural model akan menguji model struktural aslinya. 3.5.5.1 Evaluasi Measurement Model Evaluasi terhadap measurement model dilakukan untuk mengetahui seberapa baik observed variables atau indikator-indikator yang digunakan dalam mengukur variabel laten yang ada pada model penelitian. Penetapan indikator-indikator yang merefleksikan sebuah variabel laten dilakukan berdasarkan substansi dari studi yang bersangkutan, kemudian model pengukuran akan mengkonfirmasi apakah indikator-indikator tersebut memang merupakan refleksi dari sebuah variabel laten. Analisis pada evaluasi measurement model ini disebut juga sebagai Confirmatory Factor Analysis (CFA). Menurut Wijanto (2008), terdapat tiga cara untuk memperoleh nilai CFA, yaitu : 1. Analisis Validitas Measurement Model Analisis validitas dilakukan dengan memeriksa apakah t-value indikator-indikator dalam model penelitian memiliki nilai ≥ 1.96, dan standardized loading factor (λ) pada indikator-indikator dalam model penelitian memiliki nilai ≥ 0.50. (Ghozali, 2011)



54

2. Analisis Reliabilitas Measurement Model Analisis reliabilitas dilakukan dengan menghitung nilai Construct Reliability (CR) dan Variance Extracted (VE) dari nilai-nilai standardized loading factors dan error variances. Sebuah variabel dikatakan memiliki reliabilitas yang baik jika memiliki nilai CR ≥ 0.70 dan memiliki nilai VE ≥ 0.50. Adapun nilai CR dan VE dapat dihitung dengan menggunakan dua formula berikut (Wijanto, 2008):

dimana: SLF

= standardized loading factor

error = measurement error untuk setiap indikator 3. Uji Kecocokan Measurement Model (Goodness of Fit) Uji kecocokan dilakukan untuk mengevaluasi secara umum goodness of fit antara data dengan model penelitian. Uji ini dilakukan dengan memeriksa nilai dari chisquare, Comparative Fit Index (CFI), Goodness of Fit Index (GFI), Root Mean Square Error of Approximation (RMSEA), Normed Fit Index (NFI), Adjusted Goodness of Fit Index (AGFI), Normed Chi-Square serta beberapa goodness of fit index lainnya, apakah telah memenuhi kriteria ukuran kecocokan yang baik atau tidak. 3.5.5.2 Evaluasi Structural Model Setelah measurement model berhasil divalidasi, tahapan selanjutnya yaitu melakukan evaluasi structural model. Pada dasarnya evaluasi structural model serupa dengan evaluasi measurement model, hanya saja structural model dibuat dengan mengubah susunan yang ada pada measurement model. Ketika suatu model dinyatakan telah sesuai, model tersebut belum tentu merupakan model yang paling sesuai, oleh karena itu perlu dilakukan analisis terhadap model tersebut untuk melihat kecocokan model secara keseluruhan serta analisis terhadap hubungan kausalnya, dengan rincian sebagai berikut. Universitas Indonesia


55

1. Uji kecocokan keseluruhan model Menurut Wijanto (2008) secara umum terdapat tiga kelompok pengukuran dalam uji kecocokan keseluruhan model, yaitu: 

Absolute fit measure. Absolute fit measure merupakan ukuran kecocokan

model secara keseluruhan terhadap matriks korelasi dan matriks kovarian. 

Incremental/relative fit measure. Incremental/relative fit measure merupakan

ukuran kecocokan yang bersifat relatif dan digunakan sebagai pembanding antara model yang diusulkan dengan model dasar yang digunakan oleh peneliti. 

Parsimony fit measure. Parsimony fit measure merupakan ukuran kecocokan

yang mempertimbangkan banyaknya koefisien di dalam model. Pengelompokkan standar ukuran goodness of fit beserta tingkat kecocokannya dapat dilihat pada Tabel 3.4 berikut.

Tabel 3.4 Standar Ukuran dan Tingkat Kecocokan Goodness of Fit Ukuran Goodness of Fit Absolute Fit Measures 1 Chi-square 2 Goodness of Fit Index (GFI) No.

3

4

5

Root Mean Square Residual (RMR) Root Mean Square Error of Approximation (RMSEA) Expected CrossValidation Index (ECVI)

Kriteria Kecocokan Nilai Chi-square semakin kecil semakin baik. Nilai berkisar antara 0–1 nilai lebih tinggi lebih baik. GFI ≥ 0.90 adalah good fit, sedangkan 0.80 ≤ GFI ≤ 0.90 adalah marginal fit. Residual rata-rata antara matriks (korelasi atau kovarian) teramati dan hasil estimasi. Standardized RMR ≤ 0.05 adalah good fit. Rata-rata perbedaan per degree of freedom yang diharapkan terjadi dalam populasi dan bukan dalam sampel. RMSEA ≤ 0.08 adalah good fit sedangkan RMSEA ≤ 0.05 adalah close fit. Digunakan dengan perbandingan antar model. Semakin kecil semakin baik. Pada model tunggal, nilai ECVI dari model yang mendekati nilai saturated ECVI menunjukkan good fit.

Incremental Fit Measures 6 Tucker-Lewis Nilai berkisar antara 0–1, dengan nilai lebih tinggi lebih Index/Non Normed baik. TLI atau NNFI ≥ 0.90 adalah good fit, sedangkan Fit Index 0.80 ≤ TLI ≤ 0.90 adalah marginal fit. (TLI/NNFI)

7

Non Normed Fit Index (NFI)

Nilai berkisar antara 0–1, dengan nilai lebih tinggi lebih baik. NFI ≥ 0.90 adalah good fit, sedangkan 0.80 ≤ NFI ≤ 0.90 adalah marginal fit.



56

Tabel 3.4 Standar Ukuran dan Tingkat Kecocokan Goodness of Fit (lanjutan) No. 8

9

Ukuran Goodness of Fit Adjusted Goodness of Fit Index (AGFI) Relative Fit Index (RFI)

10

Incremental Fit Index (IFI)

11

Comparative Fit Index (CFI)

Kriteria Kecocokan Nilai berkisar antara 0–1, dengan nilai lebih tinggi lebih baik. AGFI ≥ 0.90 adalah good fit, sedangkan 0.80 ≤ AGFI ≤ 0.90 adalah marginal fit. Nilai berkisar antara 0–1, dengan nilai lebih tinggi lebih baik. RFI ≥ 0.90 adalah good fit, sedangkan 0.80 ≤ RFI ≤ 0.90 adalah marginal fit. Nilai berkisar antara 0–1, dengan nilai lebih tinggi lebih baik. IFI ≥ 0.90 adalah good fit, sedangkan 0.80 ≤ IFI ≤ 0.90 adalah marginal fit. Nilai berkisar antara 0–1, dengan nilai lebih tinggi lebih baik. CFI ≥ 0.90 adalah good fit, sedangkan 0.80 ≤ CFI ≤ 0.90 adalah marginal fit.

Parsimony Fit Measures 12

Parsimonious Goodness of Fit (PGFI)

13

Normed Chi-Square

14

Parsimonious Normed Fit Index

Nilai lebih tinggi menunjukkan bahwa parsimoni yang lebih besar. Ukuran ini digunakan untuk perbandingan antar model. Rasio antar chi-square dibagi degree of freedom. Nilai yang disarankan: batas bawah: 1.0 dan batas atas: 2.0. Nilai tinggi menunjukkan kecocokan lebih baik; hanya digunakan untuk perbandingan antar model alternatif.

(Sumber : Wijanto, 2008)

3.6 Interpretasi Model dan Modifikasi Model Langkah terakhir adalah melakukan intrepetasi model dan memodifikasi model bagi model–model yang tidak memenuhi syarat hasil pengujian yang dilakukan. Hair et al.(2006) memberikan pedoman untuk mempertimbangkan perlu tidaknya sebuah model dimodifikasi yaitu dengan melihat jumlah residual yang dihasilkan oleh model.



BAB IV DESKRIPSI ORGANISASI

Bab ini akan membahas organisasi dimana penelitian dilakukan. Pembahasan akan mencakup profil organisasi, visi, misi dan tujuan organisasi serta struktur organisasi. 4.1 Profil Organisasi STMIK GI MDP berawal dari lembaga kursus yang berorientasi khusus memberikan pelatihan/kursus dari berbagai program aplikasi komputer, MDP didirikan pada tanggal 1 Juli 1987 di Kota Palembang, dan bertempat di Jalan Rupit No. 20. Seiring berkembangnya teknologi dan juga melihat peluang akan kebutuhan tenaga kerja yang mengharuskan terampil di bidang komputer dan untuk lebih meningkatkan pelayanan, maka pada tanggal 5 Juli 2001 dikeluarkan Surat Keputusan Direktorat Pendidikan Tinggi Departemen Pendidikan No. 60/D/O/2001 mengenai pendirian STMIK GI MDP ( Sekolah Tinggi Manajemen Informatika dan Komputer Global Informatika Multi Data Palembang). Saat ini STMIK GI MDP beralamat di Jalan Rajawali No. 14 Palembang. STMIK GI MDP memiliki beberapa program studi, diantaranya : Teknik Informatika(S1), Sistem Informasi(S1), Komputerisasi Akutansi(D3), dan AMIK MDP memiliki jurusan Teknik Komputer(D3), Manajemen Informatika(D3). Kemudian sebagai melihat respon terhadap kebutuhan wirausahawan dan perkembangan bisnis di Kota Palembang yang cukup meningkat, Yayasan Multi Data Palembang (MDP) berkeinginan mendirikan sekolah bisnis yang mampu mencetak para wirausahawan muda dan profesionalis di bidang bisnis. Untuk mewujudkan keinginan tersebut, Yayasan MDP juga mendirikan STIE MDP (MDP Business School) berdasarkan Surat Keputusan Menteri Pendidikan Nasional Republik Indonesia Nomor 197/D/O/2008 padatanggal 18 September 2008. STIE MDP (MDP Business School) menyelenggarakan pendidikan tinggi dengan tiga program studi, yaitu Program Studi Manajemen (S1), Akuntansi (S1), dan Akuntansi (D3). Saat ini STMIK GI MDP, AMIK MDP dan STIE MDP 57



58

masih berada dalam gedung yang sama. Adapun fasilitas yang disediakan oleh STMIK GI MDP untuk menunjang kegiatan perkuliahan adalah sebagai berikut: a) Ruangan kelas, yang terdiri dari 2 jenis ruangan 24 ruangan kelas dan 6 ruangan laboratorium untuk praktikum, 1 ruangan laboratorium praktikum iMac yang digunakan untuk mata kuliah seperti Multimedia dan iOS Programming, 1 ruangan laboratorium jaringan/robotika dan 1 laboratorium fisika/elektronika dasar. Setiap ruangan dilengkapi oleh LCD Projector, Smart Board/Star Board, dan pendingin udara. Selain itu juga setiap ruangan kelas dilengkapi dengan satu buah unit komputer dan akses internet untuk menunjang sistem perkuliahan dan aplikasi absensi yang dapat digunakan oleh dosen. b) Perpustakaan, STMIK GI MDP, AMIK MDP dan STIE MDP memiliki perpustakaan yang berada di lantai 2. Perpustakaan yang banyak dikunjungi oleh dosen dan mahasiswa ini di samping menyediakan buku-buku bacaan, juga menyediakan beberapa unit komputer yang dapatdigunakan untuk mengakses informasi dari internet, meja diskusi untuk mahasiswa yang ingin membaca atau berdiskusi serta juga menyediakan satu buah komputer yang dapat digunakan oleh mahasiswaa tau dosen dalam melakukan pencarian buku. c) Auditorium, terletak di lantai 5 gedung yang biasanya digunakan untuk acaraacara yang diselenggarakan oleh STMIK GI MDP, AMIK MDP dan STIE MDP atau pihak luar yang digunakan untuk rapat, seminar, workshop, dll. d) Internet Corner STMIK GI MDP, AMIK MDP dan STIE MDP menyediakan internet corner yang dapat digunakan mahasiswa untuk mengakses internet. Internet corner ini berada pada lantai 1, lantai 3 dan lantai 4 gedung. Dan dimana pada lantai 3 dan 4 masing-masing tersedia 4 buah komputer. e) Mesin SIAM SIAM adalah singkatan dari Sistem Informasi Akademik Mahasiswa. SIAM adalah media elektronik yang terletak di Lantai 1 STMIK GI MDP, AMIK MDP dan STIE MDP. SIAM disediakan untuk membantu dalam beberapa aktivitas mahasiswa seperti melihat dan mencetak jadwal perkuliahan, melihat data umum dan jadwal mengajar dosen per hari,

melihat persentase kehadiran,

melihat serta dapat melakukan pencetakan transkrip nilai. Universitas Indonesia


59

f) SIMPONI SIMPONI merupakan singkatan dari Sistem Pembelajaran Online dan Interaktif. SIMPONI merupakan suatu system aplikasi berbasis web yang dapat digunakan oleh dosen dan mahasiswa yang berstatus aktif dalam membantu proses belajar mengajar. Setiap mahasiswa dan dosen memiliki username yang berbeda beda dengan memasukkan NPM/kode dosen serta password yang benar, mahasiswa atau dosen dapat menggunakan SIMPONI. 4.2 Kegiatan Utama Organisasi Kegiatan utama bisnis dari STMIK GI MDP adalah di bidang pendidikan dengan tujuan meningkatkan kualitas masyarakat dengan cara menghasilkan lulusan yang bermutu, mengembangkan ilmu dan teknologi khususnya Teknologi Informasi dan Komunikasi serta mampu menyelesaikan persoalan-persoalan yang muncul di tengah masyarakat dan dapat membentuk Sumber Daya Manusia yang kreatif dan inovatif serta turut berpartisipasi secara nyata dalam upaya mencerdaskan kehidupan bangsa. Proses Bisnis Utama di STMIK GI, AMIK dan STIE MDP dimulai dari Proses Penerimaan Calon Mahasiswa Baru, calon mahasiswa baru ini harus melakukan proses registrasi yang berkaitan dengan proses akademis dan keuangan serta pengadaan sarana dan fasilitas setelah registrasi selesai mahasiswa tersebut mengikuti kuliah, ujian, dan setelah itu wisuda. Pelanggan dari STMIK GI MDP adalah calon mahasiswa baru, orang tua, dunia usaha, dan pemerintah. Gambar proses bisnis tersebut dapat di lihat pada Gambar 4.1.



60

AUDIT EKSTERNAL

P E

P E PERANCANGAN / PENGEMBANGAN KURIKULUM

A

G

AUDIT MUTU INTERNAL

PEMBENTUKAN PROG STUDI

L

N

RAPAT TINJAUAN MANAJEMEN

RAPAT PIMPINAN

EVALUASI DOSEN DAN KARYAWAN

PELATIHAN DOSEN / KARYAWAN

L A N

PENERIMAAN DOSEN/KARYAWAN

G G

G PMB

A

REGISTRASI

PERKULIAHAN

UJIAN

WISUDA

A N

N

PENJADWALAN KULIAH

PENGADAAN SARANA/ FASILITAS

PEMELIHARAAN SARANA/ FASILITAS

EVALUASI SUPLIER / SUBKONTRAKTO R

PEMASARAN DAN KERJASAMA EKSTERNAL

Gambar 4.1 Proses Bisnis MDP (Sumber: Badan Penjaminan Mutu MDP, 2013)

Selain dibidang akademis, STMIK GI MDP, AMIK dan STIE MDP juga membantu dan memfasilitasi mahasiswa untuk mengembangkan kompetensi mahasiswa dalam UKM(Unit KegiatanMahasiswa). Beberapa UKM yang ada di STMIK GI, AMIK, dan STIE MDP yang diantaranya adalah: Band, Basket, Bulu Tangkis, Cheerleader, Fotografi, Futsal, Jurnalistik, KOSMA(Komunitas Sosial Mahasiswa), Mapala(Mahasiswa Pecinta Alam), Marching Band, MDP Android Community, Modern Dance, M2K(Muda Mudi Katolik), Paduan Suara, Parkour,

Permadis(Perkumpulan

Mahasiswa

Budhist),

PMK(Persatuan

Mahasiswa Kristen), Polo Air, Public Speaking, Robotik, Rohis(Rohani Islam), Sepak Bola, Tari Tradisional, Taekwondo, Teater Topeng. (Sumber: www. mdp.ac.id).



61

4.3 Visi dan Misi Organisasi 4.3.1 Visi dan Misi STMIK GI MDP & AMIK MDP Kemajuan

teknologi

terutama

teknologi

informasi

dan

komunikasi,

mengakibatkan arus informasi mengalir secara bebas. Batas antar negara menjadi kurang atau bahkan tidak berpengaruh terhadap aliran informasi dari segala arah. Akibatnya muncul perubahan-perubahan yang bersifat dinamis pada masyarakat. Eksistensi sebuah perguruan tinggi ditentukan oleh usaha cerdas yang dilakukan dalam mengantisipasi perubahan-perubahan yang terjadi. Sebagai perguruan tinggi komputer, STMIK GI MDP telah mempersiapkan tuntunan dasar dalam memandang dan meraih masa depan dalam bentuk visi: Menjadi Perguruan Tinggi Berbasis Teknologi Informasi yang Unggul di Indonesia. Sebagai salah satu perguruan tinggi, STMIK GI MDP mempunyai tanggung jawab untuk meningkatkan

kemampuan

pendidikan

dan

pengajaran,

penelitian

dan

pengembangan, serta pengabdian kepada masyarakat. Sebagai wujud tanggung jawab tersebut diatas dan untuk mendukung visi yang telah ditetapkan, pihak STMIK GI MDP menyusun sebuah misi: Menyelenggarakan proses belajar dan penelitian untuk mendukung pengembangan ilmu pengetahuan dan teknologi yang bermanfaat bagi masyarakat. Tujuan STMIK GI MDP adalah 1. Menghasilkan lulusan yang mempunyai kemampuan akademik yang tinggi, berbudi luhur dan berjiwa wirausaha. 2. Menghasilkan penelitian yang bermutu, sebagai dasar untuk pengembangan ilmu dan teknologi. 3. Menerapkan teknologi informasi dan komunikasi untuk kepentingan masyarakat. 4.3.2 Visi dan Misi STIE MDP Visi STIE MDP adalah Menjadi perguruan tinggi terbaik di Indonesia tahun 2020 yang memiliki komitmen tinggi dalam pengembangan ilmu manajemen, bisnis, dan akuntansi yang berbasis teknologi informasi, serta menghasilkan lulusan Universitas Indonesia


62

cerdas, terampil, bermoral, dan berwawasan global. Kemudian STIE MDP mempunyai misi Menjalankan Tridarma Perguruan Tinggi dalam meningkatkan sumber daya manusia, untuk itu beberapa tujuan telah ditetapkan, yaitu: 1. Memberikan

pendidikan

yang

berkualitas

kepada

mahasiswa

dalam

mempersiapkan diri memasuki dunia bisnis maupun menghadapi persaingan di pasar kerja baik nasional maupun internasional. 2. Melakukan pengembangan pendidikan dan profesi bagi tenaga pengajar dan staff pendukung. 3. Melakukan

penelitian

secara

terprogram

dan

teratur

dalam

rangka

mengembangkan ilmu manajemen, bisnis, dan akuntansi serta kontribusinya dalam bidang bisnis dan pengembangan ekonomi masyarakat. 4. Melakukan kegiatan pengabdian kepada masyarakat dengan menerapkan ilmu manajemen, bisnis, dan akuntansi sebagai bentuk kontribusi terhadap pemberdayaan ekonomi masyarakat. 4.4 Struktur Organisasi STMIK GI MDP dan AMIK MDP di pimpin oleh Ketua yang bertanggung jawab langsung kepada Yayasan MDP. Dalam pelaksanaan operasionalnya, Ketua dibantu oleh Pembantu Ketua 1, Pembantu Ketua 2 dan Pembantu Ketua 3. Kemudian pada Middle Level terdapat 1 orang bagian Staff Khusus Ketua Bidang Pengembangan Sumber Daya Manusia, Badan Penjaminan Mutu, Lembaga Penelitian dan Pengabdian Kepada Masyarakat dan kepala program studi untuk masing-masing program studi. Dan pada low level terdapat bagian Administrasi Akademik, Administrasi Umum, Administrasi Keuangan, Komunikasi dan Pemasaran, UPT Perpustakaan, UPT Sistem Informasi, UPT Sarana Prasarana, UPT Multimedia, Dosen-dosen, Kepala Laboratorium Robotika dan Jaringan, Kepala Elektronika dan Fisika Dasar. Struktur Organisasi di STMIK GI, AMIK dan STIE MDP dapat dilihat pada Gambar 4.2.



63

Gambar 4.2 Struktur Organisasi STMIK GI MDP, AMIK dan STIE MDP (Sumber: Badan Penjaminan Mutu MDP, 2013)



BAB V ANALISIS DAN PEMBAHASAN

Pada bab ini akan berisi penjelasan mengenai profil responden, deskripsi jawaban responden, proses analisis data yang dilakukan dengan menggunakan SEM, dan proses pengujian hipotesis dari penelitian ini. 5.1 Gambaran Umum Responden Responden dalam penelitian ini mahasiswa aktif STMIK GI MDP, AMIK dan STIE MDP dari berbagai program studi. Dari 479 kuesioner yang dibagikan ke mahasiswa, semua kuesioner dianggap layak uji karena kuesioner diisi secara lengkap. Profil responden dalam penelitian ini diklasifikasikan berdasarkan umur, jenis kelamin, angkatan, program studi yang diambil, lama penggunaan SIMPONI, indeks prestasi kumulatif mahasiswa, frekuensi penggunaan SIMPONI serta jenis konten yang paling sering diakses di SIMPONI. 5.1.1 Jenis Kelamin Responden dalam penelitian ini, terdiri dari 318 responden mahasiwa laki-laki atau sebanyak 66% responden, dan 161 responden mahasiswa perempuan atau sebanyak 34% dapat dilihat pada Gambar 5.1.

Jenis Kelamin 161 34%

318 66%

Laki-laki Perempuan

Gambar 5.1 Data Jenis Kelamin Responden

64



65

5.1.2 Angkatan Mahasiswa responden penelitian ini berasal dari berbagai angkatan.Berdasarkan Gambar 5.2 dibawah ini, terlihat bahwa responden yang berasal dari semester 3 sebanyak 122 mahasiswa atau sebesar 25%. Kemudian responden terbanyak berasal dari mahasiswa semester 5 yaitu sebanyak 242 mahasiwa atau sebesar 51%. Kemudian mahasiswa angkatan semester 7 sebanyak 73 mahasiswa atau sebesar 15%, responden semester 9 sejumlah 34 orang atau sebesar 7%. Sedangkan responden sisanya yaitu sebanyak 8 responden atau sebesar 2% berasal dari angkatan diatas semester 9.

Semester 34 7%

8 2% 122 25%

73 15%

Semester 3 Semester 5 Semester 7

242 51%

Semester 9 Semester >9

Gambar 5.2 Semester Angkatan Responden 5.1.3 Program Studi Mahasiswa responden pada penelitian ini berasal dari berbagai jenis program studi, mayoritas reponden penelitian ini merupakan mahasiswa yang berasal dari program studi Sistem Informasi, yaitu berjumlah 176 responden atau sebesar 37%. Mahasiswa dari program studi Teknik Informatika menempati urutan kedua dengan jumlah sebesar 137 responden atausebesar 28%. Responden terbanyak berikutnya berasal dari program studi Manajemen(S1) STIE MDP yaitu sebesar 69 responden atau sekitar 14%, dan diikuti dengan responden dari program studi Akuntansi(S1) yang berjumlah 51 responden atau 11%, kemudian program studi Universitas Indonesia


66

Manajemen Informatika berjumlah 25 responden atau sekitar 5%, dan 10 responden dari program studi Teknik Komputer atau 2%, 8 responden dari program studi Komputerisasi Akuntansi atau sebesar 2%, kemudian yang terakhir 3 responden dari program Studi Akuntansi(D3) atau sebesar 1%. Seperti yang terlihat pada Gambar 5.3.

Gambar 5.3 Data Program Studi Responden 5.1.4 Indeks Prestasi Kumulatif Berdasarkan indeks prestasi kumulatif(IPK) responden, responden terbesar pada penelitian memiliki IPK ≥ 2.00 dan < 3.00 sebanyak 257 responden atau 54% dari total responden,responden terbesar kedua IPK responden yang ≥ 3.00 ada sebanyak 189 responden, kemudian responden yang memiliki IPK ≥ 1.00 dan < 2.00 sebanyak 32 responden atau sebesar 7%, dan hanya ada 1 responden yang IPKnya dibawah <1.00 seperti yang dapat dilihat pada Gambar 5.4.



67

Indeks Prestasi Kumulatif 1 0%

32 7%

189 39%

<1.00 ≥ 1.00 dan < 2.00 257 54%

≥ 2.00 dan < 3.00

≥ 3.00

Gambar 5.4 Indeks Prestasi Kumulatif Responden 5.1.5 Frekuensi Penggunaan SIMPONI Berdasarkan frekuensi penggunaannya, responden yang mengisi kadang-kadang (sekitar 2-3 kali seminggu) menggunakan SIMPONI merupakan mayoritas, yaitu sebesar 201 responden atau sebesar 42%, seperti yang terlihat pada Gambar 5.5. Mayoritas responden kedua berasal dari kategori responden yang sering mengakses SIMPONI (sekitar 4-6 kali seminggu), yaitu berjumlah 170 responden atau sekitar 36%, dan kemudian responden yang setiap hari menggunakan SIMPONI ada 63 responden atau sebesar 13%. Sedangkan responden yang jarang(1-2 kali seminggu) menggunakan SIMPONI hanya berjumlah 45 responden atau sekitar 9%.



68

Frekuensi Penggunaan SIMPONI 63 45 13% 9%

Jarang(sekitar 1kali seminggu) Kadang(2-3kali seminggu)

170 36%

201 42%

Sering(4-6kali seminggu) Setiap Hari

Gambar 5.5 Frekuensi Penggunaan SIMPONI Sedangkan data deskriptif dari responden meliputi jenis kelamin, semester, program studi, indeks prestasi kumulatif dari hasil penyebaran kuesioner kepada responden ditampilkan dalam Tabel 5.1. Tabel 5.1 Data Deskriptif Responden Demografi Jenis Kelamin Semester

Program Studi

Indeks Prestasi Kumulatif

Keterangan Perempuan Laki-laki Semester 3 Semester 5 Semester 7 Semester 9 Semester >9 Teknik Informatika Sistem Informasi Komputerisasi Akuntansi Manajemen Informatika Teknik Komputer Akuntansi(S1) Manajemen(S1) Akuntansi(D3) < 1.00 ≥ 1.00 dan < 2.00 ≥ 2.00 dan < 3.00 ≥ 3.00

Jumlah

Persentase

161 318 122 242 73 34 8 137 176 8 25 10 51 69 3 1 32 257 189

34% 66% 25% 51% 15% 7% 2% 28% 37% 2% 5% 2% 11% 14% 1% 0% 7% 54% 39% Universitas Indonesia


69

Tabel 5.1 Data Deskriptif Responden(lanjutan) Demografi Frekuensi Penggunaan SIMPONI

Keterangan Setiap Hari Sering Kadang-kadang Jarang

Jumlah 63 170 201 45

Persentase 13% 36% 42% 9%

Berdasarkan hasil jawaban kuesioner terhadap 479 responden, diperoleh deskripsi jawaban pada subbab ini akan menjelaskan bagaimana modus dan median dari jawaban responden berkaitan dengan indikator-indikator pada variabel dari hasil penyebaran kuesioner yang dapat dilihat pada Tabel 5.2. Tabel 5.2 Nilai Modus dan Median untuk Tiap Indikator Variabel Laten Interaction Student Content

Interaction Student-Student

Interaction Student-Lecture

Student Self Efficacy

Student Self Motivation

Variabel Indikator ISC1 ISC2 ISC3 ISS1 ISS2 ISS3 ISS4 ISS5 ISL1 ISL2 ISL3 ISL4 ISL5 ISL6 ISL7 SSE1 SSE2 SSE3 SSM1 SSM2 SSM3 SSM4

Modus

Median

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

4 4 4 3 3 3 3 3 3 3 3 3 4 4 4 3 4 4 5 4 4 4 Universitas Indonesia


70

Tabel 5.2 Nilai Modus dan Median untuk Tiap Indikator(lanjutan) Variabel Laten Curricullum Program

Course Design

Lecture Expertise

Variabel Indikator CP1 CP2 CP3 CP4 CP5 CP6 CD1 CD2 CD3 CD4 CD5 CD6 CD7 LE1 LE2 LE3

Modus

Median

4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4

4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4

5.2 Proses dan Hasil Analisis Data Proses analisis data yang digunakan dalam penelitian ini mengikuti 7 langkah dari Structural Equation Model (SEM), sebagaimana yang dijelaskan oleh Ferdinand (2005) sebagai berikut : 5.2.1 Pengembangan Model Berdasarkan Teori Model dalam penelitian ini dikembangkan dengan berpedoman pada kajian teori yang memadai sebagaimana dan telah diuraikan pada bab II dan dirangkum menjadi Theoritical Framework. Model penelitian ini menggambarkan hubungan kausal antara variabel Interaction Student-Content, variabel Interaction StudentStudent, variabel Interaction Student-Lecture, variabel Student Self-Efficacy, variabel Student Self-Motivation, variabel Curicullum Program, variabel Course Design dan variabel Lecture Expertise terhadap prestasi belajar mahasiswa (Student’s Achievement). Universitas Indonesia


71

5.2.2 Pembuatan Path Diagram (Diagram Jalur) Setelah membuat model atau Theoritical Framework kemudian tahap selanjutnya adalah membuat path diagram berdasarkan model tersebut. Adapun path diagram pada model penelitian ini dapat dilihat pada Gambar 5.6 berikut.

Gambar 5.6 Diagram Model Penelitian



72

5.2.3 Pemilihan Matriks Input dan Teknik Estimasi Model Matriks input pada penelitian ini berupa matriks kovarian yang terdiri dari nilai kovarian antara seluruh indikator pada setiap variabel. Pada AMOS, nilai matriks kovarian ini dapat dihitung dari raw data yang dimasukkan sebagai input dalam bentuk excel. Untuk teknik estimasi model, penelitian ini menggunakan pendekatan Maximum Likehood Estimation yang terdapat pada menu AMOS. Penggunaan MLE dinilai lebih efisien serta tidak bias, terutama untuk penelitian dengan jumlah responden yang tergolong besar, sesuai dengan penelitian ini yang memiliki jumlah responden besar yaitu sejumlah 479 responden. 5.2.3.1 Persamaan Struktural dan Model Pengukuran

Persamaan-persamaan structural dan model pengukuran yang didapat dari path diagram dapat dijabarkan sebagai berikut. 

Persamaan Struktural

Dalam penelitian ini, persamaan strukturalnya adalah sebagai berikut. SA = γ1.ISC + γ2.ISS + γ3.ISL + γ4.SSE + γ5.SSM + γ6.CP + γ7.CD + γ8.LE + ζ1 Keterangan : SA = Student’s Achievement ISC = Interaction Student-Content ISS = Interaction Student-Student ISL = Interaction Student-Lecture SSE = Student Self-Efficacy SSM = Student Self-Motivation CP = Curricullum Program CD = Course Design LE = Lecture Expertise γ1, γ2, γ3, γ4, γ5, γ6, γ7, γ8 = Koefisien regresi antara variabel eksogen dengan variabel endogen. ζ1 = Error atau nilai residual regresi.  Model Pengukuran Kemudian model pengukuran dalam penelitian ini adalah sebagai berikut Universitas Indonesia


73

(a) Model Pengukuran pada Variabel Interaction Student-Content ISC1 = λ1.ISC + δ1 ISC2 = λ2.ISC + δ2 ISC3 = λ3.ISC + δ3 Keterangan : ISC = Interaction Student-Content ISC1 = Materi dan informasi yang ada pada SIMPONI mudah untuk dipahami. ISC2 = Materi dan informasi yang ada pada dalam SIMPONI dapat membantu meningkatkan prestasi belajar saya. ISC3 = Tidak mengalami kendala teknis saat mengunduh materi di SIMPONI. λ1, λ2, λ3 = Nilai factor loading dari indikator ke konstruk laten ISC. δ1, δ2, δ3 = Error indikator untuk variabel eksogen ISC.

Gambar 5.7 Measurement Model Variabel Interaction Student-Content (b) Model Pengukuran pada Variabel Interaction Student-Student ISS1 = λ4.ISS + δ4 ISS2 = λ5.ISS + δ5 ISS3 = λ6.ISS + δ6 ISS4 = λ7.ISS + δ7 ISS5 = λ8.ISS + δ8 Keterangan : ISS

=

Interaction Student-Student

ISS1

=

Bertukar informasi dengan mudah dan cepat dengan mahasiswa lain melalui forum yang ada di SIMPONI.

ISS2

=

Forum yang ada dalam SIMPONI memfasilitasi saya untuk berteman dengan mahasiswa lain.



74

ISS3

=

Mahasiswa lain selalu menanggapi pertanyaan-pertanyaan terkait materi pembelajaran yang saya ajukan pada SIMPONI.

ISS4

=

Dengan adanya SIMPONI kualitas interaksi saya dengan mahasiswa lain meningkat.

ISS5

=

Dengan adanya SIMPONI jumlah intensitas interaksi saya dengan mahasiswa lain meningkat.

λ4, λ5, λ6, λ7, λ8= Nilai factor loading dari indikator ke konstruk laten ISS. δ4, δ5, δ6, δ7, δ8 = Error indikator untuk variabel eksogen ISS.

Gambar 5.8 Measurement Model Variabel Interaction Student-Student (c) Model Pengukuran Pada Variabel Interaction Student-Lecture ISL1 = λ9.ISL+ δ9 ISL2 = λ10.ISL + δ10 ISL3 = λ11.ISL + δ11 ISL4 = λ12.ISL + δ12 ISL5 = λ13.ISL + δ13 ISL6 = λ14.ISL + δ14 ISL7 = λ15.ISL + δ15 Keterangan : ISL

=

Interaction Student-Lecture

ISL1

=

Ketika saya membutuhkan saran atau masukan dari dosen, saya dapat mudah berkomunikasi melalui SIMPONI.

ISL2

=

Dosen saya memberikan balasan yang cepat dari pertanyaan yang saya ajukan dalam SIMPONI.

ISL3

=

Saya merasa dengan adanya SIMPONI kualitas interaksi saya dengan dosen meningkat.

ISL4

=

Interaksi belajar saya dengan dosen melalui SIMPONI sangat Universitas Indonesia


75

membantu saya dalam pencapaian belajar saya. ISL5

=

Dosen selalu mendukung dan membimbing saya berkaitan dengan proses belajar saya.

ISL6

=

Dosen selalu memberikan cara terbaik untuk mengajari saya sehingga saya bisa mendapatkan nilai bagus.

ISL7

=

Dosen selalu dapat memberikan respon yang cepat terhadap kesulitan-kesulitan yang saya hadapi dalam belajar.

λ9, λ10, λ11, λ12, λ13, λ14, λ15 = Nilai factor loading dari indikator ke konstruk laten ISL. δ9, δ10, δ11, δ12, δ13, δ14, δ15 = Error indikator untuk variabel eksogen ISL.

Gambar 5.9 Measurement Model Variabel Interaction Student-Lecture (d) Model Pengukuran Pada Variabel Student Self-Efficacy SSE1 = λ16.SSE + δ16 SSE2 = λ17.SSE + δ17 SSE3 = λ18.SSE + δ18 Keterangan : SSE

=

SSE1 =

Student Self-Efficacy Percaya diri dalam menggunakan SIMPONI sebagai media sharing atau diskusi dalam proses pembelajaran.

SSE2 =

Percaya diri dalam menggunakan SIMPONI sebagai media evaluasi belajar secara online.

SSE3 =

Percaya diri dalam mengoperasikan fitur-fitur dari SIMPONI yang saya gunakan.

λ16, λ17, λ18 = Nilai factor loading dari indikator ke konstruk laten SSE. Universitas Indonesia


76

δ16, δ17, δ18 = Error indikator untuk variabel eksogen SSE.

Gambar 5.10 Measurement Model Variabel Student Self-Efficacy (e) Model Pengukuran Pada Variabel Student Self-Motivation SSM1 = λ19.SSM + δ19 SSM2 = λ20.SSM + δ20 SSM3 = λ21.SSM + δ21 SSM4 = λ22.SSM + δ22 Keterangan : SSM

=

Student Self-Motivation

SSM1

=

Dapat memutuskan kapan dan dimana saya menggunakan dan mengakses SIMPONI. (Misalnya, di kampus atau di rumah)

SSM2

=

Sulit untuk memotivasi diri sendiri untuk menggunakan SIMPONI.

SSM3 SSM4

=

SIMPONI telah membantu meningkatkan motivasi belajar saya. Termotivasi untuk berusaha mendapatkan nilai yang bagus.

λ19, λ20, λ21, λ22 = Nilai factor loading dari indikator ke konstruk laten SSM. δ19, δ20, δ21, δ22= Error indikator untuk variabel eksogen SSM.

Gambar 5.11 Measurement Model Variabel Student Self-Motivation (f) Model Pengukuran Pada Variabel Curricullum Program CP1 = λ23.CP + δ23 CP2 = λ24.CP + δ24 CP3 = λ25.CP + δ25 CP4 = λ26.CP + δ26 CP5 = λ27.CP + δ27 Universitas Indonesia


77

CP6 = λ28.CP + δ28 Keterangan : CP

=

Curricullum Program

CP1

=

Konten yang ada di SIMPONI selalu relevan dan up to date.

CP2

=

Materi-materi yang ada pada SIMPONI dikemas dalam bentuk file yang memudahkan saya untuk mengaksesnya.

CP3

=

Materi-materi dalam beberapa mata kuliah sesuai dengan pembelajaran berbasis online.

CP4

=

Saya merasa mata kuliah yang ada di kurikulum sudah sesuai dengan kompetensi saya.

CP5

=

Mata kuliah di kurikulum yang saya pelajari mendukung pencapaian hasil belajar saya.

CP6

=

Mata kuliah pada kurikulum yang ada saat ini sesuai dan dapat dipraktekkan.

λ23, λ24, λ25, λ26, λ27, λ28 = Nilai factor loading dari indikator ke konstruk laten CP. δ23, δ24, δ25, δ26, δ27, δ28 = Error indikator untuk variabel eksogen CP.

Gambar 5.12 Measurement Model Variabel Curricullum Program (g) Model Pengukuran Pada Variabel Course Design CD1 = λ29.CD + δ29 CD2 = λ30.CD + δ30 CD3 = λ31.CD + δ31 CD4 = λ32.CD + δ32 CD5 = λ33.CD + δ33 CD6 = λ34.CD + δ34 Universitas Indonesia


78

CD7 = λ35.CD + δ35 Keterangan : CD

= Course Design

CD1

= Ada keterkaitan antar satu mata kuliah dengan mata kuliah lain yang ada di kurikulum.

CD2

= Struktur desain mata kuliah sudah jelas dan terorganisir.

CD3

= Desain media pembelajaran dan teknologi yang digunakan kampus sudah memadai.

CD4

= Desain mata kuliah yang sudah ada saat ini sudah membantu pengembangan kompetensi diri saya.

CD5

= Desain mata kuliah yang ada saat ini relevan dengan waktu sekarang dan mengikuti perkembangan teknologi.

CD6

= Materi/konten online dan yang ada di SIMPONI sudah memadai.

CD7

= Teknologi dan platform yang digunakan saat ini membantu saya dalam proses belajar mengajar.

λ29, λ30, λ31, λ32, λ33, λ34, λ35 = Nilai factor loading dari indikator ke konstruk laten CD. δ29, δ30, δ31, δ32, δ33, δ34, δ35 = Error indikator untuk variabel eksogen CD.

Gambar 5.13 Measurement Model Variabel Course Design (h) Model Pengukuran Pada Variabel Lecture Expertise LE1 = λ36.LE + δ36 LE2 = λ37.LE + δ37 LE3 = λ38.LE + δ38 Keterangan : LE

=

Lecture Expertise Universitas Indonesia


79

LE1

=

Dosen pengajar memiliki tingkat keahlian yang tinggi dalam menggunakan SIMPONI.

LE2

=

Dosen pengajar saya sangat berkompetensi pada bidang matakuliah yang diampu.

LE3

=

Dosen peduli dan memberikan saran yang berkaitan dengan pencapaian belajar saya.

λ36, λ37, λ38 = Nilai factor loading dari indikator ke konstruk laten LE. δ36, δ37, δ38 = Error indikator untuk variabel eksogen LE.

Gambar 5.14 Measurement Model Variabel Lecture Expertise 5.2.4 Identifikasi Model Penelitian Identifikasi model penelitian dilakukan dengan melihat nilai dari degree of freedom (df). Pada penelitian ini, nilai df yang ditunjukkan oleh output AMOS 22 yaitu sebesar 705 seperti yang dapat dilihat pada Gambar 5.15.

Gambar 5.15 Tampilan Degree of fredoom Nilai df juga dapat dilihat dari perhitungan dengan formula berikut. df = ½[(p).(p+1)] – k = ½[(40).(40+1)]-115 = ½[1640]-115 = 705 Terlihat bahwa nilai df pada model penelitian ini bernilai lebih dari nol atau bernilai positif, sehingga model ini masuk ke dalam kategori over-identified yang berarti memenuhi syarat untuk dapat dianalisis dengan menggunakan SEM. Universitas Indonesia


80

5.2.5 Evaluasi Estimasi Model Penelitian Pada penelitian ini, dilakukan evaluasi terhadap hasil estimasi model agar dapat memenuhi asumsi-asumsi atau syarat-syarat yang harus dipenuhi dalam mengaplikasikan SEM, yaitu : 5.2.5.1 Jumlah sampel Jumlah sampel minimal yang dianjurkan dalam penggunaan SEM yaitu 100. Pada penelitian ini menggunakan rumus Slovin untuk menetapkan jumlah sampel dan dari perhitungan rumus Slovin, peneliti mengambil 479 sampel. 5.2.5.2 Normalitas Data Uji normalitas pada penelitian ini menggunakan rasio skewness dan rasio kurtosis pada nilai residual. Menurut Santoso (2012) dalam penelitiannya terkait uji normalitas secara deskriptif, suatu data dikatakan terdistribusi normal jika memiliki rasio skewness atau rasio kurtosis dari residual berada diantara -2.58 hingga +2.58. Besar rasio skewness diperoleh dari nilai skewness dibagi dengan nilai standar error skewness, sedangkan rasio kurtosis diperoleh dari nilai kurtosis dibagi dengan nilai standar error kurtosis. Hasil uji normalitas secara deskriptif pada penelitian ini dapat dilihat pada Tabel 5.3. Tabel 5.3 Hasil Uji Normalitas secara Deskriptif Assessment of normality (Group number 1)

Variable ISC1 SA ISL7 ISL6 ISL5 LE1 LE2 LE3 CD1 CD2 CD3 CD4 CD5 CD6 CD7

Min 2.000 .800 2.000 2.000 2.000 2.000 2.000 2.000 2.000 2.000 2.000 2.000 2.000 2.000 2.000

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

skew -.092 -.317 -.125 -.041 -.157 .220 -.028 .100 -.113 -.293 -.316 -.127 -.178 -.114 .065

c.r. kurtosis c.r. -.719 -.007 -.028 -2.479 .508 1.989 -.980 -.304 -1.191 -.322 -.384 -1.503 -1.229 -.225 -.883 1.720 -.706 -2.765 -.221 -.425 -1.663 .780 -.689 -2.700 -.886 -.136 -.532 -2.297 .126 .495 -2.473 -.171 -.671 -.993 -.100 -.390 -1.395 -.157 -.615 -.889 -.285 -1.116 .511 -.374 -1.463 Universitas Indonesia


81

Variable CP1 CP2 CP3 CP4 CP5 CP6 SSM1 SSM2 SSM3 SSM4 SSE1 SSE2 SSE3 ISL1 ISL2 ISL3 ISL4 ISS1 ISS2 ISS3 ISS4 ISS5 ISC2 ISC3

Min 2.000 2.000 2.000 2.000 2.000 2.000 2.000 2.000 2.000 2.000 1.000 2.000 2.000 2.000 1.000 2.000 2.000 2.000 2.000 2.000 2.000 2.000 2.000 2.000

max 5.000 5.000 5.000 5.000 5.000 5.000 5.000 5.000 5.000 5.000 5.000 5.000 5.000 5.000 5.000 5.000 5.000 5.000 5.000 5.000 5.000 5.000 5.000 5.000

skew -.145 -.249 -.034 .292 .202 .055 -.290 -.289 -.329 -.381 -.028 -.172 -.212 .147 .068 .178 -.019 -.107 .105 .208 .170 .312 -.055 -.253

c.r. kurtosis c.r. -1.136 -.201 -.787 -1.951 -.404 -1.583 -.265 -.364 -1.423 2.287 -.517 -2.023 1.581 -.497 -1.946 .429 -.351 -1.373 -2.270 -.300 -1.174 -2.266 -.243 -.950 -2.580 -.093 -.363 -2.984 .146 .572 -.216 -.171 -.670 -1.343 -.170 -.665 -1.659 -.117 -.459 1.148 -.330 -1.293 .534 -.005 -.018 1.396 -.204 -.799 -.148 -.289 -1.130 -.835 -.413 -1.616 .822 -.367 -1.438 1.627 .085 .333 1.332 -.154 -.602 2.441 -.031 -.120 -.429 -.274 -1.072 -1.983 .399 1.562

Tabel 5.3 merupakan hasil output dari AMOS 22 dengan melihat assessment of normality dari pengolahan data pada penelitian ini. Pada Tabel 5.3 dapat dilihat bahwa ada beberapa nilai yang memiliki nilai critical ratio (CR) skewness dan nilai critical ratio (CR) kurtosis residual dari penelitian ini lebih kecil dari -2.58 dan lebih besar dari +2.58, akan tetapi secara keseluruhan data pada penelitian ini terdistribusi dengan normal. 5.2.5.3 Outlier Pada penelitian ini, identifikasi outlier dilakukan pada saat proses uji normalitas berlangsung, yaitu dengan melihat tampilan Mahalanobis Distance dari keluaran AMOS. Menurut Santoso (2012), suatu data dapat dikatakan outlier jika angkaangka tersebut menunjukkan jauh jarak sebuah data dari titik pusat tertentu, jarak tersebut diukur dengan metode Mahalanobis. Semakin jauh jarak sebuah data Universitas Indonesia


82

dengan titik pusat(centroid), semakin ada kemungkinan data masuk kategori outlier. Tampilan mahalanobis distance pada penelitian ini dapat dilihat pada lampiran 6. Dari hasil mahalanobis distance, maka peneliti menghapus 16 sampel yang menyimpang, jauh dari titik tengah centroid dan nilai p1 dan p2 ≤ 0.05 sehingga sampel yang tersisa 463. Namun demikian, penulis tetap mempertahankan beberapa outlier yang terdapat dalam penelitian ini, karena seluruh data yang diperoleh dalam penelitian ini mencerminkan hal-hal yang berkaitan dengan riset, sehingga penghapusan outlier dapat menghilangkan makna dari data tersebut. Hair, Black, Babin, & Andreson (2009) mengememukakan bahwa Outliers harus dipertahankan kecuali dapat ditunjukkan bukti yang mengidentifikasikan bahwa data-data tersebut benar-benar menyimpang dan tidak representative terhadap populasi. Jika Outliers dihapus, terdapat resiko membatasi generalisasi dari hasil penelitian. 5.2.5.4 Perbandingan Kovarians Sampel dan Kovarians Estimasi Perbandingan antara nilai kovarians sampel dan nilai kovarians estimasi dilakukan dengan menghitung selisih antara keduanya sehingga menghasilkan nilai kovarians residual. Menurut Santoso (2012), nilai kovarians residual yang kecil atau berada di sekitar nol dapat menandakan bahwa data yang ada dapat mendukung keberadaan model. Keluaran nilai kovarians residual pada aplikasi AMOS dapat dilihat pada lampiran 7. Berdasarkan lampiran tersebut dapat terlihat bahwa semua nilai kovarians residual berada di sekitar nol sehingga dapat dikatakan bahwa data yang sudah ada dapat mendukung keberadaan model. 5.2.5.5 Offending Estimates Analisis offending estimates dilakukan untuk mengecek apakah terdapat negative error variances. Jika ada negative error variances, maka varian tersebut perlu ditetapkan menjadi 0.01 atau 0.005(Heywood cases). Heywood cases terjadi karena adanya varian kesalahan yang bernilai negatif. Apabila terjadi Heywood cases, maka varian dari kesalahan tersebut dapat ditetapkan menjadi 0,01 atau Universitas Indonesia


83

0,005 (Wijanto, 2008). Hasil analisis offending estimates menggunakan aplikasi AMOS dapat dilihat pada lampiran 8. Berdasarkan lampiran tersebut dapat dilihat bahwa tidak terdapat nilai negatif pada kolom estimates sehingga tidak terjadi Heywood cases pada model awal penelitian ini. 5.2.5.6 Memilih Matriks Input dan Teknik Estimasi Parameter Matriks input pada penelitian ini berupa matriks kovarian (covariance matrix), yang terdiri dari nilai kovarian antara seluruh indikator pada setiap variabel. Matriks kovarians umumnya lebih banyak digunakan dalam penelitian mengenai hubungan sebab standard error yang dilaporkan dari berbagai penelitian umumnya menunjukkan angka yang kurang akurat bila matriks korelasi yang digunakan sebagai input. Sementara itu, teknik estimasi yang digunakan adalah Maximum Likehood Estimation dinilai lebih efisien serta tidak bias, terutama untuk penelitian dengan jumlah responden yang tergolong besar, sesuai dengan penelitian ini yang memiliki jumlah responden besar yaitu sejumlah 463 responden. Sebelum membentuk suatu full model SEM, terlebih dahulu akan dilakukan pengujian terhadap faktor-faktor yang membentuk variabel. Pengujian model pengukuran (measurement model) akan dilakukan dengan menggunakan model confirmatory factor analysis(CFA). Kecocokan model (goodness of the fit), untuk confirmatory factor analysis juga akan diuji. Dengan program AMOS, ukuran-ukuran goodness of the fit tersebut akan terlihat dalam output Model Fit Summary. Selanjutnya kesimpulan atas kecocokan model yang dibangun akan dapat dilihat dari hasil ukuran-ukuran goodness of the fit yang diperoleh. Pengujian goodness of the fit terlebih dahulu dilakukan terhadap model confirmatory factor analysis. Model Struktural persaman (Structural Equation Model) dilakukan untuk melihat kesesuaian model dan hubungan kausalitas yang dibangun dalam model yang diuji. Model ini dilakukan dengan mengganti hubungan korelasi (dua anak panah) dengan satu anak panah pada masing-masing variabel laten.



84

5.3 Evaluasi Kelayakan Model Penelitan Evaluasi kelayakan model pada penelitian ini dilakukan melalui dua tahap, yaitu evaluasi measurement model untuk menguji hubungan antara variabel laten dengan variabel teramati, serta evaluasi structural model untuk menguji model struktural aslinya. 5.3.1 Evaluasi Measurement Model Evaluasi measurement model atau Confirmatory Factor Analysis (CFA) pada penelitian ini dilakukan melalui tiga cara, yaitu: 5.3.1.1 Analisis Validitas Measurement Model Uji Validitas bertujuan untuk menentukan kemampuan suatu indikator dalam mengukur variabel latennya. Validitas suatu indikator dapat di evaluasi dengan tingkat signifikasi pengaruh antara suatu variabel laten dengan indikatornya. (Ghozali & Fuad, 2008). Analisis validitas dilakukan dengan melihat nilai critical ratio (CR) dan nilai standardized loading factor(SLF) pada indikator-indikator yang digunakan dalam penelitian. Nilai CR dapat dilihat dari output Regression Weight sedangkan nilai Standarized Loading Factor(SLF) dilihat dari Standardized Regression Weight di Scalar Estimate AMOS. Nilai SLF penelitian ini pada software AMOS dapat dilihat pada kolom Estimate. Tampilan keluaran Standardized Regression Weight dapat dilihat pada Lampiran 9. Pada Tabel 5.4 adalah hasil keluaran Standarized Regression Weight dan Tabel 5.5 merupakan keluaran nilai Regression Weight. Tabel 5.4 Nilai Standardized Regression Weight Hasil Output Indikator CD1 CD2 CD3 CD4 CD5 CD6 CD7 CP1

Standardized Loading Factor 0.571 0.671 0.679 0.758 0.737 0.689 0.651 0.650

Standardized Loading Factor minimum ≥0.50 ≥0.50 ≥0.50 ≥0.50 ≥0.50 ≥0.50 ≥0.50 ≥0.50

Kesimpulan Valid Valid Valid Valid Valid Valid Valid Valid Universitas Indonesia


85

Tabel 5.4 Nilai Standardized Regression Weight Hasil Output (lanjutan)

Indikator CP2 CP3 CP4 CP5 CP6 ISC1 ISC2 ISC3 ISS1 ISS2 ISS3 ISS4 ISS5 ISL1 ISL2 ISL3 ISL4 ISL5 ISL6 ISL7 SSE1 SSE2 SSE3 SSM1 SSM2 SSM3 SSM4 LE1 LE2 LE3

Standardized Loading Factor 0.627 0.721 0.774 0.824 0.727 0.670 0.799 0.734 0.662 0.647 0.566 0.856 0.761 0.629 0.625 0.686 0.881 0.829 0.808 0.813 0.732 0.779 0.610 0.877 0.850 0.854 0.885 0.778 0.800 0.678

Standardized Loading Factor minimum ≥0.50 ≥0.50 ≥0.50 ≥0.50 ≥0.50 ≥0.50 ≥0.50 ≥0.50 ≥0.50 ≥0.50 ≥0.50 ≥0.50 ≥0.50 ≥0.50 ≥0.50 ≥0.50 ≥0.50 ≥0.50 ≥0.50 ≥0.50 ≥0.50 ≥0.50 ≥0.50 ≥0.50 ≥0.50 ≥0.50 ≥0.50 ≥0.50 ≥0.50 ≥0.50

Kesimpulan Valid Valid Valid Valid Valid Valid Valid Valid Valid Valid Valid Valid Valid Valid Valid Valid Valid Valid Valid Valid Valid Valid Valid Valid Valid Valid Valid Valid Valid Valid

Seperti yang dapat dilihat pada Tabel 5.4 bahwa seluruh indikator memiliki memiliki nilai standardized loading factors(SLF) ≥ 0.50, sehingga indikatorindikator tersebut sudah cukup menggambarkan variabel yang ada. Kemudian Tabel 5.5 dibawah ini, menampilkan hasil dari nilai Regression Weight. Nilai Regression Weight dapat direpresentasikan dengan melihat nilai critical ratio(CR) atau t-value dari masing-masing indikator. Standar nilai critical ratio(CR) adalah Universitas Indonesia


86

≥ 1.96 sehingga dapat disimpulkan bahwa semua indikator yang berdimensi sama dengan variabel lainnya untuk menjelaskan sebuah variabel laten. Tabel 5.5 Tampilan Regression Weight Hasil Output ISC3 ISC2 ISS5 ISS4 ISS3 ISS2 ISS1 ISL4 ISL3 ISL2 ISL1 SSE3 SSE2 SSE1 SSM4 SSM3 SSM2 SSM1 CP6 CP5 CP4 CP3 CP2 CP1 CD7 CD6 CD5 CD4 CD3 CD2 CD1 LE3 LE2 LE1 ISL5

<--<--<--<--<--<--<--<--<--<--<--<--<--<--<--<--<--<--<--<--<--<--<--<--<--<--<--<--<--<--<--<--<--<--<---

Interaction_Student_Content Interaction_Student_Content Interaction_Student_Student Interaction_Student_Student Interaction_Student_Student Interaction_Student_Student Interaction_Student_Student Interaction_Student_Lecture Interaction_Student_ Lecture Interaction_Student_ Lecture Interaction_Student_ Lecture Student_Self_Efficacy Student_Self_Efficacy Student_Self_Efficacy Student_Self_Motivation Student_Self_Motivation Student_Self_Motivation Student_Self_Motivation Curricullum_Program Curricullum_Program Curricullum_Program Curricullum_Program Curricullum_Program Curricullum_Program Course_Design Course_Design Course_Design Course_Design Course_Design Course_Design Course_Design Lecture_Expertise Lecture _Expertise Lecture _Expertise Interaction_Student_ Lecture

Estimate 1.000 1.141 1.000 1.108 .697 .863 .871 1.000 .781 .724 .751 1.000 1.297 1.296 1.000 1.019 1.029 1.086 1.000 1.097 1.024 .987 .868 .939 1.000 1.179 1.188 1.137 1.211 1.064 .878 1.000 1.129 1.122 .936

S.E.

C.R.

P Label

.095 12.012 *** .072 .067 .072 .071

15.443 10.353 11.909 12.208

*** *** *** ***

.051 15.280 *** .054 13.409 *** .056 13.534 *** .121 10.749 *** .124 10.412 *** .046 22.135 *** .047 21.897 *** .047 23.255 *** .072 .071 .074 .075 .078

15.266 14.334 13.345 11.564 12.002

*** *** *** *** ***

.102 .097 .091 .106 .094 .090

11.533 12.192 12.478 11.389 11.274 9.806

*** *** *** *** *** ***

.090 12.486 *** .091 12.283 *** .045 20.751 *** Universitas Indonesia


87

Tabel 5.5 Tampilan Regression Weight Hasil Output (lanjutan) Estimate S.E. ISL6 ISL7 ISC1

<--- Interaction_Student_ Lecture <--- Interaction_Student_ Lecture <--- Interaction_Student_Content

C.R.

P Label

.962 .049 19.813 *** .953 .048 20.032 *** .885 .080 11.024 ***

Nilai Regression Weight juga dapat dilihat nilai probabilitas indikator-indikator pada penelitian ini, pada Tabel 5.5 terlihat bahwa nilai probabilitas (P) bernilai ***, atau ≤ 0.001, sehingga dapat disimpulkan bahwa setiap indikator yang ada di tiap variabel pada penelitian ini saling berhubungan satu dengan yang lainnya. Dengan demikian dapat disimpulkan bahwa validitas semua variabel teramati terhadap variabel latennya adalah baik. 5.3.1.2 Analisis Reliabilitas Measurement Model Uji reliabilitas adalah suatu pengujian untuk menentukan konsistensi pengukuran indikator-indikator dari suatu variabel laten. (Ghozali & Fuad, 2008) Analisis reliabilitas dilakukan dengan menggunakan Construct Reliability (CR) dan Variance Extracted (VE) dari nilai-nilai standardized loading factors dan error variances. Jika seluruh variabel memiliki nilai CR ≥ 0.70 dan memiliki nilai VE ≥ 0.50, sehingga dapat disimpulkan bahwa seluruh variabel dalam penelitian ini bernilai reliable. Pada SEM, analisis reliabilitas dimensi pembentuk variabel laten, digunakan rumus :

dimana: SLF = standardized loading factor Error = measurement error untuk setiap indikator. Error = 1- Std.Loading2



88

Hasil pengolahan Construct reliability dan Variance extract tersebut ditampilkan pada Tabel 5.6 sampai Tabel 5.13. Tabel 5.6 Reliability dan Variance Extract untuk Konstruk Interaction Student-Content Indikator

Std. Loading

Std. Loading2

1- Std.Loading2

ISC1 ISC2 ISC3 Ʃ

0.670 0.799 0.734 2.203 4.853

0.449 0.638 0.538 1.625

0.551 0.362 0.462 1.375

(Ʃ Std.loading)2

Construct Reliability

Variance Extract

0.779

0.54

Tabel 5.7 Reliability dan Variance Extract untuk Konstruk Interaction Student-Student Indikator

Std. Loading

Std. Loading2

1- Std.Loading2

ISS1 ISS2 ISS3 ISS4 ISS5 Ʃ

0.662 0.647 0.566 0.856 0.761 3.492 12.194

0.438 0.418 0.320 0.732 0.579 2.487

0.562 0.582 0.680 0.268 0.421 2.513

(Ʃ Std.loading)2


Variance Extract

0.83

0.497

Tabel 5.8 Reliability dan Variance Extract untuk Konstruk Interaction Student-Lecture Indikator

Std. Loading

Std. Loading2

1- Std.Loading2

ISL1 ISL2 ISL3 ISL4 ISL5 ISL6 ISL7 Ʃ

0.629 0.625 0.686 0.881 0.829 0.808 0.813 5.271 27.783

0.395 0.391 0.471 0.776 0.687 0.653 0.661 4.034

0.605 0.609 0.529 0.224 0.313 0.347 0.339 2.966

(Ʃ Std.loading)2


Variance Extract

0.903

0.576



89

Tabel 5.9 Reliability dan Variance Extract untuk Konstruk Student Self-Efficacy Indikator

Std. Loading

Std. Loading2

1- Std.Loading2

SSE1 SSE2 SSE3 Ʃ

0.732 0.779 0.610 2.121 4.498

0.535 0.607 0.372 1.514

0.465 0.393 0.628 1.486

(Ʃ Std.loading)2


Variance Extract

0.75

0.504

Tabel 5.10 Reliability dan Variance Extract untuk Konstruk Student Self-Motivation Indikator

Std. Loading

Std. Loading2

1- Std.Loading2

SSM1 SSM2 SSM3 SSM4 Ʃ

0.877 0.85 0.854 0.885 3.466 12.013

0.769 0.722 0.729 0.783 3.003

0.231 0.278 0.271 0.217 0.997

(Ʃ Std.loading)2


Variance Extract

0.923

0.751

Tabel 5.11 Reliability dan Variance Extract untuk Konstruk Curricullum Program Indikator

Std. Loading

Std. Loading2

1- Std.Loading2

CP1 CP2 CP3 CP4 CP5 CP6 Ʃ

0.650 0.627 0.721 0.774 0.824 0.727 4.323 18.688

0.422 0.393 0.519 0.599 0.679 0.528 3.14

0.578 0.607 0.481 0.401 0.321 0.472 2.86

(Ʃ Std.loading)2


Variance Extract

0.867

0.523

Tabel 5.12 Reliability dan Variance Extract untuk Konstruk Course Design Indikator

Std. Loading

Std. Loading2

1- Std.Loading2

CD1 CD2 CD3 CD4 CD5 CD6 CD7 Ʃ

0.571 0.671 0.679 0.758 0.737 0.689 0.651 4.756 22.619

0.326 0.450 0.461 0.575 0.543 0.475 0.423 3.64

0.674 0.550 0.539 0.425 0.457 0.525 0.577 4.36

(Ʃ Std.loading)2


Variance Extract

0.838

0.52



90

Tabel 5.13 Reliability dan Variance Extract untuk Konstruk Lecture Expertise Indikator

Std. Loading

Std. Loading2

1- Std.Loading2

LE1 LE2 LE3 Ʃ

0.778 0.800 0.678 2.256 5.089

0.605 0.64 0.459 1.704

0.395 0.36 0.541 1.296

(Ʃ Std.loading)2


Variance Extract

0.797

0.568

Hasil perhitungan reliabilitas diatas dirangkum pada Tabel 5.14 dan dapat dilihat bahwa semua nilai Construct Reliability(CR) ≥ 0.70, untuk nilai Variance Extracted, variabel Interaction Student-Student dan variabel Course Design memiliki nilai yang hampir mendekati dan dapat dibulatkan menjadi 0.5. Dengan demikian dapat disimpulkan bahwa reliabilitas model pengukuran adalah baik. Tabel 5.14 Nilai Construct Reliability dan Variance Extracted Measurement Model Variabel Interaction Student-Content (ISC) Interaction Student-Student (ISS) Interaction StudentLecture(ISL) Student Self-Efficacy (SSE) Student Self-Motivation (SSM) Curricullum Program (CP) Course Design (CD) Lecture Expertise (LE)

Nilai CR

Standar CR

Nilai VE

Standar VE

Kesimpulan

0.779

≥ 0.70

0.54

≥ 0.50

Reliable

0.83

≥ 0.70

0.497

≥ 0.50

Reliable

0.903

≥ 0.70

0.576

≥ 0.50

Reliable

0.75

≥ 0.70

0.504

≥ 0.50

Reliable

0.923

≥ 0.70

0.751

≥ 0.50

Reliable

0.867

≥ 0.70

0.523

≥ 0.50

Reliable

0.838

≥ 0.70

0.52

≥ 0.50

Reliable

0.797

≥ 0.70

0.568

≥ 0.50

Reliable

5.3.1.3 Uji Kecocokan Measurement Model (Goodness of Fit) Pada tahap ini, akan diperiksa tingkat kecocokan antara data dengan model, validitas dan reliabilitas model pengukuran. Uji kecocokan dilakukan dengan memeriksa beberapa nilai goodness of fit index. Indeks chi-square tidak digunakan dalam penelitian ini karena hasil chi-square biasanya tidak akurat untuk jumlah sampel yang besar (≥200), sehingga banyak peneliti yang Universitas Indonesia


91

mengabaikan indeks ini jika jumlah sampel pada penelitian mereka berukuran besar (Moss, 2009). Secara umum, hasil pengujian kecocokan pada penelitian ini sudah cukup baik, seperti yang terlihat pada Tabel 5.15 berikut. Serta tampilan hasil model hasil pengujian kelayakan model pada analisis faktor konfirmatori measurement model dapat dilihat pada Gambar 5.16. Tabel 5.15 Hasil Uji Kecocokan Measurement Model (Goodness of Fit) Goodness of Fit Index Absolute Fit Measures 1 GFI 2 RMR 3 RMSEA

Cut-Off Value

No.

4

≥ 0.90 ≤ 0.05 ≤ 0.08 Semakin kecil semakin baik. nilai ECVI dari model yang mendekati nilai saturated ECVI menunjukkan good fit.

ECVI

Incremental Fit Measures 5 TLI ≥ 0.90 6 NFI ≥ 0.90 7 AGFI ≥ 0.90 8 RFI ≥ 0.90 9 IFI ≥ 0.90 10 CFI ≥ 0.90 Parsimony Fit Measures 11

Normed ChiSquare (CMIN/DF)

≤ 2.00

Hasil

Evaluasi Model

0.847 0.025 0.049

Marginal Fit Good Fit Good Fit

Default Model : 4,051 Saturated Model : 4,251

Good Fit

0.913 0.847 0.823 0.832 0.922 0.921

Good Fit Marginal Fit Marginal Fit Marginal Fit Good Fit Good Fit

1.891

Good Fit

Berdasarkan hasil uji kecocokan keseluruhan model seluruh fit measures yang digunakan memiliki tingkat kecocokan good fit dan marginal fit sehingga dapat disimpulkan bahwa kecocokan keseluruhan model adalah baik.



92

Gambar 5.16 Path Diagram Confirmatory Factor Analysis Measurement Model 5.3.2 Evaluasi Structural Model Setelah measurement model berhasil dilakukan, tahapan selanjutnya yaitu melakukan evaluasi structural model. Pada dasarnya evaluasi structural model serupa dengan evaluasi measurement model, hanya saja structural model dibuat dengan mengubah susunan yang ada pada measurement model. Analisis hasil Universitas Indonesia


93

pengolahan data pada tahap full model SEM dilakukan dengan melakukan uji kesesuaian dan uji statistik. Hasil pengolahan data untuk analisis full model SEM ditampilkan pada Gambar 5.17 dan uji kelayakan model yang dapat dilihat pada Tabel 5.16.

Gambar 5.17 Path Diagram Structural Model Awal Ringkasan hasil uji terhadap kecocokan full model Structural Equation Modelling tersebut dapat dilihat pada Tabel 5.16 berikut ini.



94

Tabel 5.16 Hasil Uji Kecocokan Full Model SEM (Goodness of Fit) Goodness of Fit Index Absolute Fit Measures 1 GFI 2 RMR 3 RMSEA

Cut-Off Value

No.

4

Evaluasi Model

0.846 0.025 0.049

Marginal Fit Good Fit Good Fit

Default Model : 4.208 Saturated Model : 4.469

Good Fit

0.912 0.844 0.821 0.827 0.921 0.920

Good Fit Marginal Fit Marginal Fit Marginal Fit Good Fit Good Fit

1.864

Good Fit


ECVI

Hasil



≤ 2.00

Berdasarkan data hasil uji kecocokan di atas, terlihat bahwa kriteria Standarized RMR, RMSEA, ECVI, TLI, IFI, CFI, Normed Chi-Square menunjukkan hasil yang baik, sedangkan GFI, NFI, AGFI dan RFI cukup baik. Secara umum, dapat disimpulkan bahwa kecocokan terhadap keseluruhan model masih belum baik, sehingga perlu dilakukan modifikasi pada structural model. 5.4 Interpretasi dan Modifikasi Model Penelitian Evaluasi structural model pada AMOS menghasilkan output berupa beberapa masukan untuk melakukan modifikasi melalui Modification Indices agar dapat meningkatkan kecocokan model pada penelitian ini. Tabel 5.17 berikut menggambarkan modifikasi berupa beberapa penambahan error variance yang disarankan berdasarkan output AMOS dan dilakukan oleh penulis dalam memodifikasi model.



95

Tabel 5.17 Penambahan Error Variance yang Dilakukan untuk Modifikasi Structural Model Modification Indices (Group number 1 - Default model)

e13 e34 e24 e27 e27 e22 e10 e11 e11 e12 e5

<--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <-->

M.I. 16.261 18.331 15.224 13.759 15.241 14.629 41.780 89.394 45.018 22.180 14.006

e15 e32 e23 e35 e24 e15 e9 e9 e10 e14 e4

Par Change .044 .063 .061 -.044 -.045 -.037 .123 .166 .115 .047 .061

Hasil uji kecocokan selengkapnya setelah dilakukan modifikasi penambahan error covariance dapat dilihat pada Lampiran 13. Setelah dilakukan modifikasi, penulis kembali melakukan uji kecocokan structural model yang hasilnya dapat dilihat pada Tabel 5.18 berikut. Tabel 5.18 Hasil Uji Kecocokan Full Model SEM Setelah di Modifikasi Goodness of Fit Index Absolute Fit Measures 1 GFI 2 RMR 3 RMSEA

Cut-Off Value

No.

4


ECVI



≤ 2.00

Hasil

Evaluasi Model

0.883 0.024 0.036

Good Fit Good Fit Good Fit

Default Model : 3.467 Saturated Model : 4.469

Good Fit

0.952 0.879 0.861 0.864 0.958 0.957

Good Fit Good Fit Marginal Fit Marginal Fit Good Fit Good Fit

1.470

Good Fit Universitas Indonesia


96

Setelah melakukan modifikasi, maka diperoleh hasil uji kecocokan yang secara umum memiliki nilai kecocokan Goodness of Fit dengan kriteria baik, kecuali indeks AGFI dan RFI dengan kriteria marginal fit. Namun, terdapat teori yang menyatakan bahwa dalam praktiknya, nilai GFI ≥ 0.80 sebenarnya dapat dipertimbangkan sebagai good fit (Hsu & Lu, 2004). Oleh karena itu, dapat disimpulkan bahwa hasil model penelitian ini secara keseluruhan telah memiliki nilai kecocokan yang baik. Adapun hasil dari modifikasi model penelitian dapat dilihat pada Gambar 5.18.

Gambar 5.18 Path Diagram Hasil Uji Structural Model setelah Modifikasi Universitas Indonesia


97

5.5 Analisis Hubungan Antar Konstruk Analisis hubungan antar konstruk atau variabel yang menjadi hipotesis dilakukan dengan melihat nilai Critical Ratio (C.R) dan nilai probability (P) dari setiap hubungan antar variabel laten. Dengan nilai Critical Ratio yang ≥1,96 dan nilai probability yang ≤ 0.05, maka hipotesis penelitian yang diajukan dapat diterima. Nilai C.R dan probability dapat diketahui melalui aplikasi AMOS dari keluaran Covariances. Ringkasan analisis hubungan antar konstruk dapat dilihat pada Tabel 5.19. Tabel 5.19 Signifikasi Hubungan Kausal Antar Variabel pada Uji Structural Model Covariances: (Group number 1 - Default model) Curricullum_Program Interaction_Student_ Lecture Curricullum_Program Interaction_Student_ Lecture Interaction_Student_Student Student_Self_Efficacy Interaction_Student_Content Interaction_Student_Student Interaction_Student_ Lecture Interaction_Student_Content Interaction_Student_Content Interaction_Student_Content Interaction_Student_Student Interaction_Student_ Lecture Interaction_Student_Content Interaction_Student_Student Student_Self_Efficacy Interaction_Student_Student Student_Self_Efficacy Interaction_Student_Content Interaction_Student_ Lecture Student_Self_Motivation Student_Self_Motivation Student_Self_Efficacy Interaction_Student_Student Interaction_Student_Content Course_Design Student_Self_Motivation

<--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <-->

Course_Design Student_Self_Motivation Lecture _Expertise Course_Design Course_Design Course_Design Course_Design Lecture _Expertise Lecture _Expertise Lecture _Expertise Interaction_Student_Student Interaction_Student_ Lecture Interaction_Student_ Lecture Student_Self_Efficacy Student_Self_Efficacy Student_Self_Efficacy Lecture _Expertise Curricullum_Program Curricullum_Program Curricullum_Program Curricullum_Program Curricullum_Program Lecture _Expertise Student_Self_Motivation Student_Self_Motivation Student_Self_Motivation Lecture _Expertise Course_Design

Estimate .182 .111 .157 .113 .071 .128 .104 .064 .135 .086 .059 .112 .160 .151 .096 .105 .123 .079 .131 .110 .130 .102 .120 .116 .093 .073 .151 .093

S.E. .021 .024 .020 .019 .015 .018 .016 .017 .022 .017 .016 .020 .024 .022 .016 .018 .019 .017 .019 .017 .021 .019 .021 .020 .021 .019 .020 .018

C.R. 8.683 4.605 7.698 6.016 4.616 7.100 6.596 3.685 6.109 5.193 3.590 5.539 6.783 6.801 5.845 5.792 6.494 4.689 7.039 6.545 6.294 5.322 5.729 5.830 4.438 3.958 7.684 5.283

P Label *** *** *** *** *** *** *** *** *** *** *** *** *** *** *** *** *** *** *** *** *** *** *** *** *** *** *** ***

5.6 Pengujian Hipotesis Setelah semua asumsi sudah terpenuhi, selanjutnya akan dilakukan pengujian hipotesis. Pengujian 8 hipotesis penelitian ini dilakukan berdasarkan nilai critical Universitas Indonesia


98

ratio(C.R.) dari suatu hubungan kausalitas dari hasil pengolahan SEM sebagaimana pada Tabel 5.20 berikut. Uji hubungan kausal ini dilakukan untuk mengetahui signifikasi pengaruh suatu variabel ke variabel lain. Suatu variabel yang memenuhi syarat yaitu memiliki nilai CR ≥ 1.96 dan nilai P (probabilitas) ≤ 0.05. Tabel 5.20 Hasil Uji Hipotesis Penelitian Hipotesis

H1 H2 H3 H4 H5 H6 H7 H8

Path

ISC ISS ISL SSE SSM CP CD LE

       

SA SA SA SA SA SA SA SA

C.R.

P

1.979 2.718 3.132 0.167 2.432 0.027 2.346 2.126

0.051 0.007 0.002 0.868 0.016 0.979 0.018 0.033

Keterangan

Signifikan Signifikan Signifikan Tidak signifikan Signifikan Tidak signifikan Signifikan Signifikan

Hasil Hipotesis

H1 di terima H2 di terima H3 di terima H4 di tolak H5 di terima H6 di tolak H7 di terima H8 di terima

Pada Tabel 5.20 diatas terlihat bahwa dari 8 hipotesis, terdapat 6 hipotesis yang diterima dan 2 hipotesis yang ditolak. Berikut penjelasan mengenai hasil uji berdasarkan uji structural model pada setiap hipotesis.  H1 : Interaction Student-Content berpengaruh terhadap prestasi belajar. Hipotesis 1 menguji hubungan langsung antara variabel Interaction StudentContent(ISC) dengan variabel Student’s Achievement(SA). Hasil pengujian terhadap hipotesis 1 yang dapat dilihat pada Tabel 5.20 menunjukkan bahwa nilai C.R. dari path ISCSA adalah 1.979 dan dapat dibulatkan menjadi 1.96 sehingga hipotesis ini terbukti. Dengan kata lain, pengujian secara empiris memberikan hasil bahwa ISC memiliki pengaruh langsung yang signifikan terhadap SA. Su, Bonk, Magjuka, Liu, & Lee (2005) mengemukakan bahwa definisi dari Interaction Student-Content merupakan interaksi mahasiswa dengan konten perkuliahan seperti powerpoint, web pages, and forum. Konten-konten yang ada di SIMPONI yang saat ini bermanfaat bagi mahasiswa untuk mendapatkan informasi yang berkaitan dengan proses belajar mengajar dan berkaitan dengan prestasi belajar mahasiswa dalam menggunakan SIMPONI serta merupakan faktor



99

penting dalam upaya meningkatkan interaksi antara mahasiswa dengan materi perkuliahan yang terdapat dalam SIMPONI.  H2 : Interaction Student-Student berpengaruh terhadap prestasi belajar. Hipotesis 2 menguji hubungan langsung antara variabel Interaction StudentStudent(ISS) dengan variabel Student’s Achievement(SA). Hasil pengujian terhadap hipotesis 2 yang dapat dilihat pada Tabel 5.20 menunjukkan bahwa nilai C.R. dari path ISSSA adalah 2.718 sehingga hipotesis 2 dapat diterima, karena terlihat hubungan yang signifikan antara Interaction Student-Student dengan Student’s Achievement. Hal ini sesuai dengan penelitian yang miliknya Sher (2009) yang menunjukkan bahwa interaksi online dalam menggunakan SIMPONI memberikan kontribusi yang signifikan terhadap minat belajar dan prestasi berlajar mahasiswa dalam proses pembelajaran dalam menggunakan e-learning.  H3 : Interaction Student-Lecture berpengaruh terhadap prestasi belajar. Hipotesis 3 menguji hubungan langsung antara variabel Interaction StudentLecture(ISL) dengan Student’s Achievement(SA). Hasil pengujian terhadap hipotesis 3 menunjukkan bahwa nilai path ISLSA adalah 3.132 sehingga hipotesis 3 diterima. Dengan kata lain karena terlihat hubungan yang signifikan antara Interaction Student-Lecture dengan Student Achievement. Dapat juga diartikan bahwa semakin tinggi interaksi mahasiswa dengan pengajar dalam menggunakan SIMPONI maka dapat berpengaruh pada prestasi belajar mahasiswa. Pengajar harus dapat melakukan beberapa kegiatan dalam proses belajar mengajar seperti mendukung mahasiswa dengan menyediakan feedback dari pertanyaan, memandu untuk memungkinkan mereka untuk terlibat dalam kegiatan belajar mengajar melalui sistem e-learning. (Brophy, 1999).  H4 : Student Self Efficacy berpengaruh terhadap prestasi belajar. Hipotesis 4 menguji hubungan langsung antara variabel Student Self-Efficacy dengan variabel Student’s Achievement(SA). Hasil pengujian terhadap hipotesis 4 dapat dilihat pada Tabel 5.20 menunjukkan bahwa nilai C.R. dari path SSESA adalah 0.167 (≤1.96) sehingga hipotesis 4 dapat diterima ini tidak terbukti, karena Universitas Indonesia


100

tidak terlihat hubungan yang signifikan antara Student Self Efficacy dengan Student’s Achievement dan dapat disimpulkan bahwa kepercayaan diri mahasiswa STMIK GI MDP, AMIK dan STIE MDP yang menggunakan SIMPONI tidak berpengaruh pada prestasi belajar terkait dengan penggunaan SIMPONI.  H5 : Student Self Motivation berpengaruh terhadap prestasi belajar. Hipotesis 5 menguji hubungan langsung antara variabel Student Self-Motivation dengan variabel Student’s Achievement(SA). Hasil pengujian terhadap hipotesis 5 dapat dilihat pada Tabel 5.20 menunjukkan bahwa nilai C.R. dari path SSMSA adalah 2.432 sehingga hipotesis 5 dapat terbukti, karena terlihat hubungan yang signifikan antara Student Self Motivation dengan Student’s Achievement. Dapat juga diartikan semakin tinggi motivasi mahasiswa dalam menggunakan e-learning dapat berpengaruh pada prestasi belajar. Hal ini mendukung pernyataan Ballard (2008), dimana menuliskan bahwa salah satu faktor yang mempengaruhi prestasi belajar mahasiswa adalah motivasi dan tanggung jawab dari mahasiswa itu sendiri.  H6 : Curricullum Program berpengaruh terhadap prestasi belajar. Hipotesis 6 menguji hubungan langsung antara variabel Curricullum Program dengan variabel Student’s Achievement(SA). Hasil pengujian terhadap hipotesis 6 dapat dilihat pada Tabel 5.20 menunjukkan bahwa nilai C.R. dari path CPSA adalah 0.027 (≤1.96) sehingga hipotesis 6 dapat ditolak, karena tidak terlihat hubungan yang signifikan antara Curricullum Program dengan Student’s Achievement. Hal ini menandakan bahwa curriculum program terkait dengan penggunaan SIMPONI yang telah diterapkan STMIK GI MDP, AMIK MDP dan STIE MDP tidak memiliki pengaruh berkaitan dengan prestasi belajar mahasiswa dan hasil ini bertolak belakang dengan pendapat Popham (2004). Popham (2004) mengemukakan bahwa kurikulum dan pengajaran profesional dapat memiliki dampak yang besar, baik positif maupun negatif pada pencapaian belajar.  H7 : Course Design berpengaruh terhadap prestasi belajar.



101

Hipotesis 7 menguji hubungan langsung antara variabel Course Design dengan variabel Student’s Achievement(SA). Hasil pengujian terhadap hipotesis 7 dapat dilihat pada Tabel 5.20 menunjukkan bahwa nilai C.R. dari path CDSA adalah 2.346 sehingga hipotesis 7 dapat diterima, karena terlihat hubungan yang signifikan antara Course Design dengan Student’s Achievement. Sehingga dapat disimpulkan bahwa desain matakuliah yang ada saat ini dalam penggunaan SIMPONI memiliki keterkaitan dengan prestasi belajar mahasiswa STMIK GI MDP, AMIK MDP dan STIE MDP. Dalam penelitian ini Course Design diartikan “Course General Structure and organization” dan hal ini mendukung pernyataan Brophy (1999). Brophy(1999) mengemukakan bahwa structure serta hubungan antar kurikulum dan materi belajar merupakan faktor utama agar pembelajaran lebih dapat diterima oleh mahasiswa.  H8 : Lecture Expertise berpengaruh terhadap prestasi belajar. Hipotesis 8 menguji hubungan langsung antara variabel Lecture Expertise dengan variabel Student’s Achievement(SA). Hasil pengujian terhadap hipotesis 8 dapat dilihat pada Tabel 5.20 menunjukkan bahwa nilai C.R. dari path LESA adalah 2.126 sehingga hipotesis 8 dapat diterima, karena terlihat hubungan yang signifikan antara Lecture Expertise dengan Student’s Achievement. Hal ini menandakan bahwa keahlian dosen yang tinggi dalam menggunakan SIMPONI sebagai media pembelajaran mahasiswa STMIK GI MDP, AMIK MDP dan STIE MDP memiliki pengaruh berkaitan dengan minat dan prestasi belajar mahasiswa. Hal ini juga mendukung penelitian milik Paetcher, Maier, & Macher (2009) yang menyatakan bahwa kompetensi profesional dari pengajar, keterampilan yang berhubungan dengan teknologi informasi dan komputer tetapi juga keterampilan komunikasi interpersonal juga signifikan berpengaruh pada prestasi belajar mahasiswa. Gambar 5.19 berikut merupakan hasil model akhir yang terbentuk sebagai representasi penerapan penggunaan SIMPONI serta keterkaitannya dengan prestasi belajar mahasiswa-mahasiswa di STMIK GI MDP, AMIK MDP dan STIE MDP. Universitas Indonesia


102

Internal Factor Student Self Motivation

Student Experience

Interaction Student Content Student’s Achievement

Interaction Student Student Interaction Student Lecture

Course Design

Lecture Expertise

Gambar 5.19 Model Akhir Penelitian 5.7 Koefisien Persamaan Struktural Setelah melakukan uji kecocokan structural model proses yang terakhir adalah persamaan struktural akhir setelah sudah mengetahui nilai koefisiennya. Nilai path koefisien dapat di lihat dari output nilai Standarized Total Effect dari variabel-variabel laten ke SA dapat dilihat pada Tabel 5.21. Tabel 5.21 Koefisien Parameter Persamaan Struktural Model Hipotesis H1 ISC H2 ISS H3 ISL H4 SSE H5 SSM H6 CP H7 CD H8 LE

       

Path Koefisien SA SA SA SA SA SA SA SA

0.214 0.347 0.398 0.005 0.287 0.019 0.271 0.243

Persamaan Struktural Model Penelitian : SA = γ1.ISC + γ2.ISS + γ3.ISL + γ4.SSE + γ5.SSM + γ6.CP + γ7.CD + γ8.LE + ζ1 Universitas Indonesia


103

SA = 0.214.ISC + 0.347.ISS + 0.398.ISL + 0.005.SSE + 0.267.SSM + 0.019.CP + 0.271.CD + 0.243.LE + 0.28 ζ1 Besar dan arah koefisien lintasan bernilai positif dan menunjukkan keterkaitan hubungan antara variabel laten ke variabel teramati, SA. 5.8 Analisis Pengaruh Setelah melakukan pengujian hipotesis, dilakukan analisis pengaruh variabel bebas terhadap variabel terikat. Tujuan analisis pengaruh adalah untuk melihat seberapa kuat pengaruh suatu variabel dengan variabel lainnya secara langsung. Analisis pengaruh ini didapat dari output standardized total effects variabelvariabel bebas terhadap variabel yang diamati, Student’s Achievement(SA). Dari Tabel 5.22 terlihat bahwa pengaruh langsung yang paling variabel Interaction Student-Lecture terhadap Student’s Achievement(SA) sebesar 0,498 dan variabel yang memiliki pengaruh langsung terbesar kedua Interaction Student-Student terhadap Student’s Achievement adalah sebesar 0,347. Sedangkan untuk pengaruh secara langsung dari Curricullum Program terhadap Student’s Achievement hanya sebesar 0,005 dan terakhir variabel Student Self-Efficacy terhadap Student’s Achievement sebesar 0,019. Dengan demikian Curricullum Program dan Student Self-Efficacy memiliki pengaruh langsung yang lemah terhadap Student’s Achievement. Tabel 5.22 Pengaruh Variabel Secara Langsung Standardized Total Effects (Group number 1 - Default model) ISC1 SA ISL7 ISL6 ISL5 TE1 TE2 TE3 CD1 CD2 CD3 CD4 CD5 CD6 CD7 CP1 CP2 CP3

Lecture_ Expertise .000 .243 .000 .000 .000 .777 .799 .681 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000

Course_ Design .000 .271 .000 .000 .000 .000 .000 .000 .573 .675 .649 .758 .714 .691 .656 .000 .000 .000

Curricullum_ Program .000 .019 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .636 .643 .713

Student_Self _Motivation .000 .287 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000

Student_Self _Efficacy .000 .005 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000

Interaction_ Student_Lecture .000 .398 .821 .794 .835 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000

Interaction_ Student_Student .000 .347 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000

Interaction_ Student_Content .672 .214 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000



104

Tabel 5.22 Pengaruh Variabel Secara Langsung (lanjutan)

CP4 CP5 CP6 SSM1 SSM2 SSM3 SSM4 SSE1 SSE2 SSE3 ISL1 ISL2 ISL3 ISL4 ISS1 ISS2 ISS3 ISS4 ISS5 ISC2 ISC3

Lecture_ Expertise .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000

Course_ Design .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000

Curricullum_ Program .768 .848 .723 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000

Student_Self _Motivation .000 .000 .000 .877 .849 .855 .885 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000

Student_Self _Efficacy .000 .000 .000 .000 .000 .000 .000 .732 .781 .608 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000

Interaction_ Student_Lecture .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .581 .583 .646 .879 .000 .000 .000 .000 .000 .000 .000

Interaction_ Student_Student .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .632 .612 .563 .874 .768 .000 .000

Interaction_ Student_Content .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .797 .735

5.9 Diskusi Penelitian Penelitian ini bertujuan untuk mengetahui sejauh mana pengaruh penggunaan elearning serta keterkaitannya dengan prestasi belajar mahasiswa dan mengetahui faktor yang paling berpengaruh dalam berpengaruh pada

prestasi belajar

mahasiswa dalam menggunakan e-learning. Berdasarkan hasil analisis uji hipotesis yang telah dilakukan pada Tabel 5.20 disubbab 5.6 diatas, dapat dilihat bahwa nilai critical ratio (C.R.) variabel Interaction Student-Content, Interaction Student-Student, Interaction Student-Lecture, Student Self-Motivation, Course Design dan Lecture Expertise berpengaruh positif( ≥1.96) terhadap penggunaan SIMPONI serta keterkaitannya dengan prestasi belajar mahasiswa di STMIK GI MDP, AMIK MDP dan STIE MDP. Selain melihat dari nilai critical ratio(C.R) variabel bebas ke variabel teramati, untuk mengetahui variabel mana yang berpengaruh terhadap Student’s Achievement(SA) pada penelitian ini, dapat juga dilihat nilai pengaruh dengan melihat nilai standardized total effect pada Tabel 5.21 disubbab 5.7. Dari Tabel 5.21, dapat dilihat variabel yang memiliki pengaruh yang paling dominan adalah interaksi mahasiswa dengan pengajar(Interaction Student-Lecture)dengan nilai Universitas Indonesia


105

estimates sebesar 0.398, pengaruh terbesar kedua yaitu interaksi antar mahasiswa(Interaction

Student-Student)

dengan

estimates

sebesar

0.347,

pengaruh terbesar ketiga yaitu motivasi diri mahasiswa(Student Self-Motivation) dalam menggunakan SIMPONI dengan nilai estimates sebesar 0.287, variabel selanjutnya yang juga berpengaruh adalah desain pembelajaran(Course Design) dengan nilai estimates sebesar 0.271, kemudian keahlian pengajar(Lecture Expertise) dengan nilai estimates sebesar 0.243, dan terakhir yaitu interaksi mahasiswa dengan konten(Interaction Student-Content) dengan estimates sebesar 0.214 dan hal ini menunjukkan bahwa interaksi mahasiswa dengan konten (Interaction Student-Content) pembelajaran yang ada di SIMPONI merupakan suatu hal yang penting, Manajemen MDP harus memastikan bahwa mahasiswa tidak merasa kesulitan dalam mengakses dan mendapatkan informasi berkenaan dengan konten-konten belajar dan pengajar sudah memasukkan materi ajar sebelum perkuliahan dimulai dan hal ini merupakan salah satu faktor pendukung prestasi belajar mahasiswa dalam menggunakan SIMPONI dan pernyataan ini sama dengan penelitian Tekeisha, Denise, & Zimmerman(2012) diketahui bahwa Interaction Student-Content memiliki hubungan positif terhadap prestasi belajar. Hasil penelitian tersebut menyatakan mahasiswa yang lebih sering melakukan interaksi dengan konten online courses, mendapatkan nilai yang lebih tinggi. (Tekeisha, Denise, & Zimmerman, 2012). Mahasiswa-mahasiswa dapat dengan leluasa mengunduh materi yang telah diunggah oleh dosen di SIMPONI, selain materi mahasiswa juga dapat melihat silabus dan kurikulum matakuliah. Selain itu faktor lain yang juga mempengaruhi adalah interaksi mahasiswa dengan mahasiswa

lainnya(Interaction

Student-Student)

dalam

SIMPONI

dapat

berpengaruh pada prestasi belajar dimana mahasiswa satu dengan yang lainnya dapat saling bertukar informasi yang baru dan bermanfaat dalam proses belajar mengajar. Mahasiswa-mahasiswa yang menggunakan forum dapat berinteraksi dengan dosen ataupun sesama mahasiswa yang mengambil mata kuliah yang sama. Mahasiswa dapat memulai pertanyaan dan diajukan pada forum tersebut.



106

Forum dibagi berdasarkan matakuliah dan kelas, mahasiswa dapat melakukan interaksi dengan mahasiswa yang mengambil matakuliah dan kelas yang sama. Dari penelitian sebelumnya juga disebutkan bahwa interaction student-student memiliki banyak keuntungan yang berkaitan dengan pembelajaran menggunakan sistem e-learning, menawarkan kesempatan untuk berkomunikasi dan saling mendukung serta berbagi pengetahuan (Dennis,Wixom, & Vandenberg, 2001), dan mendorong mahasiswa-mahasiswa yang pendiam untuk berpartisipasi dalam course(Liaw, Chen, & Huang, 2008; Wen & Tsai, 2008). Kemudian pada penelitiannya Paulus (2007) & Sweeney et al. (2004) dikemukakan bahwa mahasiswa lebih memilih komunikasi secara online saat informasi tersebarluaskan dikalangan mahasiswa dan pada penelitian milik Paetcher, Maier, & Macher (2009) terbukti bahwa pertukaran pengetahuan antar mahasiswa berhubungan positif ke learning achievements. Faktor ketiga yang juga merupakan variabel yang paling memiliki berpengaruh adalah interaksi mahasiswa dengan dosen pengajar (Interaction Student-Lecture), dengan terlihat bahwa standard loading sebesar 0.398. Interaksi dengan dosen ini dapat meliputi interaksi-interaksi yang ada di forum setiap matakuliah yang di ambil, feedback yang cepat dalam merespon pertanyaan mahasiswa berkaitan dengan perkuliahan, meningkatkan kualitas interaksi antar mahasiswa dan dosen serta dukungan dosen berkaitan perkuliahan terbukti memiliki pengaruh dalam prestasi belajar terkait dengan penggunaan SIMPONI. Dalam beberapa kesempatan, forum digunakan oleh dosen dalam menganalisis sebuah contoh kasus atau pertanyaan dan memberikan kesempatan untuk mahasiswa menjawab dan berdiskusi. Dari penelitian sebelumnya juga disebutkan bahwa interaksi antar mahasiswa dan interaksi mahasiswa dengan pengajar dalam pembelajaran menggunakan sistem online merupakan suatu hal yang penting dan menjelaskan bahwa pengajar mendukung pembelajaran dan komunikasi antar mahasiswa dan mahasiswa menjadi saling bergantung pada satu dengan yang lain(Collison, Elbaum, Haavind, & Tinker, 2000). Hasil dari penelitian sebelumnya menyatakan bahwa Universitas Indonesia


107

pengajar cukup penting dalam proses pembelajaran sistem e-learning, pengalaman mahasiswa mengenai tutor expertise dan tutor support sangat penting terutama dalam memperoleh pengetahuan, keahlian dan kompetensi dan untuk kepuasan belajar(Paetcher, Maier, & Macher, 2009). Faktor keempat yang juga memiliki pengaruh terbesar ketiga yaitu sebesar 0.287 adalah motivasi diri mahasiswa (Student Self-Motivation) dalam menggunakan elearning. Mahasiswa-mahasiswa STMIK GI MDP, AMIK MDP dan STIE MDP termotivasi untuk mendapat prestasi yang bagus, motivasi menggunakan SIMPONI sebagai media pembelajaran memiliki pengaruh terhadap prestasi belajar. Motivasi ini terlihat juga dari nilai IPK mahasiswa, dimana dari 479 mahasiswa yang mengisi kuesioner, 39% mahasiswa memiliki nilai IPK ≥ 3.00, alasan lain karena STMIK GI MDP, AMIK MDP dan STIE MDP sering memberikan beasiswa kepada mahasiswa-mahasiswa berprestasi dan biasanya informasi beasiswa tertera di SIMPONI. Semakin tinggi motivasi mahasiswa dalam menggunakan SIMPONI dapat memiliki pengaruh terhadap prestasi belajar mahasiwa. Ballard & Bates (2008) dalam penelitiannya menulis faktor yang mempengaruhi student achievement adalah motivasi dan tanggungjawab dari diri pelajar itu sendiri, banyak sekali jenis sistem reward dapat meningkatkan dropout mahasiswa karena rendahnya motivasi siswa yang tidak dapat mencapai nilai yang cukup tinggi. Dari penelitian sebelumnya juga disebutkan bahwa motivasi juga berhubungan dengan kesempatan sebagai belajar pengaturan diri, karakteristik elearning yang berkaitan dengan pretasi belajar(Paetcher, Maier, & Macher, 2009). Lee(2000) mengatakan motivasi merupakan suatu hak yang penting dalam pembelajaran dan kinerja belajar. Kemudian faktor kelima adalah desain pembelajaran(Course Design) SIMPONI, desain pembelajaran yang sudah diterapkan di kampus harus sesuai dengan strategi belajar yang diusulkan dalam mencapai tujuan pembelajaran, struktur desain pembelajaran harus jelas dan terorganisir, teknologi, platform dalam SIMPONI memiliki berpengaruh terhadap prestasi mahasiswa. Universitas Indonesia


108

Penelitian sebelumnya mengatakan course design mendukung hasil pada kejelasan dan kemudahan menggunakan sistem pembelajaran online dan ini dapat berpengaruh pada kepuasan kursus (Chang & Tung, 2008; Naveh, Tubin, & Pliskin, 2010; Shee &Wang, 2008) dan kinerja dalam kursus(Lee & Lee, 2008). Faktor yang keenam atau yang terakhir adalah keahlian pengajar(Lecture Expertise) yang juga memiliki pengaruh positif terhadap prestasi belajar dalam menggunakan dan mengoperasikan SIMPONI, pengajar harus memiliki tingkat keahlian yang tinggi dalam menggunakan SIMPONI, dan mahasiswa berpendapat bahwa dosen-dosen di STMIK GI MDP, AMIK MDP, dan STIE MDP harus sangat berkompetensi pada bidang mata kuliah yang diampu, kemudian dosen harus dapat peduli serta memberikan saran berkaitan dengan perkuliahan dan materi belajar mahasiswa. Terkait dengan variabel Lecture Expertise hasil penelitian miliknya Lemos & Pedro (2012) menampilkan bahwa variabel Faculty & Tutor merupakan variabel yang memiliki pengaruh yang kuat terhadap kepuasan belajar. Kemudian Pedro & Lemos (2012) juga menyatakan bahwa peran pengajar, kompetensi mengajar online, pendekatan dan kemampuan adapatasi terhadap gaya belajar pelajar adalah satu faktor penting pendukung penelitian mereka. Kualitas dari pengajar sangat penting bagi pengembangan dari inisiatif pendidikan, memberikan kontribuasi secara signifikan bagi prestasi dan kepuasan pelajar, dan kursus online tidak terkecuali (Eom, Wen and Ashill, 2006; Lee, Srinivasa, Trail, Lewis and Lopez, 2011; Malik, 2009; Paechter, B. Maier & Macher, 2010). Kemudian dari penelitian ini ada dua variabel yang tidak menunjukkan hubungan yang signifikan pada penelitian ini, variabel yang pertama adalah Student SelfEfficacy.

Self

Efficacy

merupakan

keyakinan

diri

seseorang

terhadap

kemampuannya dalam menggunakan teknologi tersebut untuk mengerjakan pekerjaan mereka (Venkatesh et al., 2003). Pada penelitian ini variabel Student Self-Efficacy memiliki nilai total pengaruh sebesar 0.005 sehingga dapat dikatakan Self-Efficacy tidak memiliki pengaruh terhadap Student’s Achievement sehingga dapat disimpulkan bahwa kepercayaan diri mahasiswa dalam menggunakan Universitas Indonesia


109

SIMPONI tidak memiliki pengaruh terhadap prestasi belajar mereka. Hal ini bertolak belakang dengan penelitan Joo, Lim, & Kim (2013) dimana Joo, Lim, & Kim mengatakan bahwa kebutuhan pelajar harus hati-hati di analisis dan tercermin dalam desain kurikulum sehingga pelajar merasakan kursus atau program untuk menjadi lebih relevan dan bermakna, self-efficacy juga penting mengingat terkena dampak langsung baik kepuasan dan prestasi. Dan hasil penelitian Joo, Lim, & Kim (2013) ini mengatakan self-efficacy merupakan faktor penting dan berpengaruh secara langsung terhadap kepuasan dan prestasi terhadap online university context. Self-Efficacy ini

tidak memiliki berpengaruh kemungkinan

dikarenakan

mahasiswa tidak memiliki kepercayaan diri yang tinggi dalam menggunakan SIMPONI sebagai media sharing dan hal ini dapat disebabkan oleh beberapa faktor seperti mahasiswa tidak merasa dekat dengan mahasiswa lainnya sehingga untuk memulai interaksi atau thread dalam forum terasa segan, mayoritas mahasiswa(42%) jarang(1-2kali seminggu) mengakses SIMPONI, mayoritas mahasiswa (67,8% ) tujuannya dalam menggunakan SIMPONI adalah mengakses materi perkuliahan, kemudian dari sisi dosen pengajar, dosen tidak memahami penggunaan dan manfaat dari menggunakan SIMPONI, dosen pengajar yang menggunakan SIMPONI hanya sebesar 20%, dan tidak ada peraturan berkenaan dengan keharusan dosen menggunakan SIMPONI. Hasil penelitian Galy, Downey, & Johnson(2010) juga mengemukakan hal yang sama bahwa Computer Self-Efficacy tidak memiliki kontribusi yang signifikan terhadap prediksi

ke

persamaan regresi saat memprediksi kepastian nilai akhir mahasiswa dalam menggunakan sistem online. Kemudian Grant, Malloy, and Murphy (2009) memberikan perhatian pada fakta bahwa pemahaman, tingkat keterampilan, dan self-effiacay mahasiswa yang berkenaan mengenai sebuah perangkat komputer atau yang berkaitan dengan e-learning tools akan terus menerus berubah, diperlukan penekanan untuk pengukuran yang berkelanjutan dari faktor-faktor dan adaptasi berikutnya atau penataan kembali isi kurus.



110

Variabel kedua yang tidak berpengaruh pada penelitian ini adalah Curricullum Program, total pengaruh langsung variabel Curricullum Program ke Student’s Achievement hanya sebesar 0.019. Hasil penelitian ini bertolak belakang dengan penelitian sebelumnya yang mengatakan curricular program menunjukkan nilai yang paling tinggi dan menunjukkan hasil bahwa pelajar sangat puas dengan curricular program tiap mata kuliah(Lemos & Pedro, 2012). Dapat ditarik kesimpulan bahwa variabel Curricullum Program SIMPONI yang ada sekarang ini tidak berpengaruh pada prestasi belajar mahasiswa yang mungkin dikarenakan karena mahasiswa-mahasiwa belum merasa puas dengan konten-konten perkuliahan yang ada di SIMPONI, dan hal ini dapat disebabkan hanya sedikit dosen yang sudah mengupload materi perkuliahan sebelum perkuliahan di mulai, kurang arahan dari dosen berkenaan mengenai materi belajar yang ada di SIMPONI, mahasiswa diharuskan membawa materi belajar saat mengikuti perkuliahan. 5.10 Implikasi Penelitian Pada bagian ini peneliti menyajikan berbagai implikasi kebijakan dapat dihubungkan dengan temuan-temuan yang dihasilkan dalam penelitian ini. Implikasi ini dapat dilihat dari beberapa sudut pandang, antara lain : 1. Bagi Manajemen MDP Manajemen sebagai pihak yang menyediakan layanan e-learning SIMPONI, sebaiknya memberikan perhatian khusus terhadap implementasi sistem ini terkait prestasi belajar mahasiswa. Hambatan yang dihadapi STMIK GI MDP dalam penerapan penggunaan SIMPONI sebagai media belajar adalah masih sedikit jumlah mahasiswa dan dosen yang aktif menggunakan SIMPONI. Berdasarkan hasil penelitian terdapat beberapa implikasi penelitian bagi STMIK GI MDP, AMIK MDP dan STIE MDP, yang pertama adalah membuat suatu peraturan dan kebijakan berkenaan dengan kewajiban dosen dalam menggunakan SIMPONI per semester dan akan di evaluasi setiap akhir semester salah satu caranya adalah pihak manajemen MDP adalah dengan aktif menyelenggarakan sosialisasi terkait pentingnya sistem e-learning dalam membantu proses pembelajaran dalam setiap Universitas Indonesia


111

rapat. Selain itu dapat mengadakan pelatihan khusus kepada dosen-dosen STMIK GI MDP, AMIK MDP dan STIE MDP berkenaan cara penggunaan forum diskusi, bagaimana cara pengunggahan materi-materi belajar, cara pengunggahan tugas dan pengaturan waktu pengumpulan tugas di SIMPONI sebagai upaya peningkatan interaksi mahasiswa dengan dosen(interaction student-lecture). Kemudian untuk meningkatkan motivasi dosen dalam menggunakan SIMPONI, pihak manajemen MDP harus dapat memantau pemakaian dan mengetahui log penggunaan dosen selama satu semester berjalan dan memberikan reward untuk dosen yang rajin menggunakan SIMPONI pada rapat persiapan UAS. Kemudian dalam meningkatkan interaksi mahasiswa dengan konten, manajemen MDP harus memonitor materi perkuliahan, dosen-dosen harus memasukkan materi satu minggu sebelum kuliah pertama dimulai dan hal ini sudah dua semester diterapkan dan mulai dievaluasi STMIK GI MDP dan manajemen juga harus memastikan bahwa mahasiswa tidak merasa kesulitan dalam mengakses dan mendapatkan informasi berkenaan dengan konten-konten belajar dan pengajar sudah memasukkan materi ajar sebelum perkuliahan dimulai selain itu untuk dapat mengetahui bagaimana tanggapan mahasiwa dan dosen berkenaan dengan konten dalam SIMPONI, manajemen dapat dilakukan evaluasi konten SIMPONI yang di dapat berdasarkan saran dan kritik mengenai konten dalam SIMPONI dan pihak manajemen dapat mengevaluasi konten-konten yang dapat meningkatkan interaksi mahasiswa terkait konten belajar(interaction student-content) yang berpengaruh dengan prestasi belajar mahasiswa. Yang ketiga untuk dapat meningkatkan interaksi antar mahasiswa(interaction student-student) melalui SIMPONI adalah pihak MDP membuat suatu forum yang dapat diakses semua mahasiswa yang mengambil mata kuliah yang sama walaupun mengambil kelas yang berbeda, sehingga mahasiswa dapat lebih memiliki banyak kesempatan untuk dapat saling berinteraksi dan saling berbagi informasi dan pengetahuan dengan mahasiswa lainnya.



112

2. Bagi Para Pengajar Prestasi belajar mahasiswa adalah salah satu faktor penting yang menjadi prioritas para pengajar untuk menciptakan suatu pembelajaran yang efektif melalui elearning dan hal ini dapat ditingkatkan dengan berfokus pada interaksi, misalnya interaction student-lecture. Ada beberapa cara yang dapat dilakukan pengajar untuk dapat meningkatkan partisipasi mahasiswa dalam menggunakan SIMPONI yaitu

yang

pertama

dengan

memberikan

pertanyaan-pertanyaan

kepada

mahasiswa melalui forum yang tersedia pada SIMPONI, memberikan feedback yang cepat serta membantu mahasiswa dalam memberikan solusi dari soal atau pertanyaan yang diajukan sehingga dapat membantu peningkatkan pemahaman mahasiswa terhadap materi belajar yang telah sebelumnya atau nantinya akan dijelaskan pada interaksi face-to-face. Faktor lainnya yang terbukti berpengaruh terhadap prestasi belajar mahasiswa MDP adalah keahlian pengajar(lecture expertise). Lecture expertise dalam penelitian ini memiliki definisi pengajar memiliki pengetahuan penggunaan elearning yang baik. Pengajar yang dapat menggunakan e-learning dengan baik dan dapat membuat thread-thread dalam forum yang tersedia di SIMPONI dapat membuat

mahasiswa

tertarik

untuk

menggunakan SIMPONI. Salah satu

sering

membuka

dan

termotivasi

hal yang harus diingat dan tidak kalah

pentingnya adalah materi belajar, pengajar harus memasukkan materi sebelum perkuliahan dimulai sehingga mahasiswa dapat membaca-baca atau mengetahui materi belajar terlebih dahulu atau dosen dapat juga memberikan peraturan dikelas, bahwa setiap mahasiswa harus membawa materi belajar saat masuk kelas. Dosen sebagai penentu kebijakan di kelas, jugadapat memberikan soal kasus setiap minggunya di SIMPONI dan memberikan kesempatan mahasiswa untuk mengerjakannya dalam berkelompok dan saling berinteraksi antar mahasiswa serta untuk meningkatkan interaksi mahasiswa dengan dosen, dosen dapat memanfaatkan SIMPONI sebagai media untuk mengadakan kuis secara online dan sebagai pemicu peningkatan motivasi mahasiswa dalam menggunakan SIMPONI. Universitas Indonesia


113

Salah satu motivasi mahasiswa dalam kuliah adalah mendapatkan nilai atau prestasi yang bagus, sehingga untuk memotivasi mahasiswa dalam menggunakan SIMPONI, dosen juga dapat memberikan tambahan nilai untuk mahasiswa yang aktif berpartisipasi pada forum di SIMPONI. Kemudian terkait desain pembelajaran(course design). Desain pembelajaran merupakan faktor yang juga memiliki pengaruh terhadap prestasi belajar mahasiswa, oleh karena itu tim dosen koordinator dan dosen verifikator matakuliah harus mendesain rancangan silabus matakuliah yang dapat menyangkut agar ada interaksi mahasiswa dengan dosen terkait dengan penggunaan SIMPONI sebagai media belajar. 3. Bagi Bidang Riset dan Keilmuan Hasil penelitian ini dapat memberikan masukan untuk penelitian selanjutnya terkait dengan penggunaan sistem e-learning pada sekolah tinggi yang berkaitan dengan prestasi belajar mahasiswa. Untuk keperluan penelitian selanjutnya, model penelitian ini juga dapat digunakan sebagai kerangka kerja mengenai penggunaan sistem e-learning sebagai media pembelajaran serta keterkaitannya dengan prestasi belajar. Peneliti juga dapat melakukan analisis dengan melakukan penelitian lebih lanjut terhadap beberapa faktor utama yang mempengaruhi prestasi belajar mahasiswa dengan penggunaan e-learning dari berbagai literatur yang ada dan diharapkan dapat memberikan kontribusi bagi perbaikan dan pengembangan sistem e-learning di masa depan.



BAB VI KESIMPULAN DAN SARAN

Bab ini berisi kesimpulan yang diperoleh setelah melakukan analisis pada Bab 5 dan saran yang dapat diberikan oleh penulis untuk penelitian selanjutnya dari keterbatasan yang ada dalam penelitian ini.

6.1 Kesimpulan Penelitian ini bertujuan untuk menganalisis faktor-faktor dalam e-learning (dalam hal ini adalah SIMPONI) yang mempengaruhi prestasi belajar mahasiswa. Faktor yang diamati meliputi pengalaman dalam penggunaan e-learning, faktor individual, program kurikulum dan keahlian pengajar yang dijabarkan dalam delapan variabel. Berdasarkan hasil analisis yang telah dilakukan, pada Bab 5 diperoleh kesimpulan sebagai berikut: 

Hasil penelitian ini menunjukkan bahwa faktor-faktor dalam experience seperti

interaction

student-content,

interaction

student-student

dan

interaction student-lecture, course design, lecture expertise kemudian faktor internal mahasiswa, student self-motivation memiliki pengaruh yang signifikan terhadap penggunaan SIMPONI yang berkaitan dengan prestasi belajar mahasiswa di STMIK GI MDP, AMIK MDP dan STIE MDP. Sedangkan faktor student self-efficacy dan curricullum program tidak terbukti memiliki pengaruh yang signifikan terhadap prestasi belajar mahasiswa. 

Dari keenam faktor yang berpengaruh tersebut, faktor yang paling dominan dalam mempengaruhi prestasi belajar dengan menggunakan media SIMPONI adalah interaksi antara dosen dengan mahasiswa dengan nilai estimates sebesar 0.398, faktor terbesar kedua adalah interaksi mahasiswa dengan mahasiswa yang memiliki estimates sebesar 0.347, sedangkan faktor terbesar ketiga adalah motivasi diri mahasiswa dengan nilai estimates 0.287, faktor keempat yang juga berpengaruh adalah desain pembelajaran yang memiliki nilai estimates sebesar 0.271, faktor kelima adalah keahlian pengajar yang memiliki nilai estimates sebesar 0.243, yang terakhir yaitu 114



115

interaksi mahasiswa dengan konten yang ada di SIMPONI dengan nilai estimates sebesar 0.214. 6.2 Keterbatasan Penelitian Penelitian ini masih memiliki keterbatasan dan kekurangan yang masih perlu diperbaiki. Adapun keterbatasan-keterbatasan yang dihadapi penulis yaitu: 

Pada penelitian ini faktor-faktor yang berpengaruh pada prestasi belajar mahasiswa dalam menggunakan sistem e-learning mencakup dua hal, yaitu faktor internal dan faktor pengalaman mahasiswa dalam menggunakan elearning. Dari berbagai literatur yang ada, masih banyak faktor-faktor lain juga memiliki pengaruh terhadap prestasi belajar mahasiswa.



Sampel penelitian yang terbatas karena penelitian ini hanya dibagikan kepada mahasiswa-mahasiswa STMIK GI MDP, AMIK MDP dan STIE MDP.

6.3 Saran Penelitian ini masih memiliki beberapa kekurangan seperti yang telah disampaikan. Untuk meningkatkan kualitas penelitian ini, beberapa saran yang dapat diberikan untuk penelitian-penelitian selanjutnya adalah sebagai berikut : 

Penelitian selanjutnya dapat melakukan eksplorasi lebih terhadap faktor-faktor penggunan SIMPONI yang berkaitan dengan prestasi belajar serta dapat juga mendapatkan sudut pandang penggunaan SIMPONI dari sisi pengajar serta membuat model penelitian dengan melakukan analisis dengan memasukkan teori penerimaan penggunaan terhadap teknologi seperti Technology Acceptance Model (TAM) atau Unified Theory of Acceptance and Use of Technology (UTAUT).



Penelitian selanjutnya dapat mengambil sampel mahasiswa-mahasiswa dari perguruan tinggi berbeda yang juga menggunakan sistem e-learning sebagai media pembelajaran. Sampel juga dapat berasal dari kota-kota di Indonesia dengan fakultas yang berbeda-beda.



Penelitian mendatang juga perlu memasukkan pertanyaan terbuka dalam kuesioner penelitian yang berkenaan dengan penggunaan sistem e-learning



116

seperti konten apa yang harus ada dalam sistem e-learning yang dapat meningkatkan prestasi akademik mahasiswa.



DAFTAR PUSTAKA

Ali, Tatlah I. A., & Muhammad Saeed. (2010). Motivation and student’s behavior: A tertiary level study. International Journal of Psychology and Counselling Vol. 3(2), pp. 29-32, February 2011. Allen, Michael W. (2006). Creating Succesful e-learning: a rapid system for getting it right first time, everytime. Arbuckle, James L. (2009). Amos 18 User’s Guide. United States. Arikunto, Suharsimi. (1990). Organisasi dan Administrasi Pendidikan Teknologi dan Kejuruan. Jakarta : CV. Rajawali. Ballard, K. and Alan Bates.(2008). Making a Connection between Student Achievement, Teacher Accountability, and Quality Classroom Instruction. The Qualitative Report Volume 13 Number 4 December 2008, 560-580. http://www.nova.edu/ssss/ QR/QR13-4/ballard.pdf. Bandura, A. (1997). Social Learning Theory. Englewood Cliffs, NJ : Prentice Hall. Bloom, B. S. ed. et. al. (1956). Taxonomy of Educational Objectives : Handbook 1, Coqnitive Domain. New York : David McKay. Booker, Q.E., & Rebman, C.E. (2005). E-Student Retention : Factors Affecting Customer Loyalty for Online Program Success. Issues in Information Systems, 1(1), 183-189. Brophy, J. E. (1999). Teaching. Educational practices series (Vol.01). International Academy of Education & International Bureau of Education. Collison, G., Elbaum, B., Haavind, S., & Tinker, R. (2000). Facilitating online learning. Madison: Atwood Publishing. Cao, Q., Griffing, T.E., & Bai, X. (2009). The Importance of Synchronous Interaction for Student Satisfaction with Course Web Sites. Journal of Information Systems Education 20(3), 331-338. Celik, et al. (2012). Examination of Satisfaction from Family Medicine by structural equation modeling: The example of Turkey. African Journal of Business Management Vol. 6(9), pp. 3282-3287, 7 March, 2012.

117



118

Chang, S. C., & Tung, F. C. (2008). An empirical investigation of students' behavioural intentions to use the online learning course websites.British Journal of Educational Technology, 39, 71−83. Coates, H., James, R., & Baldwin, G. (2005). A critical examination of the effects of learning management systems on university teaching and learning. Tertiary Education and Management, 11, 19–36. Conole, G., & Oliver, M. (1998). A pedagogical framework for embedding C&IT into the curriculum. ALTJ, 6(2), 4e16.doi:10.1080/0968776980060202. Dennis, A. R., Wixom, B. H., & Vandenberg, R. J. (2001). Understanding fit and appropriation effects in group support systems via meta-analysis. MIS Quarterly, 25, 167−193. Ehlers, U. (2004). Quality in e-learning. The learner as a key quality assurance category. European Journal of Vocational Training, 29, 3-15. Eom, S. B., Wen, H. J., & Ashill, N. (2006). The determinants of students’ perceived learning outcomes and satisfaction in university online education: An empirical investigation. Decision Sciences Journal of Innovative Education, 4(2), 215-235. Ferdinand, Augusty. (2002). Structural Equation Modelling dalam Penelitian Manajemen. Semarang: FE UNDIP. Gagne, R.M. (1985). The Conditions of learning and the theory of instruction. Holt, Rinehart and Winston, New York. Galy, Downey, & Johnson. (2011). The Effect of Using E-Learning Tools in Online and Campus-based Classrooms on Student Performance. University of Texas at Brownsville, College of Business, Brownsville, TX, USA. Journal of Information Technology Education Volume 10, 2011. Ghozali, Abbas. (2001). Tinjauan Metodologi: Structural Equation Modeling dan Penerapannya dalam Pendidikan. World Wide Web: http://www.depdiknas.go.id. Ghozali, Imam. (2008). SEM Metode Alternatif dengan PLS. Badan Penerbit Universitas Diponegoro. Ghozali, H. I., & Fuad. (2008). Structural Equation Modeling : Teori, Konsep, dan Aplikasi dengan Program LISREL 8.80 (2nd ed.). Semarang : Badan Penerbit Universitas Diponegoro.



119

Ghozali, Imam. (2013). Model Persamaan Struktural Konsep dan Aplikasi Dengan AMOS 21.0 Badan Penerbit : Universitas Diponegoro. Govindasamy, T. (2002). Successful implementation of e-learning pedagogical considerations. Internet and Higher Education, 4, 287–299. Glossary. (2001). Glossary of e-Learning Terms, LearnFrame.Com. Hartley, D.E. (2001). Selling e-Learning, American Society for Training and Development, 2001. Hair, J., Black, W., Babin, B., Anderson, R., & Tatham, R., (2006). Multivariate data analysis (6th ed.). Upper Saddle River, NJ: Pearson Prentice Hall. Hair, J. F., Black, W.C, Babin, B. J., & Anderson, R. E. (2009). Multivariate Data Analysis (7th ed.). USA : Prentice Hall. Hirumi, A. (2002). Student-centered, technology-rich, learning environments (SCenTRLE): Operationalizing constructivist approaches to teaching and learning. Journal for Technology and Teacher Education, 10(4), 497-537. Johnson, R. D., Hornik, S., & Salas, E. (2008). An empirical examination of factors contributing to the creation of successful e-learning environments. International Journal of Human–Computer Studies, 66, 356–369. Joo Y. J., Lim K. Y., Kim Jiyeon. (2013). Locus of control, self-efficacy, and task value as predictors of learning outcome in an online university context. Computers & Education 62 (2013) 149–158. Korr, J., Derwin, E. B., Greene, K., & Sokoloff, W. (2012). Transitioning an adult-serving university to a blended learning model. The Journal of Continuing Higher Education,60, 2–11. Lee, J. K., & Lee, W. K. (2008). The relationship of e-learner's self-regulatory efficacy and perception of e-learning environmental quality.Computers in Human Behavior, 24, 32−47. Lee, B. C., Yoon, J. O., & Lee, I. (2009). Learners' acceptance of e-learning in South Korea: Theories and results. Computers & Education, 53, 1320−1329. Lee, S. J., Srinivasan S., Trail T., Lewis D., and S. Lopez. (2011). Examining the relationship among student perception of support, course satisfaction, and learning outcomes in online learning. The Internet and Higher Education, 2011, pp. 158-163. Lemos, S. & Neuza P. (2012). Students' Expectation and Satisfaction in PostGraduate Online Courses. ICICTE 2012 Proceedings, pp. 568-580. Universitas Indonesia


120

Liaw, S. S., Huang, H. M., & Chen, G. D. (2007). Surveying instructor and learner attitudes toward e-learning. Computers & Education, 49, 1066–1080. Liaw, S. (2008). Investigating students’ perceived satisfaction, behavioral intention, and effectiveness of e-learning: a case study of the blackboard system.Computers and Education, 51(2), 864–873. Liaw, S. S., Chen, G. D., & Huang, H. M. (2008). Users' attitudes toward webbased collaborative learning systems for knowledge management. Computers & Education, 50, 950−961. Moller, L., Foshay, W., & Huett, J. (2008). The evolution of distance education: implications for instructional design on the potential of the web. TechTrends, 52(4), 66–70. Moore, M.G. (1984). Independent Study. W.aps, 16-31. San Fransisco; Joschy Bass. Moore, M. G. (1989). Three types of interaction. American Journal of Distance Education, 3(2), 1-7. Moore, D. M. (1996). A Flexible Learning System for Higher Education in South Africa. Florida: Technikon SA. Naveh, G., Tubin, T., & Pliskin, N. (2010). Student LMS use and satisfaction in academic institutions: The organizational perspective. The Internet and Higher Education, 13, 127−133. Noble, J., Davenport, M., & Sawyer, R. (2001). Relationships between noncognitive characteristics, high school course work and grades, and performance on a college admissions test. A paper presented at the annual meeting of the American EducationResearch Association in Seattle, WA. Ong, C. S., Lai, J. Y., & Wang, Y. S. (2004). Factors affecting engineers’ acceptance of asynchronous e-learning systems in high-tech companies. Information and Management, 41, 795–804. Owston, R., et al., (2013). Student Perceptions and achievement in a university blended learning strategic initiative, Internet and Higher Education. http://dx.doi.org/10.1016/j.iheduc.2012.12.003. Paechter, M., Maier, B, & Macher, D. (2009). Students’ expectation s of, and experiences in e-learning: Their relation to learning achievements and course satisfaction. Computers & Education 54, 222–229.



121

Paechter, M. & Brigitte Maier. (2010). Online or face-to-face? Students' experiences and preferences in e-learning. Internet and Higher Education 13 (2010) 292–297. Paechter, M., & Schweizer, K. (2006). Learning and motivation with virtual tutors. Does it matter if the tutor is visible on the net? In M. Pivec (Ed.), Affective and emotional aspects of human–computer-interaction: Emphasis on game-based and innovative learning approaches (pp. 155–164). Amsterdam: IOS Press. Park, S. Y. (2009). An Analysis of the Technology Acceptance Model in Understanding University Students’ Behavioral Intention to Use e-learning. Educational Technology & Society , 12 (3), 150–162. Pintrich, P., & deGroot. (1990). Motivational and self-regulated learning components of classroom academic performance. Journal of Educational Psychology , 82 (March), 33-40. Popham, W. J. (2004). Curriculum, instruction, and assessment: Amiable allies or phony friends?. Teachers College Record, 106(3), 417-428. Popham, W. J. (2005). Classroom assessment: What teachers need to know (4th ed.). Boston: Pearson, Allyn, and Bacon. R. Renganathan, S. Balachandran and K. Govindarajan (2012). Customer perception towards banking sector: Structural equation modeling approach.African Journal of Business Management Vol.6 (46), pp. 11426-11436, 21 November 2012. India. Raykov, Tenko and George A Marcoulides.(2006). Afirst Course in Structural Equation Modeling, London; Lawrence Erlbaum Associates, Publishers. Rosenberg, M. (2001). E-Learning.Strategies for Delivering Knowledge in the Digital Age. New York: McGraw-Hill Companies, Inc, 2001. Richardson, J. C., & Swan, K. (2003). Examining social presence in online courses in relation to students' perceived learning and satisfaction.Journal of Asynchronous Learning Networks, 7(1), 68. Romi S.W., (2003). Strategi Baru Pengelolaan Situs eLearning Gratis, IlmuKomputer.Com. Romi S.W., (2003). Spiralisasi Pengetahuan: Teknik Menghidupkan Pengetahuan Kita, IlmuKomputer.Com.



122

Romi, S.W. (2004a). Strategi Membangun Komunitas Maya: Studi Kasus IlmuKomputer.Com, Seminar MIFTA 2004: Urgensi Penggunaan IT Sebagai Upaya Akselerasi Menuju Kemajuan Umat. MIFTA, June 03 2004. Rusman. (2012). Model-model Pembelajaran. Jakarta : PT. Raja Grafindo Persada. Rusman. (2012). Belajar dan Pembelajaran Berbasis Komputer: Mengembangkan Profesionalisme Guru Abad 21. Bandung : Alfabeta. Sachs, D., & Hale, N. (2003). Pace university’s focus on student satisfaction with student services in online education. Journal of Asynchronous Learning Networks, 7(2), 36–42. Sanam, A. (2009). Learners intention to continue use of E-learning Technology case of Iranian universities, Master Thesis, Lulea University of Technology, Iran. Santoso, Singgih. (2000). Buku Latihan SPSS Statistik Parametrik. Jakarta : PT. Elex Media Komputindo. Santoso, Singgih. (2007). Structural Equation Modeling. Jakarta : Elex Media Komputindo. Santoso, Singgih. (2012). Analisis SEM Menggunakan AMOS. Jakarta : Elex Media Komputindo. Sarwono, Jonathan. (2012). Statistik Terapan : Aplikasi untuk Riset Skripsi, Tesis dan Disertasi Menggunakan SPSS, AMOS dan Excel. Jakarta : Elex Media Komputindo. Schumacker, R.E., & Lomax. R. G. (2004). A Beginner’s Guide to Structural Equation Modeling (2nd ed.). New Jersey : Lawrence Erlbaum Associates, Inc. Schunk, D. H. (1995). Self-efficacy and education in instruction.In J. Maddux (Ed.), Self-efficacy, adaptation, and adjustment: Theory, research, and application (pp. 281–303).New York: Plenum. Schunk, D. H. (2005). Self-regulated learning: the educational legacy of Paul R. Pintrich. Educational Psychologist, 40, 85–94. Sekaran, Uma. (2006). Metodologi Penelitian untuk Bisnis Buku 2. Jakarta : Salemba Empat. Sekaran, Uma. (2007). Metodologi Penelitian untuk Bisnis Buku 1 Revisi 4. Jakarta: Salemba Empat. Universitas Indonesia


123

Selim, H. M. (2007). Critical success factors for e-learning acceptance. Confirmatory factor models. Computers & Education, 49, 396–413. Sevilla, Consuelo G. et. al (2007). Research Methods. Rex Printing Company. Quezon City. Shea, P., & Bidjerano, T. (2009). Community of inquiry as a theoretical framework to foster “epistemic engagement” and “cognitive presence” in online education. Computers & Education, 52, 543–553. Shee D. Y. and Y. Wang. (2008) . “Multi-criteriaevaluation of the web-based elearning system: A methodologybased on learner satisfaction and its applications.“ Computers & Education, pp. 894-905. Sher A. (2009). Assessing the relationship of student-instructor and studentstudent interaction to student learning and satisfaction in Web-bases Online Learning Environment. Journal of Interactive Online Learning. Sinclaire, Jollean K. (2011). Student satisfaction with online learning: Lessons from organizational behavior. Research in Higher Education Journal. Student satisfaction with online, page 1-20. Su, B., Bonk, C. J., Magjuka, R. J., Liu, Z., & Lee, S.H. (2005). The importance of interaction in web-based education: A program-level case study of online MBA courses. Journal of Interactive Online Learning, 4, 1-19. Sun, P.C., Tsai, R. J., Finger, G., Chen, Y.Y., & Yeh, D. (2008). What drives a successful e-learning? An empirical investigation of the critical factors influencing learner satisfaction. Computers and Education, 50, 1183–1202. Sunarto. (2009). Peningkatan Motivasi dan Hasil Belajar Fisika Listrik Dinamis Melalui Model Pembelajaran Kooperatif Student Team Achievement Division (Stad) Dengan Lembar Kerja Terstruktur (Lkt) Pada Siswa Kelas Ix A SMP Negeri 2 Boyolali. Jurnal Penelitian Vol2 Agustus 2007. Tsai, C.C., Chuang, S.C., Liang, J.C., & Tsai, M.J. (2011). Self-efficacy in Internet-based Learning Environments: a Literature review. Educational Technology & Society, 14(4), 222–240. Tzeng, G.H., Chiang, C.H., & Li, C.W. (2007). Evaluating intertwined effects in elearning program: A novel hybrid MCDM model based on factor analysis and DEMATEL. Expert Systems with Applications, vol. 32, pp. 1028–1044. Venkatesh, V., Morris, M.G., Davis, G.B., and Davis, F.D. (2003). User Acceptance of Information Technology: Toward a Unified View. MIS Quarterly (27:3), pp. 425-478. Universitas Indonesia


124

Wallace, R. (2003). Online Learning in Higher Education: a Review of Research on Interactions Among Teachers and Students. Education, Communication & Information, 3(2),241–280. Wang, Y. S. (2003). Assessment of Learner Satisfaction With Asynchronous Electronic Learning Systems. Information and Management, 41, 75–86. Wang, Y.S., Wang, H.Y., & Shee, D. Y. (2007). Measuring E-learning Systems Success in an Organizational Context: Scale Development and Validation. Computers in Human Behavior, 23, 1792–1808. Wen, M. L., & Tsai, C. C. (2008). Online peer assessment in an inservice science and mathematics teacher education course. Teaching in Higher Education, 13, 55−67. Wentling, T. L., Waight, C., Gallaher, J., La Fleur, J., Wang, C., & Kanfer, A. (2000). E-learning- A review of literature. Uic papers. Wijanto, S. H., (2008). Structural Equation Modeling dengan Lisrel 8.8: Konsep dan Tutorial. Graha Ilmu. Zimmerman, B. J. (1989). A Social Cognitive View of Self-regulated Academic Learning. Journal of Educational Psychology, 81, 329-339.



LAMPIRAN 1 : KUESIONER PENELITIAN KUESIONER UNTUK PENYUSUNAN KARYA AKHIR PENERAPAN PENGGUNAAN E-LEARNING DAN KETERKAITANNYA DENGAN PRESTASI BELAJAR MAHASISWA : STUDI KASUS STMIK GI MDP, AMIK MDP DAN STIE MDP

Petunjuk Pengisian Kuesioner (1) Berilah tanda silang (X) pada kolom setiap pernyataan yang sesuai dengan pendapat anda atas setiap pernyataan yang ada. Dimana akan terdiri dari 1-5, yang memiliki arti : 1 = sangat tidak setuju (STS) 2 = tidak setuju (TS) 3 = netral(N) 4 = setuju (S) 5 = sangat setuju (SS) Contoh Pengisian Kuesioner : NO

PERNYATAAN

STS

Interaction Student-Content 1 Saya merasa materi dan informasi yang ada pada SIMPONI mudah untuk dipahami.

1

PENDAPAT TS N S 2

3

4

SS

5

(2) Harap mengisi semua pernyataan yang tertera pada kuesioner ini. (3) E-learning yang dimaksud dalam kuesioner adalah e-learning berbasiswa web di STMIKGI MDP, AMIK MDP dan STIE MDP yang dinamakan SIMPONI Sistem Pembelajaran Online dan Interaktif. (http://simponi.mdp.ac.id) Terima Kasih.


Bagian I (Identitas Responden) Bagian ini mencakup informasi pribadi responden.

Nama Jenis Kelamin

Perempuan

Umur

Laki-laki

................. tahun 3 5

Semester Jurusan Sudah berapa lama Anda menggunakan SIMPONI? Indeks Prestasi Kumulatif (IPK)

7

9

STMIK-GI MDP

AMIK MDP

SI

TK

TI

KA

>9 STIE MDP

MI

AK

AD

MJ

Tahun 1

2

3

4

>4

………………………..

Frekuensi Penggunaan E-learning : a. b. c. d.

Setiap Hari Sering (sekitar 4-6 kali seminggu) Kadang-kadang (sekitar 2-3 kali seminggu) Jarang (sekitar 1 kali seminggu)

Jenis konten apa yang paling sering Anda gunakan di SIMPONI : a. b. c. d. e.

Materi perkuliahan dan silabus Absensi perkuliahan dan transkrip nilai Forum Video interaktif Lainnya........................................

Bagian II (Daftar Pertanyaan) NO

PERNYATAAN

Interaction Student-Content 1 Saya merasa materi dan informasi yang ada pada SIMPONI mudah untuk dipahami. 2 Saya merasa materi dan informasi yang ada pada dalam SIMPONI dapat membantu meningkatkan prestasi belajar saya.

STS

PENDAPAT TS N S

SS

1

2

3

4

5

1

2

3

4

5


3

Saya tidak merasakan adanya kendala teknis saat mengunduh materi yang ada pada SIMPONI.

Interaction Student-Student 1 Saya dapat bertukar informasi dengan mudah dan cepat dengan mahasiswa lain melalui forum yang ada di SIMPONI. 2 Saya merasa forum yang ada dalam SIMPONI memfasilitasi saya untuk berteman dengan mahasiswa lain. Mahasiswa lain selalu menanggapi pertanyaanpertanyaan terkait materi pembelajaran yang saya ajukan pada SIMPONI. 4 Saya merasa dengan adanya SIMPONI kualitas interaksi saya dengan mahasiswa lain meningkat. 5 Saya merasa dengan adanya SIMPONI jumlah intensitas interaksi saya dengan mahasiswa lain meningkat. Interaction Student-Lecture 1 Ketika saya membutuhkan saran atau masukan dari dosen, saya dapat mudah berkomunikasi melalui SIMPONI. 2 Dosen saya memberikan balasan yang cepat dari pertanyaan yang saya ajukan dalam SIMPONI. 3 Saya merasa dengan adanya SIMPONI kualitas interaksi saya dengan dosen meningkat. 4 Saya merasa interaksi belajar saya dengan dosen melalui SIMPONI sangat membantu saya dalam pencapaian belajar saya. 5 Dosen selalu mendukung dan membimbing saya berkaitan dengan proses belajar saya. 6 Dosen selalu memberikan cara terbaik untuk mengajari saya sehingga saya bisa mendapatkan nilai bagus. 7 Dosen selalu dapat memberikan respon yang cepat terhadap kesulitan-kesulitan yang saya hadapi dalam belajar. Student Self-Efficacy 1 Saya merasa percaya diri dalam menggunakan SIMPONI sebagai media sharing atau diskusi dalam proses pembelajaran. 2 Saya merasa percaya diri dalam menggunakan SIMPONI sebagai media evaluasi belajar secara online. 3 Saya merasa percaya diri dalam mengoperasikan fitur-fitur dari SIMPONI yang saya gunakan.

1

2

3

4

5

1

2

3

4

5

1

2

3

4

5

1

2

3

4

5

1

2

3

4

5

1

2

3

4

5

1

2

3

4

5

1

2

3

4

5

1

2

3

4

5

1

2

3

4

5

1

2

3

4

5

1

2

3

4

5

1

2

3

4

5

1

2

3

4

5

1

2

3

4

5

1

2

3

4

5

3


Student Self-Motivation 1 Saya dapat memutuskan kapan dan dimana saya menggunakan dan mengakses SIMPONI. (Misalnya, di kampus atau di rumah) 2 Saya merasa sulit untuk memotivasi diri sendiri untuk menggunakan SIMPONI. 3 Saya merasa SIMPONI telah membantu meningkatkan motivasi belajar saya. 4 Saya merasa termotivasi untuk berusaha mendapatkan nilai yang bagus. Curricullum Program 1 Saya merasa konten yang ada di SIMPONI selalu relevan dan up to date. 2 Saya merasa materi-materi yang ada pada SIMPONI dikemas dalam bentuk file yang memudahkan saya untuk mengaksesnya. 3 Saya merasa materi-materi dalam beberapa mata kuliah sesuai dengan pembelajaran berbasis online. 4 Saya merasa mata kuliah yang ada di kurikulum sudah sesuai dengan kompetensi saya. 5 Saya merasa mata kuliah di kurikulum yang saya pelajari mendukung pencapaian hasil belajar saya. 6 Saya merasa mata kuliah pada kurikulum yang ada saat ini sesuai dan dapat dipraktekkan. Course Design 1 Saya merasa ada kesesuaian antara strategi belajar yang diusulkan dalam mencapai tujuan pembelajaran. 2 Saya merasa ada keterkaitan antar satu mata kuliah dengan mata kuliah lain yang ada di kurikulum. 3 Saya merasa struktur desain mata kuliah sudah jelas dan terorganisir. 4 Saya merasa desain media pembelajaran dan teknologi yang digunakan kampus sudah memadai. 5 Saya merasa desain mata kuliah yang sudah ada saat ini sudah membantu pengembangan kompetensi diri saya. 6 Saya merasa desain mata kuliah yang ada saat ini relevan dengan waktu sekarang dan mengikuti perkembangan teknologi. 7 Saya merasa materi/konten online dan yang ada di SIMPONI sudah memadai.

1

2

3

4

5

1

2

3

4

5

1

2

3

4

5

1

2

3

4

5

1

2

3

4

5

1

2

3

4

5

1

2

3

4

5

1

2

3

4

5

1

2

3

4

5

1

2

3

4

5

1

2

3

4

5

1

2

3

4

5

1

2

3

4

5

1

2

3

4

5

1

2

3

4

5

1

2

3

4

5

1

2

3

4

5


Saya merasa teknologi dan platform yang digunakan saat ini membantu saya dalam proses belajar mengajar. Lecture Expertise 8

1 2

3

Dosen saya memiliki tingkat keahlian yang tinggi dalam menggunakan SIMPONI. Saya merasa dosen pengajar saya sangat berkompetensi pada bidang matakuliah yang diampu. Dosen saya peduli dan memberikan saran yang berkaitan dengan pencapaian belajar saya.

1

2

3

4

5

1

2

3

4

5

1

2

3

4

5

1

2

3

4

5

oOo Terima Kasih oOo


LAMPIRAN 2 : REKAP HASIL KUESIONER PENELITIAN No.

DR1

DR2

DR3

DR4

DR5

DR6

DR7

DR8

1

Gita Soraya

P

19

5

AK

2

Kadang

Materi Perkuliahan dan Silabus

2

Siti Rahayu W

P

19

5

AK

2

Kadang


3

Wayan N

L

22

7

AK

3

Kadang

Absensi Perkuliahan dan Transkrip Nilai

4

KMA Muamar HS

L

21

7

AK

3

Kadang


5

Mukhaimin Saputra

L

21

7

AK

3

Kadang


6

Hendra Wijaya

L

20

7

AK

3

Kadang


7

Novan Adriansyah

L

22

9

AK

>4

Kadang


8

Abdul Khaliq

L

19

5

AK

2

Setiap Hari

Jadwal,materi,tugas, transkrip nilai, pengumuman akademik

9

Rati Oktavia

P

20

5

AK

2

Kadang


10

Jukia Prasisca

P

20

5

AK

2

Kadang


11

Ririn Safitri

P

19

5

AK

2

Sering


12

Putri Wulandari

P

19

5

AK

2

Sering


13

Rika Oktaria

P

19

5

AK

2

Sering


14

Yesika Gunawan

P

19

5

AK

2

Kadang

Jadwal,materi,tugas, transkrip nilai, pengumuman akademik

15

Christie Pratiwi

P

20

5

AD

2

Kadang


16

Siti Fatimah

P

20

5

AD

2

Kadang


17

Ade Rezha A

L

21

5

AD

2

Kadang


18

Fadli Hardi

L

20

5

TK

2

Kadang


19

Prima

L

20

5

TK

2

Sering

Forum Diskusi

20

Gita Triwardana

P

21

7

TK

3

Setiap Hari


21

Fahmi

L

24

5

TK

2

Setiap Hari


22

Muhammad Karim

L

19

3

TK

1

Sering


23

Norwan Adi Saputra

L

18

3

TK

1

Sering


24

Robiyadi

L

22

5

TK

2

Jarang

Absensi Perkuliahan

25

Peter Winardi

L

19

3

TK

1

Setiap Hari


26

Epran Santi Aji

L

21

5

TK

2

Jarang

Absensi Perkuliahan


27

Nur Hasanah

P

20

5

TK

2

Sering


28

Kasdami

L

20

5

TK

2

Kadang


29

Isra Miranthy

P

19

5

AK

2

Kadang


30

Henny Frista

P

18

3

AK

1

Setiap Hari


31

Rosmarina Elisa

P

19

3

AK

1

Sering


32

Dana Saputri

P

18

3

AK

1

Sering


33

Hendra Hermawan

L

20

5

AK

2

Sering

Forum Diskusi

34

Refinaldi

L

19

5

AK

2

Jarang

Absensi Perkuliahan

35

Komang Sastra G

L

20

5

AK

2

Sering

Forum Diskusi

36

Betsy Deselor W

P

20

5

AK

2

Kadang


37

Jeffri Andalas Putra

L

19

3

AK

1

Setiap Hari


38

Gunawan

L

20

5

AK

3

Kadang


39

Ismiarti

P

20

7

AK

3

Sering


40

Agung Nugraha

L

22

7

SI

3

Kadang


41

Adi

L

24

5

SI

2

Sering


42

Tri Muryati

P

21

7

SI

3

Sering


43

Andes Andriady

L

20

5

TI

3

Jarang


44

Windra

L

20

5

TI

2

Kadang


45

Ahmadi Syafar

L

20

5

TI

2

Setiap Hari


46

Fandi Sanjaya

L

20

5

TI

2

Sering


47

Maria Magdalena

P

19

5

TI

2

Sering

Absensi Perkuliahan

48

Nikolaus Adi PutrA

L

20

5

ti

2

Sering


49

Yoga Saputra

L

20

5

TI

2

Setiap Hari


50

Muhamad Lutfi

L

19

5

TI

2

Setiap Hari

Materi, Forum dan Tugas

51

Iskhaq Fitriansyah

L

20

5

TI

2

Kadang


52

Apri Sutiono

L

21

3

SI

1

Setiap Hari

Forum Diskusi

53

Aan Pujiantara

L

20

3

SI

1

Sering


54

Denny Suhandi Wijaya

L

23

9

SI

4

Jarang


55

Yudho Tri Syahputra

L

19

3

SI

1

Setiap Hari



56

Iqbal Y

L

18

3

SI

1

Sering

Absensi Perkuliahan

57

Ti Angga BK

L

19

3

SI

1

Kadang


58

M.Tiyas A

L

19

3

SI

1

Kadang

Absensi Perkuliahan

59

M.Obrien S

L

19

3

SI

1

Kadang


60

Muhammad Nugraha P

L

19

3

SI

1

Kadang


61

Adi Candra

P

20

3

SI

1

Sering


62

Ganda Putra M

L

20

3

SI

1

Kadang


63

Agus M

L

19

3

SI

1

Kadang


64

Sefti Rinanda

P

21

3

SI

1

Sering

Materi Perkuliahan dan Video Interaktif

65

Fredy Andriawan

L

19

3

SI

1

Sering

Materi, Absensi, Forum, dan Pengumuman

66

Basri Elnando

L

18

3

SI

1

Sering


67

Aldi Febriansyah

L

21

5

SI

2

Jarang


68

Rndy Hutama Putra

L

20

7

KA

3

Kadang


69

Andre Pratama

L

19

3

KA

1

Kadang


70

Rowi Anto

L

20

3

KA

1

Sering


71

Fila N. S.

L

21

7

KA

3

Kadang


72

Wahyuni

P

19

3

KA

1

Sering

Materi Perkuliahan dan Absensi

73

Sri Oktarina

P

21

7

KA

3

Jarang


74

Ade Prima W

P

18

3

KA

1

Sering


75

Gantha PW

L

21

7

KA

3

Setiap Hari


76

Andi

L

19

3

MJ

1

Sering


77

Intan Patricia

P

18

3

MJ

1

Kadang


78

Welly

L

19

3

MJ

1

Sering


79

Oktary B

L

19

3

MJ

1

Kadang


80

Dani Rusdinsyah

L

21

7

MJ

3

Setiap Hari


81

Melly Fatrin

P

20

5

MJ

2

Kadang

Pengumuman

82

Margaretha Devi

P

19

3

MJ

1

Kadang

Pengumuman

83

Andre Wirajati

L

19

3

MJ

1

Jarang


84

Ariel Nopri

L

18

3

MJ

1

Kadang

Absensi Perkuliahan dan Materi Perkuliahan


85

Andrian

L

19

3

MJ

1

Sering


86

Meiriana Puspa Dewi

P

19

3

MJ

1

Sering


87

Afriyansyah

L

19

3

MJ

1

Kadang


88

Dwi Pratiwi

P

18

3

MJ

1

Kadang


89

Yuvita Sari Harun

P

18

3

MJ

1

Kadang


90

Agus Wijaya

L

18

3

MJ

1

Jarang


91

Nopriyani P

L

19

3

MJ

1

Kadang


92

Maria Naftaly

P

19

3

MJ

1

Kadang


93

Yulianty

P

19

3

MJ

1

Sering


94

Fajar Anggara

L

17

3

TI

1

Kadang


95

Hendra

L

18

3

TI

1

Sering


96

Arie Marvin

L

18

3

TI

1

Kadang


97

Clauditta

P

18

3

TI

1

Sering


98

Eko Nopyanto

L

18

3

TI

1

Sering


99

Elza Erin

P

19

3

TI

1

Sering


100

Juratminingsih

P

9

3

TI

1

Sering


101

Rio Julyo

L

19

3

TI

1

Setiap Hari


102

Maria Valentina

P

19

3

TI

1

Kadang


103

Adi Rinaldi

L

19

3

TI

1

Kadang


104

Andi Kartono

L

19

3

TI

1

Sering


105

Bobby Gunanda

L

19

3

TI

1

Kadang


106

M. Sugeng R

L

19

3

TI

1

Kadang


107

Lotten R.N

L

19

3

TI

1

Kadang


108

Frans Irawan

L

19

3

TI

1

Sering


109

Ade Kurnia S

L

19

3

TI

1

Setiap Hari

Materi Perkuliahan, Absensi Perkuliahan dan Forum Diskusi

110

Rendy FR

L

19

3

TI

1

Sering


111

Victor Hamonangan

L

20

7

TI

3

Kadang


112

Adi Purnomo

L

20

3

TI

1

Kadang


113

Habibi Pranses

L

20

3

TI

1

Kadang



114

Lovi Dianti

P

20

3

TI

1

Sering


115

Kasogi Brades

L

20

5

TI

1

Kadang


116

Try Wahyudi

L

20

5

TI

2

Setiap Hari


117

Firman

L

20

3

TI

1

Jarang


118

Ali Daud

L

21

9

TI

4

Kadang


119

Alifullah

L

21

3

TI

1

Kadang


120

Khairul A

L

21

7

TI

3

Kadang


121

M.Abu Daby

L

21

7

TI

3

Jarang


122

Hadi Kurniawan

L

22

3

TI

1

Setiap Hari


123

Ebranda Ardi W

L

22

9

TI

4

Jarang


124

Anugrah Putra P

L

22

9

SI

4

Kadang


125

Adetio Septian

L

21

9

SI

4

Sering


126

Firdho Rua

L

22

9

SI

4

Kadang

Berita Akademik, Transkrip Nilai, Absensi dan Tugas

127

Hendra Marta

L

21

9

SI

4

Kadang

Materi, Tugas, Absensi, Daftar Seminar

128

Rifka Fitria

P

20

9

SI

4

Jarang


129

Nurmala Dewi

P

22

>9

SI

>4

Jarang


130

Rizky Ramadhan

L

21

9

SI

4

Kadang


131

Hadi

L

22

9

SI

4

Kadang


132

Merian Cafo

P

22

7

SI

3

Kadang


133

M.Rizky Andrian

L

20

7

SI

3

Sering


134

Jerry Paringga

L

21

7

SI

3

Kadang

Forum Diskusi

135

Joni Pranata

L

21

7

SI

3

Sering


136

Johnny

L

21

7

SI

3

Sering


137

Sadeli Rais

L

22

7

SI

3

Kadang


138

Ratna Puspita Sari

P

21

7

SI

3

Sering


139

Melati Arnika S

P

21

7

SI

3

Kadang


140

Novrizal Maulana

L

21

7

SI

3

Kadang

Materi Perkuliahan dan Forum Diskusi

141

Oktaviani H

L

21

7

SI

3

Kadang


142

Detha Meirina

P

21

7

SI

3

Kadang



143

Didik Andrianto

L

21

7

SI

3

Kadang


144

Yoza Jaka Tianda

L

20

5

SI

2

Kadang

Materi, Absensi dan Forum

145

Chandra Gumelar

L

21

7

SI

3

Kadang


146

Dedi Sugianto

L

21

7

SI

3

Jarang


147

Fardiansyah Romli

L

20

7

SI

3

Jarang


148

Ghazali Rianto

L

22

9

SI

4

Kadang


149

Husnus

L

21

9

SI

4

Kadang


150

Supermanto

L

23

9

SI

4

Kadang


151

Ronald

L

21

9

SI

4

Setiap Hari


152

Muhamad Mirzan

L

21

7

SI

3

Sering


153

Reymond Lawrence

L

20

5

MI

2

Kadang


154

M.Siddik

L

23

9

MI

4

Kadang


155

Kusmei Hardi

L

22

7

MI

3

Sering


156

Doni Mustafa

L

19

5

MI

2

Sering


157

Nopendra Trianto

L

25

7

MI

3

Kadang


158

Yoshe Sentia

P

21

5

MJ

2

Kadang


159

Yuki Devina

P

20

5

MJ

2

Jarang


160

Freddy

L

20

5

MJ

2

Kadang


161

Ade Gunawan

L

21

5

MJ

2

Kadang


162

Michelle

P

20

5

MJ

2

Kadang

Materi Perkuliahan dan Jadwal Seminar

163

Victorianus

L

22

5

MJ

2

Kadang


164

Kisca Andriani

P

20

5

MJ

2

Kadang


165

Jessica Chandra

P

20

5

MJ

2

Sering


166

Ricky

L

21

5

MJ

2

Jarang


167

Weslo N

L

21

5

MJ

2

Kadang


168

Fendy

L

20

5

MJ

2

Kadang


169

Agus Prana

L

25

5

MJ

2

Kadang


170

Atika S

P

21

5

MJ

2

Setiap Hari


171

Kespi M

P

19

3

MJ

1

Kadang



172

Erick Pratama

L

19

3

MJ

1

Sering


173

Febriani

P

18

3

MJ

1

Kadang


174

Febrio Tan

L

19

5

MJ

2

Kadang


175

Handi Haryanto Lim

L

22

5

MJ

2

Sering


176

Robert

L

19

3

MJ

1

Kadang


177

Frezki C

L

22

3

MJ

1

Kadang


178

Jimmy Lukito

L

22

9

MJ

4

Sering


179

Erfendi

L

26

5

MJ

2

Sering


180

Asep Supriyatna

L

20

5

MJ

2

Sering


181

Nessia Agustina

P

20

5

MJ

2

Kadang


182

Mali

P

21

5

SI

2

Kadang


183

Medy Safini

L

27

7

SI

3

Sering


184

Yonanda

L

21

9

SI

4

Sering


185

Teking

L

21

7

SI

3

Kadang


186

Ade Triyandi

L

25

5

SI

2

Kadang


187

M.Kamil W

L

23

7

SI

3

Kadang


188

Indrawan

L

20

5

SI

2

Kadang


189

Emi Yulianti

P

23

7

SI

3

Sering


190

Ambaryani

P

21

7

SI

3

Sering

Forum Diskusi

191

Ridha A

P

21

7

SI

3

Sering

Jadwal Seminar

192

Aris Triantono

L

22

9

SI

4

Setiap Hari


193

Zainal Arifin F

L

21

7

SI

3

Sering


194

Ricky T

L

21

7

SI

3

Kadang


195

Deny Martindo

L

21

9

SI

4

Kadang


196

Didi

L

27

5

SI

2

Jarang

Materi, Tugas, dan Transkip nilai

197

Albert Einstein

L

27

3

SI

1

Jarang


198

Utama Putra

L

21

7

TI

3

Setiap Hari


199

M.Zulian

L

21

7

TI

3

Sering


200

M.Surya Ikhsan

L

25

7

TI

3

Kadang



201

Tjipto S

L

23

7

TI

3

Sering


202

Christin Leo Japar

P

20

5

TI

2

Kadang


203

Tommy Wonggo

L

20

5

TI

2

Kadang


204

Andrian Chanhar

L

20

5

TI

2

Setiap Hari


205

Eflin Winata

L

20

5

TI

2

Kadang


206

Yunita Chandra

P

20

5

TI

2

Kadang


207

Yessi Stifany

L

19

5

TI

2

Kadang


208

Redho P

L

21

7

TI

3

Kadang


209

Chairul Saleh

L

21

7

TI

3

Jarang


210

Rico Wijaya

L

20

5

TI

2

Jarang


211

Very Ramadhan

L

20

5

TI

2

Setiap Hari


212

David Oktavian

L

21

5

TI

2

Sering


213

Kevin Octavianus

P

20

5

TI

2

Kadang


214

Helvi Risna

P

19

5

TI

2

Jarang


215

Andy Setiawan

L

20

5

TI

2

Sering


216

Sandi Desmanto

L

20

5

TI

2

Kadang

Jadwal Perkuliahan

217

Darwin Teja

L

20

5

TI

2

Kadang


218

Irwan

L

19

5

TI

2

Kadang


219

Kelvin

L

19

5

TI

2

Kadang


220

Albert Ivando

L

19

5

TI

2

Sering


221

Muhammad Andri

L

20

5

TI

2

Sering


222

Tommy Darsono

L

21

5

TI

2

Sering


223

Erwin Junianto

L

20

5

TI

2

Sering


224

Woinner Septa

L

21

5

TI

2

Sering


225

Kevin Sunanto Husin

L

19

5

TI

2

Sering


226

Medi Riansa

L

22

5

TI

2

Sering


227

Riko Fransisco

L

26

>9

TI

>4

Kadang


228

Yonanda Sabrina

L

26

7

TI

3

Setiap Hari

Materi Perkuliahan dan Forum Diskusi

229

Haryono

L

20

5

TI

2

Sering



230

Alimin

L

31

7

TI

3

Setiap Hari

Forum Diskusi

231

Aries Suhendar

L

22

5

TI

2

Sering

Materi, Artikel dan Informasi

232

Hadi Suryajaya

L

20

5

TI

2

Sering


233

Sherly Lesmono

P

20

5

TI

2

Kadang


234

Hengky Harun

L

20

5

TI

2

Kadang

Materi Perkuliahan dan Tugas

235

Jhohanis

L

20

5

MI

2

Kadang


236

Denny Suhandi W

L

23

>9

SI

>4

Jarang


237

Aldino Motu Mona

L

21

9

TI

3

Sering

Jadwal Perkuliahan

238

M.Ariansyah

L

24

>9

SI

>4

Kadang

Absensi Perkuliahan, Transkrip Nilai & Jadwal

239

Tommy Setiawan

L

20

5

SI

2

Kadang


240

Kusrianto

L

21

3

SI

1

Sering


241

Tria Ajeng

P

19

5

SI

2

Sering


242

Septia W

P

20

5

SI

2

Sering


243

Nur Andini Septiani

P

20

5

SI

2

Sering


244

Septian Perdana

L

20

5

SI

2

Kadang


245

Rizky Emilia

P

20

5

SI

2

Kadang


246

Abdiz Zaki

L

20

5

SI

2

Kadang


247

Lucyana Ningrum

P

20

5

MJ

2

Kadang


248

Rezki Yunima

P

20

5

MJ

2

Setiap Hari


249

Yones Olidia W

P

21

5

MJ

2

Setiap Hari


250

Febria Suci

P

20

5

MJ

2

Setiap Hari


251

Yuliana

P

19

5

MJ

2

Sering


252

Fitria Permata Sari

P

21

5

MJ

2

Setiap Hari


253

Valencia Tioriman

P

21

7

MJ

3

Jarang


254

Onna Sutra

P

20

5

MJ

2

Kadang


255

Mgs. Deny R

L

21

7

MJ

3

Setiap Hari

Absensi Perkuliahan, Transkrip Nilai & Jadwal

256

Elki Noviandi

L

21

5

TI

2

Sering


257

Frans Setia W

L

20

5

TI

2

Setiap Hari


258

Rahmat Agus Setiawan

L

19

5

TI

2

Sering



259

Steffany

P

20

5

TI

2

Sering


260

M.Aprizal

L

20

5

TI

2

Sering


261

Nariana

P

21

7

TI

3

Sering


262

M. Adi Nugroho

P

20

5

TI

2

Setiap Hari


263

Johan Wijaya

L

22

7

TI

3

Sering


264

M. Lian Syahbana

L

21

7

MJ

3

Sering


265

Fillya Afriani

P

20

5

MJ

2

Sering


266

Winda Widya

P

20

5

MJ

2

Sering


267

Okayo A. Yunus

L

22

5

MI

2

Kadang


268

Firmansyah

L

20

5

MI

2

Sering


269

Friangga Gilar Pratama

L

20

5

MI

2

Sering


270

Raden Rubby Satria

L

25

5

MI

2

Setiap Hari


271

Egas Timor S

L

21

5

MI

2

Sering


272

Muhammad Alfian

L

20

5

MI

2

Kadang


273

Gustomi Dwi Putra

L

20

5

MI

2

Sering


274

Muhammad Agustian

L

21

5

MI

2

Setiap Hari


275

Ferry Yansen

L

22

7

TI

3

Setiap Hari


276

Ahmad Kornain

L

21

7

TI

3

Kadang


277

Muhammad Kamil

L

20

5

SI

2

Kadang

Materi Perkuliahan dan Jadwal Perkuliahan

278

Berri Muzzaki

L

19

5

SI

2

Setiap Hari

Materi Perkuliahan dan Transkrip Nilai

279

M.Rachmad Nurgraha

L

21

5

SI

2

Kadang


280

Oktaviani

L

20

5

SI

2

Kadang


281

Billy Suyanto

L

20

5

SI

2

Kadang


282

Rusli

L

20

5

SI

2

Kadang


283

Safriansyah

L

21

7

SI

3

Sering


284

Evan Markus

L

23

9

SI

4

Jarang


285

Depa Permatasari

P

21

5

SI

2

Jarang


286

Merliansyah

L

21

5

SI

2

Jarang


287

M.Rizky M.

L

20

3

SI

1

Setiap Hari



288

Dian Cendana Sari

P

19

5

SI

2

Sering


289

Muhmammad Hanafi

L

20

5

SI

2

Setiap Hari


290

Januardi Irawan

L

21

5

SI

2

Setiap Hari


291

Wilanda Andalas

L

20

5

SI

2

Sering


292

Novita Wulandari

L

19

5

SI

2

Sering


293

M.Fajri

L

19

5

SI

2

Kadang


294

Sari

P

20

5

SI

2

Sering


295

Weri Hidayanti

P

20

5

SI

2

Kadang


296

Sellfy Fitria

P

20

5

SI

2

Kadang


297

Kendy

L

20

5

SI

2

Kadang


298

Mega Silvia

P

20

5

SI

2

Sering


299

Lia Wahyuni

P

20

5

SI

2

Kadang


300

Christiana Octavia

P

21

5

SI

2

Kadang


301

Sufinah M

P

20

5

SI

2

Sering


302

Dwi Oetari

P

19

5

SI

2

Sering


303

Cahya Kurnia

P

20

5

SI

2

Sering


304

Tejo

L

20

5

SI

2

Sering


305

Owiyah S

L

20

5

SI

2

Sering


306

Hardianto S

L

20

5

SI

2

Sering

Forum Diskusi

307

Edward

L

22

7

SI

3

Sering


308

Yoga Okta Sena

L

23

9

SI

4

Sering


309

Harde R

L

21

9

SI

4

Jarang


310

Abah

P

22

9

SI

4

Kadang


311

Temi Saputro

L

23

9

SI

4

Jarang


312

Arya Wahyu

L

23

>9

SI

>4

Sering


313

Kristiono

L

20

5

SI

2

Setiap Hari


314

Suryani

P

20

5

SI

2

Jarang


315

Beby Mareta

P

20

5

SI

2

Kadang


316

Yanto

P

20

5

SI

2

Kadang



317

Sahra Mulya

P

20

5

SI

2

Kadang


318

Rama Pramudya

L

21

7

SI

3

Kadang


319

Didik Andrianto

L

21

7

SI

3

Jarang


320

Oktavianus

L

20

5

SI

2

Sering


321

Sintya Subli

P

20

5

SI

2

Sering


322

Septry Dherwindo

L

20

5

SI

2

Sering


323

Rahmadi Lendriansyah

L

20

5

SI

2

Sering


324

Yoza Jaka Tianda

L

20

5

SI

2

Kadang


325

Petrea Hesty L

P

20

5

SI

2

Sering


326

Rachmad D

L

19

5

SI

2

Sering


327

Muhammad Al Amin

L

19

5

SI

2

Jarang


328

Riyo

L

20

5

SI

2

Sering


329

Suyandra Eko Mukti

L

23

9

TI

4

Sering

Materi, Forum dan Tugas

330

Ryan Sabian

L

24

>9

TI

>4

Jarang

Forum Diskusi

331

Winda Amalia

P

20

5

MJ

2

Setiap Hari


332

Lucyana Ningrum

P

20

5

MJ

2

Kadang


333

Merdianti Resino

P

19

5

MJ

2

Setiap Hari


334

Jevita

P

20

5

MJ

2

Setiap Hari


335

Febria Suci R.

P

20

5

MJ

2

Kadang


336

Ariawan Gandhi

L

21

5

MJ

2

Kadang


337

Melly Fatrin

P

20

5

MJ

2

Setiap hari


338

Hagay Eagle Kaende

L

20

7

MJ

3

Kadang


339

Novita Sari Putri H

P

20

5

MJ

2

Setiap Hari


340

Devika H

P

20

5

MJ

2

Sering


341

Fillya Afriani

P

20

5

MJ

2

Sering


342

Yoanna Olidia W

P

21

5

MJ

2

Sering


343

Roza Novalia

P

19

5

MJ

2

Sering


344

Dian

P

21

7

MJ

3

Kadang


345

M.Ulul Azmi

L

21

5

MJ

2

Sering



346

Fenny Firdaus

P

19

3

AK

1

Jarang


347

Siska Noviyanti

P

19

3

AK

1

Kadang


348

Tristianto

L

18

3

AK

1

Kadang


349

Catherine Octavia

P

19

3

AK

1

Kadang


350

Chelsy Alinto

P

18

3

AK

1

Sering


351

Nurdiani

P

21

3

SI

1

Sering


352

Vadanty Lestari

P

19

3

AK

1

Kadang


353

Leonardo A

L

19

3

AK

1

Sering


354

Chrisdian Tri W

L

19

3

AK

1

Sering


355

Novita Sari

P

19

3

AK

1

Sering


356

Ayu Fitri

P

17

3

AK

1

Kadang


357

Hayyu Roza

P

21

3

AK

1

Setiap Hari


358

Teur A

P

19

5

AK

2

Kadang


359

Veronica

P

20

5

AK

2

Sering


360

Rika A

P

19

5

AK

2

Kadang


361

Ernawati

P

19

3

AK

1

Jarang


362

Margaretha A

P

22

3

AK

1

Sering


363

Yesi Dwi W

P

20

3

AK

1

Sering


364

Mario Anwar

L

20

3

AK

1

Sering


365

Venke Ariska

P

19

5

AK

2

Kadang

Materi Perkuliahan dan Absensi

366

Yopi Ratnasari

P

19

5

AK

2

Kadang


367

Noviarny Joko

P

20

5

AK

2

Kadang


368

Andre

L

19

3

AK

1

Sering


369

Tania Andarni

P

19

3

AK

1

Sering


370

Ricki

L

18

3

AK

1

Kadang


371

Emi Yulianti

P

19

3

AK

1

Kadang


372

Yellysah

P

18

3

AK

1

Kadang


373

Try Wulan Sari

P

19

3

AK

1

Kadang


374

Mally Afriansyah

L

23

>9

SI

>4

Sering



375

Markus Richard M

L

20

5

SI

2

Kadang


376

Netti Herawati

P

20

5

SI

2

Sering


377

Daniel Bernandes

L

19

5

SI

2

Kadang


378

Jovin

L

20

5

SI

2

Kadang


379

Juwanda

L

19

5

SI

2

Kadang


380

Made Suwastiko

L

22

5

SI

2

Kadang


381

Rizq Sugiarto

L

21

5

SI

2

Sering


382

Rendy Rusli

L

24

7

SI

3

Sering


383

Oky Ustiawan

L

20

7

SI

3

Sering


384

M.Hafiz

L

21

5

SI

2

Kadang


385

Harry Kurniawan

L

21

7

SI

3

Jarang


386

Reni

L

20

5

SI

2

Jarang


387

Abu Hanifah

L

22

9

SI

4

Kadang


388

Limberdy O.S

P

20

5

SI

2

Setiap Hari


389

Reza Sartika

P

23

>9

SI

>4

Kadang


390

Beny Wijaya

L

19

5

SI

2

Kadang


391

Rusdianto Rusli

L

20

5

SI

2

Jarang


392

Suhardi Dentari

L

20

5

SI

2

Kadang


393

Hadi Surono

L

21

7

SI

3

Sering


394

Wenny Lestari

P

21

7

SI

3

Sering


395

Maria Aguslin

P

21

7

SI

3

Sering


396

Sundari

P

21

7

SI

3

Sering


397

Lisa

P

20

7

SI

3

Sering

Materi, Absen, Transkrip nilai dan Forum Diskusi

398

Dini Lestari

P

21

7

SI

3

Sering

Materi Perkuliahan, Transkrip Nilai dan Forum Diskusi

399

Komaruddin

L

20

5

TI

2

Sering


400

Rizky Buana S

L

20

5

TI

2

Sering


401

Steffanie

P

19

5

TI

2

Sering


402

Yonanda Rizky

P

20

5

TI

2

Kadang


403

M.Arroyyan

L

20

5

TI

2

Jarang



404

Saiful Bari

L

20

5

TI

2

Sering


405

Ade Kurniawan

L

19

5

TI

2

Sering


406

Ilham Ginting

L

21

5

TI

2

Jarang

Jadwal Perkuliahan

407

Rendra Warsita

L

20

5

TI

2

Sering


408

Maulana M.R

L

20

5

TI

2

Kadang


409

M.Danial

L

21

5

TI

2

Setiap Hari


410

Diyo Gilang P

L

22

9

TI

4

Sering


411

M.Rizki Aditya

L

20

5

TI

2

Kadang


412

M.Syahril Q

L

19

5

TI

2

Sering


413

Muhammad Rinaldo F

L

20

5

TI

2

Kadang


414

Wera Tera Belta

L

19

5

TI

2

Sering


415

Dedi Rahman

L

20

5

TI

2

Sering


416

Selvi Bonita N

P

20

5

TI

2

Kadang


417

Ira Wahyu M

P

20

5

TI

2

Kadang


418

Polindo Budi H

L

20

5

TI

2

Sering

Forum Diskusi

419

M. Shaleh

L

21

5

TI

2

Kadang


420

Dano Irwansyah

L

22

5

TI

2

Setiap Hari


421

A.Syarif

L

22

5

TI

2

Kadang


422

Alexander Chandra K

L

20

5

TI

2

Sering


423

Okti F

P

20

5

TI

2

Kadang


424

M.Andi Yusuf

L

19

5

TI

2

Kadang


425

Afda A

L

19

5

TI

2

Setiap Hari


426

Barep P

L

20

5

TI

2

Sering


427

Bayu Prakasa

L

19

5

TI

2

Sering


428

Toni

L

20

5

TI

2

Sering


429

Indah Novita Sari

P

20

5

TI

2

Sering


430

Dwi Ratna Pratiwi

P

19

5

TI

2

Sering

Forum Diskusi, Absensi, Nilai, Transkrip, DNS, Materi dan Silabus

431

Serlly Pramita

P

21

5

TI

2

Sering

Materi, Tugas, Pengumuman, dll

432

Ihsan Ridhwan

L

20

5

TI

2

Kadang



433

Noval Arisco

L

19

5

TI

2

Sering


434

Nurhamid

L

19

5

TI

2

Kadang


435

Melki Kurniawan

L

19

5

TI

2

Setiap Hari


436

M.Yudha Pratama

L

20

5

TI

2

Jarang


437

M.Taufik Setiawan

L

20

5

TI

2

Jarang


438

Muhammad Rosyid

L

20

5

TI

2

Kadang

Materi, Absensi dan Transkrip nilai

439

Ali Mintarko

L

23

9

TI

3

Setiap Hari


440

Mutia Purwati

P

22

5

TI

2

Kadang


441

Rahmat Hidayat Febriansyah

L

20

5

TI

>4

Kadang


442

Okti Firnawati

P

20

5

TI

2

Sering


443

Supriyanto

L

20

7

TI

2

Kadang

Lainnya Semuanya

444

Anggari Ayu P

P

20

5

TI

2

Setiap Hari


445

Randi Poernomo

L

20

5

TI

2

Setiap Hari


446

Dwi Indra Wibowo

L

20

5

TI

2

Setiap Hari


447

Fadly Irwansyah P

L

18

3

MI

1

Kadang


448

Anita Dian Pertiwi

P

20

3

MI

1

Jarang


449

Yohana Mahaban

P

20

3

MI

1

Jarang


450

Wedi Sapril

L

21

3

MI

1

Setiap Hari


451

Ario Prastio

L

19

3

MI

1

Sering


452

Andi N

L

19

3

MI

1

Setiap Hari


453

Muhammad Rizki Prakoso

L

19

3

MI

1

Kadang


454

Willy Ardy

L

18

3

MI

1

Kadang


455

Muhammad Ansori

L

20

3

MI

1

Kadang


456

Andrian Nurcahyo

L

18

3

MI

1

Jarang


457

Rofin

L

20

5

MI

2

Kadang


458

Rysa Putri Utami

P

19

3

SI

1

Sering


459

Galih Dwika P

L

19

3

SI

1

Setiap Hari


460

Muhammad Ari Wibowo

L

19

3

SI

1

Kadang


461

Muhammad Rivadaus

L

19

3

SI

1

Setiap Hari

Lainnya Semuanya


462

M.Robiansyah

L

19

3

SI

1

Kadang


463

M.Alfath Napian

L

21

9

SI

4

Kadang


464

Erwin Saputra

L

20

3

SI

1

Sering


465

Fadhil Tri Wibowo

L

19

3

SI

1

Kadang


466

Wahyu Setiabudi

L

18

3

SI

1

Sering


467

Nur Hamid

L

19

3

SI

1

Sering


468

Elpan Nur

L

19

3

SI

1

Sering


469

Prastya Nugroho

L

19

3

SI

1

Setiap Hari


470

Basar Alam

L

19

3

SI

1

Setiap Hari


471

Vera Theresia Gultom

P

19

3

SI

1

Sering


472

Sonia Permata Sari

P

19

3

SI

1

Sering


473

Malinda Ade Lina

P

19

3

SI

1

Setiap Hari


474

Oki Novita

P

19

3

SI

1

Kadang


475

Lussy Melani

P

19

3

SI

1

Kadang


476

Risha Widya Sari

P

19

3

SI

1

Kadang


477

Loria

P

18

3

SI

1

Kadang


478

Neviana Diah P

P

19

3

SI

1

Kadang

Lainnya Semuanya

479

Siska Saimona

P

18

3

SI

1

Kadang



LAMPIRAN 3 : LOG PENGGUNAAN SIMPONI Semester Ganjil dan Genap 2012/2013 1. Semester Ganjil 2012/2013 (Periode September 2012– Januari 2013) a. Log Mahasiswa NPM NPM NPM No. Mahasiswa No. Mahasiswa No. Mahasiswa 1 2006240108 41 2009240059 81 2010120005 2 2006240110 42 2009240075 82 2010130011 3 2007240039 43 2009240078 83 2010130012 4 2007240043 44 2009240094 84 2010130016 5 2007240116 45 2009240105 85 2010130018 6 2007240142 46 2009240148 86 2010130019 7 2007240201 47 2009240157 87 2010130020 8 2007250013 48 2009240158 88 2010130021 9 2007260045 49 2009240160 89 2010130028 10 2008120004 50 2009240163 90 2010240007 11 2008120005 51 2009240167 91 2010240010 12 2008240014 52 2009240169 92 2010240014 13 2008240048 53 2009240174 93 2010240016 14 2008240173 54 2009240199 94 2010240018 15 2008240174 55 2009240200 95 2010240019 16 2008240198 56 2009240205 96 2010240030 17 2008240253 57 2009240207 97 2010240031 18 2008240269 58 2009240214 98 2010240032 19 2008240287 59 2009240220 99 2010240033 20 2008240290 60 2009240225 100 2010240035 21 2008240295 61 2009240237 101 2010240042 22 2008240296 62 2009240239 102 2010240065 23 2008240303 63 2009240258 103 2010240067 24 2008240306 64 2009240270 104 2010240068 25 2008240312 65 2009250007 105 2010240073 26 2008240318 66 2009250008 106 2010240075 27 2008240329 67 2009250009 107 2010240077 28 2008240330 68 2009250015 108 2010240079 29 2008240331 69 2009250057 109 2010240082 30 2008240337 70 2009250060 110 2010240107 31 2008240527 71 2009250084 111 2010240116 32 2008250034 72 2009250092 112 2010240117 33 2008250101 73 2009250096 113 2010240121 34 2008250112 74 2009250110 114 2010240126 35 2008250131 75 2009250125 115 2010240127 36 2008250154 76 2010110014 116 2010240136 37 2009110006 77 2010110036 117 2010240147 38 2009130005 78 2010110058 118 2010240152 39 2009240006 79 2010120003 119 2010240161 40 2009240033 80 2010120004 120 2010240163


No. 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160

NPM Mahasiswa 2010240168 2010240169 2010240171 2010240177 2010240178 2010240180 2010240181 2010240184 2010240187 2010240188 2010240198 2010240199 2010240201 2010240204 2010240206 2010240208 2010240209 2010240210 2010240212 2010240214 2010240215 2010240216 2010240218 2010240222 2010240235 2010240298 2010240301 2010240313 2010240339 2010240351 2010240355 2010240357 2010240358 2010240361 2010240363 2010240366 2010250008 2010250010 2010250013 2010250014

No. 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200

NPM Mahasiswa 2010250016 2010250018 2010250019 2010250020 2010250025 2010250027 2010250028 2010250035 2010250036 2010250037 2010250041 2010250043 2010250047 2010250048 2010250049 2010250069 2010250075 2010250079 2010250084 2010250085 2010250086 2010250124 2010250165 2010250176 2010250185 2010250190 2010250191 2011110003 2011110019 2011120001 2011120005 2011130001 2011240001 2011240010 2011240011 2011240012 2011240013 2011240016 2011240017 2011240022

No. 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240

NPM Mahasiswa 2011240026 2011240030 2011240031 2011240032 2011240033 2011240036 2011240037 2011240038 2011240039 2011240040 2011240043 2011240044 2011240045 2011240047 2011240054 2011240057 2011240058 2011240059 2011240060 2011240063 2011240068 2011240070 2011240072 2011240079 2011240081 2011240082 2011240129 2011240131 2011240132 2011240136 2011240142 2011240149 2011240150 2011240155 2011240158 2011240163 2011240170 2011240181 2011240182 2011240186


No. 241 242 243 244 245 246 247 248 249 250 251 252 253 254 255 256 257 258 259 260 261 262 263 264 265 266 267 268 269 270 271 272 273 274 275 276 277 278 279 280

NPM Mahasiswa 2011240187 2011240190 2011250081 2011250502 2011250504 2012110002 2012110004 2012110011 2012110027 2012110030 2012110031 2012120002 2012120004 2012120005 2012120006 2012120007 2012130001 2012130002 2012130003 2012130005 2012130006 2012130007 2012240001 2012240002 2012240003 2012240004 2012240005 2012240006 2012240007 2012240008 2012240009 2012240010 2012240011 2012240012 2012240013 2012240014 2012240015 2012240030 2012240032 2012240033

No. 281 282 283 284 285 286 287 288 289 290 291 292 293 294 295 296 297 298 299 300 301 302 303 304 305 306 307 308 309 310 311 312 313 314 315 316 317 318 319 320

NPM Mahasiswa 2012240034 2012240035 2012240036 2012240037 2012240038 2012240039 2012240040 2012240042 2012240043 2012240045 2012240046 2012240047 2012240049 2012240050 2012240051 2012240053 2012240054 2012240055 2012240057 2012240058 2012240059 2012240060 2012240061 2012240062 2012240063 2012240065 2012240067 2012240068 2012240070 2012240071 2012240076 2012240079 2012240081 2012240082 2012240083 2012240084 2012240087 2012240093 2012240115 2012240117

No. 321 322 323 324 325 326 327 328 329 330 331 332 333 334 335 336 337 338

NPM Mahasiswa 2012240184 2012240186 2012240188 2012240189 2012240200 2012240202 2012240203 2012240204 2012240206 2012240211 2012240222 2012250031 2012250035 2012250037 2012250040 2012250065 2012250069 2012250077


b. Log Dosen

No. 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

NIK Dosen 021011 021016 021021 032052 032056 032076 032083 041032 042092 051039 051040 051041 052098 052103 052116 061043 071045 071046 071047 072153 092179 101057 101058 102190 111061 111062 111064 111065 111068 111070 112193 121073 121076 121077 121078 121079 121080 121082 121083


2. Semester Genap 2012/2013 (Periode Februari - Juli 2013) a. Log Mahasiswa NPM NPM NPM No. Mahasiswa No. Mahasiswa No. Mahasiswa 1 2006240111 41 2009240059 81 2010120005 2 2006240220 42 2009240075 82 2010130011 3 2007240038 43 2009240078 83 2010130012 4 2007240048 44 2009240094 84 2010130016 5 2007240112 45 2009240105 85 2010130018 6 2007240152 46 2009240148 86 2010130019 7 2007240200 47 2009240157 87 2010130020 8 2007250016 48 2009240158 88 2010130021 9 2007260045 49 2009240160 89 2010130028 10 2008120004 50 2009240163 90 2010240007 11 2008120005 51 2009240167 91 2010240010 12 2008240014 52 2009240169 92 2010240014 13 2008240048 53 2009240174 93 2010240016 14 2008240173 54 2009240199 94 2010240018 15 2008240174 55 2009240200 95 2010240019 16 2008240198 56 2009240205 96 2010240030 17 2008240253 57 2009240207 97 2010240031 18 2008240269 58 2009240214 98 2010240032 19 2008240287 59 2009240220 99 2010240033 20 2008240290 60 2009240225 100 2010240035 21 2008240295 61 2009240237 101 2010240042 22 2008240296 62 2009240239 102 2010240047 23 2008240303 63 2009240258 103 2010240051 24 2008240306 64 2009240270 104 2010240057 25 2008240312 65 2009250007 105 2010240065 26 2008240318 66 2009250008 106 2010240067 27 2008240329 67 2009250009 107 2010240068 28 2008240330 68 2009250015 108 2010240073 29 2008240331 69 2009250057 109 2010240075 30 2008240337 70 2009250060 110 2010240077 31 2008240527 71 2009250084 111 2010240079 32 2008250034 72 2009250092 112 2010240082 33 2008250101 73 2009250096 113 2010240107 34 2008250112 74 2009250110 114 2010240116 35 2008250131 75 2009250125 115 2010240117 36 2008250154 76 2010110014 116 2010240121 37 2009110006 77 2010110036 117 2010240126 38 2009130005 78 2010110058 118 2010240127 39 2009240006 79 2010120003 119 2010240136 40 2009240033 80 2010120004 120 2010240147


No. 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160

NPM Mahasiswa 2010240152 2010240161 2010240163 2010240168 2010240169 2010240171 2010240177 2010240178 2010240180 2010240181 2010240184 2010240187 2010240188 2010240198 2010240199 2010240201 2010240204 2010240206 2010240208 2010240209 2010240210 2010240212 2010240214 2010240215 2010240216 2010240218 2010240222 2010240223 2010240235 2010240237 2010240239 2010240241 2010240253 2010240257 2010240264 2010240267 2010240275 2010240276 2010240287 2010240288

No. 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200

NPM Mahasiswa 2010240289 2010240293 2010240296 2010240298 2010240301 2010240313 2010240339 2010240351 2010240355 2010240357 2010240358 2010240361 2010240363 2010240366 2010240379 2010240380 2010240506 2010250001 2010250002 2010250003 2010250005 2010250007 2010250008 2010250010 2010250013 2010250014 2010250016 2010250018 2010250019 2010250020 2010250025 2010250027 2010250028 2010250035 2010250036 2010250037 2010250041 2010250043 2010250047 2010250048

No. 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240

NPM Mahasiswa 2010250049 2010250069 2010250075 2010250079 2010250084 2010250085 2010250086 2010250124 2010250165 2010250176 2010250185 2010250190 2010250191 2011110003 2011110019 2011120001 2011120005 2011130001 2011240001 2011240010 2011240011 2011240012 2011240013 2011240016 2011240017 2011240022 2011240026 2011240030 2011240031 2011240032 2011240033 2011240036 2011240037 2011240038 2011240039 2011240040 2011240043 2011240044 2011240045 2011240047

No. 241 242 243 244 245 246 247 248 249 250 251 252 253 254 255 256 257 258 259 260 261 262 263 264 265 266 267 268 269 270 271 272 273 274 275 276 277 278 279 280

NPM Mahasiswa 2011240054 2011240057 2011240058 2011240059 2011240060 2011240063 2011240068 2011240070 2011240072 2011240079 2011240079 2011240081 2011240082 2011240083 2011240091 2011240092 2011240093 2011240097 2011240099 2011240103 2011240104 2011240119 2011240121 2011240122 2011240123 2011240124 2011240125 2011240127 2011240128 2011240129 2011240131 2011240132 2011240136 2011240138 2011240142 2011240149 2011240150 2011240152 2011240155 2011240158


No. 281 282 283 284 285 286 287 288 289 290 291 292 293 294 295 296 297 298 299 300 301 302 303 304 305 306 307 308 309 310 311 312 313 314 315 316 317 318 319 320

NPM Mahasiswa 2011240163 2011240170 2011240180 2011240181 2011240182 2011240186 2011240187 2011240190 2011240502 2011240510 2011240512 2011250008 2011250012 2011250024 2011250069 2011250081 2011250502 2011250502 2011250504 2012110002 2012110004 2012110006 2012110011 2012110016 2012110017 2012110018 2012110027 2012110030 2012110031 2012120001 2012120002 2012120004 2012120005 2012120006 2012120007 2012130001 2012130002 2012130003 2012130005 2012130006

No. 321 322 323 324 325 326 327 328 329 330 331 332 333 334 335 336 337 338 339 340 341 342 343 344 345 346 347 348 349 350 351 352 353 354 355 356 357 358 359 360

NPM Mahasiswa 2012130007 2012240001 2012240002 2012240003 2012240004 2012240005 2012240006 2012240007 2012240008 2012240009 2012240010 2012240011 2012240012 2012240013 2012240014 2012240015 2012240016 2012240017 2012240018 2012240019 2012240020 2012240021 2012240022 2012240023 2012240024 2012240025 2012240027 2012240028 2012240030 2012240032 2012240033 2012240034 2012240035 2012240036 2012240037 2012240038 2012240039 2012240040 2012240042 2012240043

No. 361 362 363 364 365 366 367 368 369 370 371 372 373 374 375 376 377 378 379 380 381 382 383 384 385 386 387 388 389 390 391 392 393 394 395 396 397 398 399 400

NPM Mahasiswa 2012240045 2012240046 2012240047 2012240049 2012240050 2012240051 2012240053 2012240054 2012240055 2012240057 2012240058 2012240059 2012240060 2012240061 2012240062 2012240063 2012240065 2012240067 2012240068 2012240070 2012240071 2012240076 2012240078 2012240079 2012240081 2012240082 2012240083 2012240084 2012240087 2012240093 2012240094 2012240096 2012240099 2012240101 2012240102 2012240103 2012240107 2012240109 2012240111 2012240112

No. 401 402 403 404 405 406 407 408 409 410 411 412 413 414 415 416 417 418 419 420 421 422 423 424 425 426 427 428 429 430 431 432 433 434 435 436 437 438 439 440

NPM Mahasiswa 2012240113 2012240114 2012240115 2012240116 2012240117 2012240120 2012240122 2012240123 2012240124 2012240126 2012240127 2012240128 2012240130 2012240131 2012240132 2012240133 2012240134 2012240136 2012240137 2012240140 2012240141 2012240143 2012240149 2012240150 2012240151 2012240152 2012240153 2012240154 2012240155 2012240156 2012240157 2012240160 2012240161 2012240165 2012240166 2012240167 2012240169 2012240170 2012240171 2012240172


No. 441 442 443 444 445 446 447 448 449 450 451 452 453 454 455 456 457 458 459 460 461 462 463 464 465 466 467 468 469 470 471 472 473 474 475 476 477 478 479 480

NPM Mahasiswa 2012240173 2012240174 2012240176 2012240177 2012240178 2012240180 2012240182 2012240184 2012240185 2012240186 2012240188 2012240189 2012240190 2012240191 2012240192 2012240195 2012240197 2012240200 2012240202 2012240203 2012240204 2012240206 2012240211 2012240212 2012240216 2012240218 2012240219 2012240220 2012240221 2012240222 2012240502 2012240503 2012250001 2012250003 2012250004 2012250005 2012250006 2012250013 2012250016 2012250017

No. 481 482 483 484 485 486 487 488 489 490 491 492 493 494 495 496 497 498 499 500

NPM Mahasiswa 2012250018 2012250023 2012250026 2012250028 2012250029 2012250030 2012250031 2012250035 2012250037 2012250039 2012250040 2012250042 2012250047 2012250048 2012250050 2012250053 2012250054 2012250057 2012250058 2012250059

No. 501 502 503 504 505 506 507 508 509 510 511 512 513 514 515 516 517 518 519 520

NPM Mahasiswa 2012250062 2012250064 2012250065 2012250069 2012250077 2012250079 2012250081 2012250083 2012250084 2012250085 2012250091 2012250092 2012250095 2012250096 2012250097 2012250103 2012250105 2012250106 2012250111 2012250115

No. 521 522 523 524 525 526 527

NPM Mahasiswa 2012250116 2012250117 2012250121 2012250122 2012250124 2012250126 2012250127


b. Log Dosen NIK No. Dosen 1 021016 2 032083 3 041032 4 051039 5 052098 6 052107 7 071046 8 101058 9 111062 10 111064 11 111065 12 111068 13 111069 14 111070 15 121076 16 121077 17 121078 18 121079 19 121080 20 121082


LAMPIRAN 4 : HASIL UJI VALIDITAS AWAL DENGAN MENGGUNAKAN SPSS Item-Total Statistics Scale Mean if Item Deleted ISC1 ISC2 ISC3 ISS1 ISS2 ISS3 ISS4 ISS5 ISL1 ISL2 ISL3 ISL4 ISL5 ISL6 ISL7 SSE1 SSE2 SSE3 SSM1 SSM2 SSM3 SSM4 CP1 CP2 CP3 CP4 CP5 CP6 CD1 CD2 CD3 CD4 CD5 CD6 CD7 LE1 LE2 LE3 SA

140.4807 140.6103 140.5152 141.1545 141.3316 141.3360 141.3684 141.4915 141.1805 141.3079 141.2323 141.0487 140.9386 140.9321 140.9234 141.0077 140.8414 140.6578 140.6902 140.6599 140.6923 140.5995 140.6794 140.3381 140.6254 140.8522 140.8046 140.8003 140.6167 140.7377 140.6729 140.8370 140.5908 140.8090 140.7679 140.7636 140.6556 140.7290 141.6847

Scale Variance if Corrected ItemItem Deleted Total Correlation 214.850 214.846 217.450 215.531 215.782 216.995 214.692 214.465 210.416 211.673 210.982 210.647 211.803 211.499 211.819 209.913 211.384 213.484 213.528 214.738 213.928 212.860 212.548 213.879 212.537 212.928 211.833 211.992 215.813 213.458 212.335 211.600 211.882 211.141 211.705 211.569 212.638 212.269 225.779

.451 .448 .317 .361 .351 .320 .408 .423 .531 .484 .530 .555 .512 .494 .500 .578 .547 .459 .402 .372 .413 .476 .514 .480 .543 .521 .604 .557 .393 .504 .463 .594 .573 .553 .571 .559 .528 .500 -.120

Cronbach's Alpha if Item Deleted .925 .925 .926 .926 .926 .926 .925 .925 .924 .925 .924 .924 .924 .924 .924 .923 .924 .925 .925 .926 .925 .925 .924 .925 .924 .924 .923 .924 .925 .924 .925 .923 .924 .924 .924 .924 .924 .924 .929


LAMPIRAN 5 : HASIL UJI RELIABILITAS AWAL DENGAN MENGGUNAKAN SPSS

1. Variabel Interaction Student-Content

2. Variabel Interaction Student-Student


3. Variabel Interaction Student-Lecture

4. Variabel Student Self-Efficacy


5. Variabel Student Self-Motivation

6. Variabel Curricullum Program


7. Variabel Course Design

8. Variabel Lecture Expertise


LAMPIRAN 6 : HASIL UJI OUTLIER(MAHALANOBIS DISTANCE) Observations farthest from the centroid (Mahalanobis distance) (Group number 1)

Observation number Mahalanobis d-squared 108 69.778 43 69.633 312 69.177 162 67.464 150 65.904 169 65.534 107 65.500 316 65.354 140 65.309 304 65.133 246 64.244 142 64.011 133 63.714 71 63.611 56 63.168 302 62.804 308 62.425 327 60.432 349 60.141 90 60.033 52 59.204 116 59.190 278 58.976 246 58.942 41 58.913 42 58.852 190 58.846 160 58.549 254 58.476 179 58.412 273 58.055 211 57.875 229 57.767 181 57.372 280 57.058 270 56.903 137 56.786

p1 .002 .003 .003 .004 .006 .007 .007 .007 .007 .007 .009 .009 .010 .010 .011 .012 .013 .020 .021 .022 .026 .026 .027 .027 .027 .028 .028 .029 .030 .030 .032 .033 .034 .037 .039 .040 .041

p2 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .955 .978 .954 .903 .912 .837 .774 .667 .547 .436 .320 .285 .210 .148 .143 .115 .084 .091 .090 .072 .055


122 32 319 48 153 49 362 206 326 82 180 6 15 271 336 353 276 359 13 228 155 303 346 25 47 223 111 14 256 84 68 352 124 22 222 240 331 51 11 110 23 189 200

56.551 56.433 56.133 56.133 56.116 55.987 55.932 55.720 55.682 55.509 55.408 55.389 55.341 55.206 55.165 54.994 54.902 54.840 54.816 54.603 54.461 54.439 54.056 54.053 53.912 53.910 53.753 53.615 53.287 53.277 53.118 52.990 52.460 52.383 52.257 52.250 52.219 52.155 51.961 51.845 51.690 51.640 51.495

.043 .044 .047 .047 .047 .048 .048 .050 .051 .052 .053 .054 .054 .055 .056 .058 .058 .059 .059 .062 .063 .064 .068 .068 .070 .070 .072 .074 .078 .078 .080 .082 .090 .091 .093 .093 .093 .094 .097 .099 .102 .103 .105

.050 .038 .041 .025 .015 .012 .008 .007 .004 .004 .003 .002 .001 .001 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000


253 342 39 183 204 292 174 159 191 317 89 186 77 315 324 226 314 96 288 118 38 178 328 150 100 138 59 43 209 320 363 129 120 73 172

51.398 51.289 51.245 51.136 51.115 50.980 50.970 50.869 50.853 50.836 50.639 50.351 50.337 50.138 50.074 49.990 49.956 49.936 49.913 49.790 49.694 49.630 49.581 49.534 49.492 49.283 49.183 49.054 49.032 48.960 48.879 48.860 48.652 48.602 48.546

.107 .109 .110 .112 .112 .114 .115 .116 .117 .117 .121 .126 .127 .131 .132 .134 .134 .135 .135 .138 .140 .141 .143 .144 .144 .149 .151 .154 .155 .157 .158 .159 .164 .165 .166

.000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000


LAMPIRAN 7 : OUTPUT MATRIKS KOVARIAN DARI DATA MENTAH Residual Covariances (Group number 1 - Default model) ISC1

ISC1 .000

SA

SA

.012

.000

IST7

.032

.014

IST6

.033

.006

IST5

.039

TE1

.052

.008 .015

TE2

.039

.006

IST7

.000 .011

IST6

IST5

TE1

TE2

TE3

CD1

CD2

CD3

CD4

.005

.005

.013

.022

.007

.000 .006

.001

.000

TE3

.048

.013

.020

.000

.012

.007

.000

CD1

.000

.005

.034

.011

.018

.018

.005

.025

.000

CD2

.001

.022

.031

.030

.000

.010

.016

.004

.031

.000

CD3

.015

.007

.009

.001

.028

.000

.037

.015

.007

.005

.000

.003

.026

.022

.002

.025 .024

.027 .030 .025 .009 .046

.002

.012

CD5

.046

.012

CD6

.030

.014

CD7

.045

CD8

.036

CP1 CP2

.033 .036

.027 .012 .001 .019

CD7

CD8

CP1

CP2

CP3

CP4

.000

.023

.009

CD4

CD6

.000

.032

.018 .059

CD5

.006 .069

.011 .055

.005

.014 .019

.001

.011

.018

.008

.005

.008

.004

.040 .007

.029 .028

.009

.024

.011

.020

.020

.039

.009

.031

.027

.028

.035

.025

.016

.006

.015

.014

.001

.019

.031

.023

.014

.004

.017 .026 .013 .028

.037 .025 .008

.002 .005 .020

.009 .010 .007

.023

.015

.032

.010

.037

CP3

.039

.009

CP4

.026

.014

CP5

.039

.001

.017

.016

CP6

.028

.005

.008

.013

SSM 1 SSM 2 SSM 3 SSM 4

.001 .008 .009

.003

.003

.001

.003

.026 .012 .012

SSE1 SSE2

.019 .003

.028

.011

.004

.009

.003

.019

.015

.014

.009

.002

.009

.007

.016

.002

.000

.008

.002

.030

.007

.011

.016 .024 .026

.006 .015

.008

.011

.001

.005

.002

.007 .002

.017 .014

.015

.008

.000

.004

.052 .037

.002 .018

.000 .026

.000

.028

.000

.001

.014

.000

.011

.041

.023

.013

.006

.000

.021

.004

.003

.034

.010

.053

.000

.020 .011

.009 .010

.020

.004

.004

.027

.000

.005

.025

.008

.016

.023

.000

.006

.016

.035

.017

.010

.034

.018

.016

.013

.003

.005

.016

.020

.020

.012

.036

.000

.036

.021

.020

.028

.019

.045 .016 .012

.020

.011

.028

.015

.004 .001

.003

.000

.008

.014

.020

.034

.045

.007

.028 .033 .017

.000

.037 .012 .033

.025 .007 .046 .022 .010

.011

.003

.019

.005

.023

.017

.014

.010

.003

.016

.037

.000

.001

.005

.007

.013

.054

.005

.012

.020

.021

.047

.048

.040

.027

.020

.014

.016

.021

.005

.031

.019

.009

.014

.011

.034

.015

.006

.005

.014

.011

.021

.022

.005

.017

.002

.007

.007

.006

.010

.025

.042

.022

.004

.011

.005

.037

.014

.019

.023

.032

.035

.007

.002

.036 .080 .040 .041

SSE3

.019

.030

.025

.015

.023

.004

.026

.025

.009

.040

.008

.048

.013

.028

.009

.035

.047

.044

IST1

.039

.036

.032

.036

.037

.026

.009

.013

.031

.025

.056

.008

.040

.018

.052

.047

.060

.005

.045

.044

IST2

.052

.001

-.016

-.023

-.033

.036

.027

.056

.048

.000

.033

-.015

.017

.006

.050

.064

.012

.005

.026

IST3

.049

-.035

-.017

-.036

-.027

.030

.013

.044

.033

.009

.035

-.030

.043

.012

.039

.018

.023

-.023

.038

.029

IST4

.028

.003

.003

.031

.010

.005

-.024

-.022

.020

-.002

-.005

-.083

.008

-.028

-.006

.036

-.009

-.010

-.009

-.010

ISS1

.014

-.009

-.009

-.010

-.022

.001

.011

-.016

.013

-.013

-.011

-.018

-.003

.012

.058

.030

.010

-.016

-.009

-.012

ISS2

.022

-.003

-.020

-.034

-.024

.019

.003

-.029

.042

.021

.006

-.027

.032

.014

.035

.012

.008

-.026

ISS3

.020

.003

-.040

-.041

-.050

.000

-.003

.001

.041

.003

.004

-.004

.008

-.003

.056

.025

.014

.040

.021

.011

ISS4

.007

.005

.002

-.030

-.027

-.001

-.010

-.022

.022

.008

-.012

-.062

-.012

-.039

.024

.006

-.032

-.026

-.002

-.010

ISS5

-.002

-.003

.030

.012

.022

.025

.023

-.012

.025

-.020

-.014

-.070

-.008

-.025

.040

.017

.008

-.013

.000

.012

ISC2

-.016

.008

.026

.024

-.011

-.017

-.017

.004

-.035

-.042

-.019

-.008

.012

-.008

.010

.035

-.012

-.011

-.006

-.024

ISC3

.003

-.002

-.031

-.046

-.046

-.034

-.013

-.009

-.033

-.044

-.006

-.032

-.001

-.029

.017

.006

-.016

.000

-.024

-.034

ISS3

ISS4

ISS5

ISC2

ISC3

CP5

CP6

SSM 1

SSM 2

SSM 3

SSM 4

SSE1

SSE2

SSE3

IST1

IST2

IST3

IST4

ISS1

ISS2

.000 .017 .032

.000 .028

.012

.006

-.004

.000

.005

.003

.016

-.008

.000

.021 .005

.027

-.007

.011

-.007

.000

.005

-.021

.002

-.010

.012

.000

.000


.001

.039

.011

CP5

CP6

SSM 1

SSM 2

SSM 3

SSM 4

SSE1

SSE2

.003

.005

-.013

.003

-.008

.014

.006

.000

.026

.027

-.007

.005

.003

.020

.022

.037

-.042

.015

.000

.025

.044 .111

.037

.027

-.021

-.003

-.002

.021

.034

.000

.025

.147

.102

.000

.042 .011 .008

.029

.023

.027

.000

.061

.030

.014

.009

.000

.049

.026

.060

.008

.050

.000

.019

.031

.021

.007

.023

.001

.023

.027

.008

.017

.006

.057

.004

.042

.032

.006 .024

.021 .011

.037

.023

.045

.068

-.004

-.002

-.006

.015

.022

.047

.000

.009

.001

.013

.020

.011

.004

.032

.010

.021

-.005

.003

.031

.023

.007

.013

.007

.036

-.023

.007

.004

.002

.004

.009

.012

.010

-.028

-.019

-.005

.005

.007

.024

.019

.018

-.007

-.002

.002

.024

.042

.009

.003

-.031

-.057

-.038

ISS2

.111

-.007

.017

ISS1

.000

.014

.004

IST4

.021 .004

.020

.019

IST3

.000

.004

.004

IST2

.025 .022

.031

.022

IST1

.025

.007

.005

SSE3

.029 .016

.042

.010

.016

.018

.025

.009

.000

.013

.018

-.009

.045

.027

.022

.031

.031

.047

.052

.004

ISS3

ISS4

ISS5

ISC2

ISC3

.000 .014

.000

.034

.016

.000

.028

.014

.002

.007

.00 0

.003

.017

.017

.038

.01 1


.00 0

LAMPIRAN 8 : HASIL UJI OFFENDING ESTIMATES Variances: (Group number 1 - Default model)

Interaction_Student_Content Interaction_Student_Student Interaction_Student_Lecture Student_Self_Efficacy Student_Self_Motivation Curricullum_Program Course_Design Lecture_Expertise e3 e2 e8 e7 e6 e5 e4 e12 e11 e10 e9 e18 e17 e16 e22 e21 e20 e19 e28 e27 e26 e25 e24 e23 e36 e35 e34 e33 e32 e31

Estimate .210 .283 .413 .185 .397 .235 .180 .234 .178 .156 .206 .128 .291 .292 .274 .120 .283 .337 .355 .313 .202 .270 .110 .152 .162 .140 .210 .134 .166 .211 .274 .283 .245 .278 .214 .172 .310 .250

S.E. .029 .035 .039 .031 .038 .030 .027 .034 .019 .021 .020 .017 .023 .024 .023 .012 .023 .026 .028 .027 .023 .027 .012 .015 .015 .014 .018 .013 .015 .018 .022 .023 .020 .023 .018 .015 .025 .020

C.R. 7.242 8.080 10.509 5.892 10.593 7.805 6.752 6.825 9.327 7.474 10.456 7.654 12.536 11.978 11.834 9.647 12.545 12.832 12.810 11.801 8.825 10.042 9.453 10.483 10.627 9.752 11.923 10.461 11.382 11.978 12.614 12.492 12.538 12.307 11.907 11.678 12.375 12.425

P Label *** *** *** *** *** *** *** *** *** *** *** *** *** *** *** *** *** *** *** *** *** *** *** *** *** *** *** *** *** *** *** *** *** *** *** *** *** ***


e30 e39 e37 e38 e29 e13 e14 e15 z1 e1

Estimate .288 .274 .193 .167 .223 .165 .204 .193 .277 .201

S.E. .022 .024 .020 .019 .018 .015 .018 .017 .021 .019

C.R. 12.886 11.285 9.416 8.722 12.681 11.064 11.433 11.362 13.398 10.708

P Label *** *** *** *** *** *** *** *** *** ***


LAMPIRAN 9 : OUTPUT NILAI STANDARIZED LOADING FACTOR Standardized Regression Weights: (Group number 1 - Default model)

ISC3 ISC2 ISS5 ISS4 ISS3 ISS2 ISS1 IST4 IST3 IST2 IST1 SSE3 SSE2 SSE1 SSM4 SSM3 SSM2 SSM1 CP6 CP5 CP4 CP3 CP2 CP1 CD8 CD7 CD6 CD5 CD4 CD3 CD2 CD1 TE3 TE2 TE1 IST5 IST6 IST7 ISC1

<--<--<--<--<--<--<--<--<--<--<--<--<--<--<--<--<--<--<--<--<--<--<--<--<--<--<--<--<--<--<--<--<--<--<--<--<--<--<---

Interaction_Student_Content Interaction_Student_Content Interaction_Student_Student Interaction_Student_Student Interaction_Student_Student Interaction_Student_Student Interaction_Student_Student Interaction_Student_Lecture Interaction_Student_Lecture Interaction_Student_Lecture Interaction_Student_Lecture Student_Self_Efficacy Student_Self_Efficacy Student_Self_Efficacy Student_Self_Motivation Student_Self_Motivation Student_Self_Motivation Student_Self_Motivation Curricullum_Program Curricullum_Program Curricullum_Program Curricullum_Program Curricullum_Program Curricullum_Program Course_Design Course_Design Course_Design Course_Design Course_Design Course_Design Course_Design Course_Design Lecture_Expertise Lecture_Expertise Lecture_Expertise Interaction_Student_Lecture Interaction_Student_Lecture Interaction_Student_Lecture Interaction_Student_Content

Estimate .735 .797 .761 .854 .566 .648 .664 .880 .688 .626 .631 .610 .779 .732 .885 .855 .850 .877 .727 .824 .774 .721 .627 .650 .651 .689 .737 .758 .679 .671 .571 .622 .679 .800 .777 .829 .808 .812 .671


LAMPIRAN 10 : HASIL PENGUJIAN KECOCOKAN ANALISIS MEASUREMENT MODEL Model Fit Summary CMIN

Model Default model Saturated model Independence model

NPAR CMIN DF P CMIN/DF 106 1274.858 674 .000 1.891 780 .000 0 39 8346.162 741 .000 11.263

RMR, GFI

Model RMR GFI AGFI PGFI Default model .025 .847 .823 .732 Saturated model .000 1.000 Independence model .149 .213 .172 .202 Baseline Comparisons

NFI RFI IFI TLI CFI Delta1 rho1 Delta2 rho2 Default model .847 .832 .922 .913 .921 Saturated model 1.000 1.000 1.000 Independence model .000 .000 .000 .000 .000 Model

Parsimony-Adjusted Measures

Model PRATIO PNFI PCFI Default model .910 .771 .838 Saturated model .000 .000 .000 Independence model 1.000 .000 .000 NCP

Model NCP LO 90 HI 90 Default model 600.858 503.982 705.533 Saturated model .000 .000 .000 Independence model 7605.162 7314.618 7902.183 FMIN

Model FMIN F0 LO 90 HI 90 Default model 3.474 1.637 1.373 1.922 Saturated model .000 .000 .000 .000 Independence model 22.742 20.723 19.931 21.532 RMSEA

Model Default model

RMSEA LO 90 HI 90 PCLOSE .049 .045 .053 .607


Model RMSEA LO 90 HI 90 PCLOSE Independence model .167 .164 .170 .000 AIC

Model AIC BCC BIC CAIC Default model 1486.858 1512.791 1901.115 2007.115 Saturated model 1560.000 1750.826 4608.305 5388.305 Independence model 8424.162 8433.704 8576.577 8615.577 ECVI

Model ECVI LO 90 HI 90 MECVI Default model 4.051 3.787 4.337 4.122 Saturated model 4.251 4.251 4.251 4.771 Independence model 22.954 22.162 23.763 22.980 HOELTER

HOELTER HOELTER .05 .01 Default model 212 220 Independence model 36 37 Minimization: .078 Miscellaneous: 3.688 Bootstrap: .000 Total: 3.766 Model


LAMPIRAN 11 : HASIL PENGUJIAN KECOCOKAN ANALISIS STRUKTURAL MODEL Model Fit Summary CMIN

Model NPAR CMIN DF P CMIN/DF Default model 115 1314.422 705 .000 1.864 Saturated model 820 .000 0 Independence model 40 8412.616 780 .000 10.785 RMR, GFI






Model FMIN F0 LO 90 HI 90 Default model 3.582 1.661 1.393 1.949 Saturated model .000 .000 .000 .000 Independence model 22.923 20.797 20.003 21.609 RMSEA

Model Default model

RMSEA LO 90 HI 90 PCLOSE .049 .044 .053 .720


Model RMSEA LO 90 HI 90 PCLOSE Independence model .163 .160 .166 .000 AIC

Model AIC BCC BIC CAIC Default model 1544.422 1573.348 1993.851 2108.851 Saturated model 1640.000 1846.258 4844.628 5664.628 Independence model 8492.616 8502.678 8648.939 8688.939 ECVI


HOELTER HOELTER .05 .01 Default model 215 223 Independence model 37 39 Minimization: .047 Miscellaneous: 1.562 Bootstrap: 2.532 Model

Total:

4.141


LAMPIRAN 12 : HASIL OUTPUT MODIFIKASI YANG DISARANKAN (MODIFICATION INDICES) Modification Indices (Group number 1 - Default model)

e1 e1 e13 e29 e29 e29 e29 e30 e30 e31 e31 e32 e32 e33 e33 e34 e34 e34 e34 e35 e35 e35 e35 e35 e35 e36 e36 e23 e23 e23 e24 e24 e24 e25 e26 e26 e26 e27

<--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <-->

Lecture_Expertise Interaction_Student_Content e15 Interaction_Student_Content e15 e37 e39 Interaction_Student_Content e29 Curricullum_Program e30 Interaction_Student_Lecture Interaction_Student_Student e30 e31 e39 e29 e31 e32 Lecture_Expertise Interaction_Student_Student e14 e31 e32 e34 e31 e32 e37 e32 e33 Curricullum_Program e30 e23 e24 Student_Self_Motivation e36 e25 e32

M.I. Par Change 5.806 .025 4.336 -.023 16.261 .044 7.737 -.032 4.119 .025 5.476 -.030 4.875 .032 6.404 -.033 6.178 .035 7.132 .023 4.638 .032 5.434 -.039 4.910 -.034 5.970 .031 4.925 .027 4.790 -.031 5.548 -.029 5.956 -.032 18.331 .063 6.520 .030 10.151 .046 5.600 -.033 5.534 -.035 6.766 .043 5.212 .032 4.468 -.029 4.538 -.033 4.178 -.030 4.040 .034 7.713 -.035 4.208 -.018 4.726 .034 15.224 .061 5.350 .032 13.343 -.050 5.355 -.027 7.002 .029 6.822 -.032


e27 e27 e27 e27 e27 e28 e28 e28 e28 e28 e28 e19 e19 e20 e21 e21 e21 e22 e22 e22 e22 e16 e16 e16 e17 e18 e18 e18 e18 e18 e18 e18 e18 e9 e9 e9 e9 e9 e9 e9 e9 e10 e10

<--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <-->

e35 e36 e24 e25 e26 Course_Design Curricullum_Program e31 e33 e25 e27 e31 e34 e26 z1 e32 e19 Lecture_Expertise Interaction_Student_Content e15 e20 Interaction_Student_Lecture z1 e31 e14 Curricullum_Program e32 e33 e34 e35 e26 e16 e17 Student_Self_Efficacy Interaction_Student_Lecture Interaction_Student_Student e15 e14 e13 e19 e16 e13 e9

M.I. Par Change 13.759 -.044 4.627 .024 15.241 -.045 5.852 -.025 5.722 .022 4.913 .015 4.024 -.016 5.064 .030 4.255 .023 4.086 -.025 5.096 .023 6.473 -.030 5.685 .026 4.882 -.023 4.278 .025 4.045 .027 6.385 .024 5.282 .019 5.226 .021 14.629 -.037 4.009 .017 11.321 .056 9.360 -.049 6.417 .040 6.895 .035 5.215 .023 5.080 .040 4.855 -.030 5.346 .035 4.719 -.037 5.031 .030 11.562 -.060 5.172 .036 5.030 .026 4.703 -.038 4.942 .036 6.843 -.040 7.952 -.044 10.649 -.046 11.703 -.047 7.612 .051 8.813 -.041 41.780 .123


e11 e11 e11 e11 e11 e11 e11 e11 e12 e12 e12 e12 e12 e12 e12 e12 e12 e4 e5 e5 e5 e6 e6 e6 e6 e7 e7 e7 e8 e8 e8 e8 e8 e2 e2 e2 e2 e3 e3

<--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <-->

z1 e14 e13 e36 e24 e19 e9 e10 Student_Self_Efficacy e14 e39 e32 e27 e17 e9 e10 e11 e17 e25 e11 e4 e24 e27 e18 e10 e30 e23 e5 Course_Design e32 e4 e6 e7 Student_Self_Motivation e1 e13 e36 Interaction_Student_Lecture Interaction_Student_Content

M.I. Par Change 5.657 -.036 10.222 -.044 7.309 -.034 4.953 -.033 5.617 -.037 6.216 -.031 89.394 .166 45.018 .115 7.237 -.021 22.180 .047 6.106 -.029 4.600 -.026 4.139 .017 4.569 -.024 10.410 -.041 6.881 -.032 10.850 -.038 6.113 .038 6.989 -.038 7.827 .046 14.006 .061 6.770 .041 5.682 -.028 4.120 .035 4.719 .038 4.629 .028 4.360 -.027 6.902 -.034 5.858 -.017 5.360 -.035 5.066 -.032 8.968 -.043 6.296 .028 4.298 .031 5.192 -.027 4.788 -.025 4.055 .026 7.675 -.038 4.482 .023


LAMPIRAN 13 : HASIL PENGUJIAN KECOCOKAN ANALISIS STRUKTURAL MODEL PASCA MODIFIKASI Model Fit Summary CMIN

Model NPAR CMIN DF P CMIN/DF Default model 126 1020.391 694 .000 1.470 Saturated model 820 .000 0 Independence model 40 8412.616 780 .000 10.785 RMR, GFI






Model FMIN F0 LO 90 HI 90 Default model 2.780 .889 .668 1.133 Saturated model .000 .000 .000 .000 Independence model 22.923 20.797 20.003 21.609 RMSEA

Model RMSEA LO 90 HI 90 PCLOSE Default model .036 .031 .040 1.000 Independence model .163 .160 .166 .000 AIC

Model AIC BCC BIC CAIC Default model 1272.391 1304.084 1764.809 1890.809 Saturated model 1640.000 1846.258 4844.628 5664.628 Independence model 8492.616 8502.678 8648.939 8688.939


ECVI


HOELTER HOELTER .05 .01 Default model 273 282 Independence model 37 39 Minimization: .110 Miscellaneous: 4.687 Bootstrap: 6.235 Total: 11.032 Model


LAMPIRAN 14 : OUTPUT NILAI ANALISIS HUBUNGAN ANTAR KONSTRUK Covariances: (Group number 1 - Default model)

Curricullum_Program Interaction_Student_Lecture Curricullum_Program Interaction_Student_Lecture Interaction_Student_Student Student_Self_Efficacy Interaction_Student_Content Interaction_Student_Student Interaction_Student_Lecture Interaction_Student_Content Interaction_Student_Content Interaction_Student_Content Interaction_Student_Student Interaction_Student_Lecture Interaction_Student_Content Interaction_Student_Student Student_Self_Efficacy Interaction_Student_Student Student_Self_Efficacy Interaction_Student_Content Interaction_Student_Lecture Student_Self_Motivation Student_Self_Motivation Student_Self_Efficacy Interaction_Student_Student Interaction_Student_Content Course_Design Student_Self_Motivation e13 e34 e24 e27 e27 e22 e10 e11 e11 e12 e5

<--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <-->

Course_Design Student_Self_Motivation Lecture_Expertise Course_Design Course_Design Course_Design Course_Design Lecture_Expertise Lecture_Expertise Lecture_Expertise Interaction_Student_Student Interaction_Student_Lecture Interaction_Student_Lecture Student_Self_Efficacy Student_Self_Efficacy Student_Self_Efficacy Lecture_Expertise Curricullum_Program Curricullum_Program Curricullum_Program Curricullum_Program Curricullum_Program Lecture_Expertise Student_Self_Motivation Student_Self_Motivation Student_Self_Motivation Lecture_Expertise Course_Design e15 e32 e23 e35 e24 e15 e9 e9 e10 e14 e4

Estimate .182 .111 .157 .113 .071 .128 .104 .064 .135 .086 .059 .112 .160 .151 .096 .105 .123 .079 .131 .110 .130 .102 .120 .116 .093 .073 .151 .093 .025 .072 .057 -.045 -.046 -.034 .143 .180 .131 .039 .072

S.E. C.R. P Label .021 8.683 *** .024 4.605 *** .020 7.698 *** .019 6.016 *** .015 4.616 *** .018 7.100 *** .016 6.596 *** .017 3.685 *** .022 6.109 *** .017 5.193 *** .016 3.590 *** .020 5.539 *** .024 6.783 *** .022 6.801 *** .016 5.845 *** .018 5.792 *** .019 6.494 *** .017 4.689 *** .019 7.039 *** .017 6.545 *** .021 6.294 *** .019 5.322 *** .021 5.729 *** .020 5.830 *** .021 4.438 *** .019 3.958 *** .020 7.684 *** .018 5.283 *** .015 1.640 .101 .017 4.269 *** .017 3.375 *** .012 -3.899 *** .011 -4.131 *** .010 -3.540 *** .023 6.315 *** .022 8.082 *** .021 6.365 *** .016 2.497 .013 .019 3.807 ***


Correlations: (Group number 1 - Default model) Curricullum_Program Interaction_Student_Lecture Curricullum_Program Interaction_Student_Lecture Interaction_Student_Student Student_Self_Efficacy Interaction_Student_Content Interaction_Student_Student Interaction_Student_Lecture Interaction_Student_Content Interaction_Student_Content Interaction_Student_Content Interaction_Student_Student Interaction_Student_Lecture Interaction_Student_Content Interaction_Student_Student Student_Self_Efficacy Interaction_Student_Student Student_Self_Efficacy Interaction_Student_Content Interaction_Student_Lecture Student_Self_Motivation Student_Self_Motivation Student_Self_Efficacy Interaction_Student_Student Interaction_Student_Content Course_Design Student_Self_Motivation e13 e34 e24 e27 e27 e22 e10 e11 e11 e12 e5

<--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <-->

Course_Design Student_Self_Motivation Lecture_Expertise Course_Design Course_Design Course_Design Course_Design Lecture_Expertise Lecture_Expertise Lecture_Expertise Interaction_Student_Student Interaction_Student_Lecture Interaction_Student_Lecture Student_Self_Efficacy Student_Self_Efficacy Student_Self_Efficacy Lecture_Expertise Curricullum_Program Curricullum_Program Curricullum_Program Curricullum_Program Curricullum_Program Lecture_Expertise Student_Self_Motivation Student_Self_Motivation Student_Self_Motivation Lecture_Expertise Course_Design e15 e32 e23 e35 e24 e15 e9 e9 e10 e14 e4

Estimate .882 .275 .671 .412 .308 .694 .532 .245 .433 .388 .239 .381 .465 .548 .488 .454 .590 .304 .632 .499 .419 .334 .391 .427 .275 .254 .728 .343 .144 .259 .205 -.251 -.262 -.235 .379 .516 .388 .241 .235


LAMPIRAN 15 : OUTPUT NILAI TOTAL PENGARUH VARIABEL Total Effects (Group number 1 - Default model)

ISC1

SA IST7 IST6 IST5 TE1 TE2 TE3 CD1 CD2 CD3 CD4 CD5 CD6 CD7 CD8 CP1 CP2 CP3 CP4 CP5 CP6 SSM1 SSM2 SSM3 SSM4 SSE1 SSE2 SSE3 IST1 IST2 IST3 IST4 ISS1 ISS2 ISS3 ISS4 ISS5 ISC2 ISC3

Lecture_ Expertise

Course_ Design

Curricullum_ Program

Student_Self_ Motivation

Student_Self_ Efficacy

.000 .243 .000 .000 .000 1.117 1.124 1.000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000

.000 .271 .000 .000 .000 .000 .000 .000 .882 .875 1.062 1.149 1.127 1.143 1.172 1.000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000

.000 .019 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .924 .897 .981 1.022 1.137 1.000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000

.000 .287 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 1.084 1.027 1.019 1.000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000

.000 .005 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 1.301 1.304 1.000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000

Interaction_ Student_Lecture

.000 .398 .971 .947 .944 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .695 .676 .737 1.000 .000 .000 .000 .000 .000 .000 .000

Interaction_ Student_Student

Interaction_ Student_Content

.000 .347 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .823 .809 .686 1.120 1.000 .000 .000

.886 .214 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 1.137 1.000


LAMPIRAN 16 : OUTPUT NILAI STANDARIZED TOTAL PENGARUH VARIABEL Standardized Total Effects (Group number 1 - Default model) ISC1

SA ISL7 ISL6 ISL5 LE1 LE2 LE3 CD1 CD2 CD3 CD4 CD5 CD6 CD7 CP1 CP2 CP3 CP4 CP5 CP6 SSM1 SSM2

Lecture_Expertise

Course_Design

.000 .243 .000 .000 .000 .777 .799 .681 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000

.000 .271 .000 .000 .000 .000 .000 .000 .573 .675 .649 .758 .714 .691 .656 .000 .000 .000 .000 .000 .000 .000 .000

Curricullum_Program

.000 .019 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .636 .643 .713 .768 .848 .723 .000 .000

Student_Self_Motivation

Student_Self_Efficacy

Interaction_Student_Lecture

Interaction_Student_Student

Interaction_Student_Content

.000 .287 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .877 .849

.000 .005 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000

.000 .398 .821 .794 .835 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000

.000 .347 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000

.672 .214 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000


SSM3 SSM4 SSE1 SSE2 SSE3 ISL1 ISL2 ISL3 ISL4 ISS1 ISS2 ISS3 ISS4 ISS5 ISC2 ISC3

Lecture_Expertise

Course_Design

.000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000

.000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000

Curricullum_Program

.000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000






.855 .885 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000

.000 .000 .732 .781 .608 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000

.000 .000 .000 .000 .000 .581 .583 .646 .879 .000 .000 .000 .000 .000 .000 .000

.000 .000 .000 .000 .000 .000 .000 .000 .000 .632 .612 .563 .874 .768 .000 .000

.000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .797 .735


LAMPIRAN 17 : OUTPUT NILAI PENGARUH LANGSUNG VARIABEL Direct Effects (Group number 1 - Default model) Lecture_Expertise

ISC1 SA ISL7 ISL6 ISL5 LE1 LE2 LE3 CD1 CD2 CD3 CD4 CD5 CD6 CD7 CP1 CP2 CP3 CP4 CP5 CP6

Course_Design

Curricullum_Program




Interaction_Student_Stu dent

Interaction_Stude nt_Content

.000

.000

.000

.000

.000

.000

.000

.886

.233

.262

.026

.278

.004

.381

.332

.198

.000 .000 .000

.000 .000 .000

.000 .000 .000

.000 .000 .000

.000 .000 .000

.971 .947 .944

.000 .000 .000

.000 .000 .000

1.117 1.124 1.000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000

.000 .000 .000 .875 1.062 1.149 1.127 1.143 1.172 1.000 .000 .000 .000 .000 .000 .000

.000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .924 .897 .981 1.022 1.137 1.000

.000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000

.000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000

.000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000

.000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000

.000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000


SSM1 SSM2 SSM3 SSM4 SSE1 SSE2 SSE3 ISL1 ISL2 ISL3 ISL4 ISS1 ISS2 ISS3 ISS4 ISS5 ISC2 ISC3

Lecture_Expertise

Course_Design

Curricullum_Program




Interaction_Student_Stu dent

Interaction_Stude nt_Content

.000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000

.000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000

.000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000

1.084 1.027 1.019 1.000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000

.000 .000 .000 .000 1.301 1.304 1.000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000

.000 .000 .000 .000 .000 .000 .000 .695 .676 .737 1.000 .000 .000 .000 .000 .000 .000 .000

.000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .823 .809 .686 1.120 1.000 .000 .000

.000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 1.137 1.000


LAMPIRAN 18 : OUTPUT NILAI STANDARIZED PENGARUH LANGSUNG VARIABEL Standardized Direct Effects (Group number 1 - Default model)

ISC1 SA ISL7 IST6 IST5 LE1 LE2 LE3 CD1 CD2 CD3 CD4 CD5 CD6 CD7 CP1 CP2 CP3 CP4 CP5 CP6 SSM1

Lecture_Expertise

Course_Design

Curricullum_Program






.000 .233 .000 .000 .000 .777 .799 .681 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000

.000 .262 .000 .000 .000 .000 .000 .000 .573 .675 .649 .758 .714 .691 .656 .000 .000 .000 .000 .000 .000 .000

.000 .026 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .636 .643 .713 .768 .848 .723 .000

.000 .278 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .877

.000 .004 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000

.000 .381 .821 .794 .835 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000

.000 .332 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000

.672 .198 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000


SSM2 SSM3 SSM4 SSE1 SSE2 SSE3 ISL1 ISL2 ISL3 ISL4 ISS1 ISS2 ISS3 ISS4 ISS5 ISC2 ISC3

Lecture_Expertise

Course_Design

Curricullum_Program






.000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000

.000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000

.000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000

.849 .855 .885 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000

.000 .000 .000 .732 .781 .608 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000

.000 .000 .000 .000 .000 .000 .581 .583 .646 .879 .000 .000 .000 .000 .000 .000 .000

.000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .632 .612 .563 .874 .768 .000 .000

.000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .797 .735


LAMPIRAN 19 : OUTPUT NILAI ESTIMATES VARIABEL LATEN KE VARIABEL TERAMATI Standardized Regression Weights: (Group number 1 - Default model)


<--<--<--<--<--<--<--<---

Lecture_Expertise Course_Design Curricullum_Program Student_Self_Motivation Student_Self_Efficacy Interaction_Student_Lecture Interaction_Student_Student Interaction_Student_Content

Estimate .243 .271 .019 .287 .005 .398 .347 .214

LAMPIRAN 20 : OUTPUT HASIL UJI HIPOTESIS Regression Weights: (Group number 1 - Default model)


<--<--<--<--<--<--<--<---

Lecture_Expertise Course_Design Curricullum_Program Student_Self_Motivation Student_Self_Efficacy Interaction_Student_Lecture Interaction_Student_Student Interaction_Student_Content

Estimate .222 .445 .009 .435 .046 .742 .568 .189

S.E. .105 .190 .181 .172 .107 .077 .060 .286

C.R. 2.126 2.346 .027 2.432 .167 3.132 2.718 1.979


P .033 .018 .979 .016 .868 .002 .007 .051

Label

UNIVERSITAS INDONESIA

Recommend Documents