Laporan Kajian Model Penerimaan Teknologi pada Pembelajaran Anak Usia Dini

soP
Bidang Ilmu : Teknologi Informasi dan Komunikasi
LAPORAN PENELITAN
JUDUL PENELITIAN :
Kajian Model Penerimaan Teknologi Pada Pembelajaran Anak Usia Dini
Tim Peneliti :
Dr. Ir. Saludin M.Kom
Ir Purbadi M.Kom
Yutsi Aprilia S.Kom
SEKOLAH TINGGI MANAJEMEN INFORMATIKA DAN KOMPUTER
ERESHA
April 2010
1
Halaman Pengesahan
1.
a. Judul Penelitian
b. Bidang Penelitian
2. Ketua Peneliti
a. Nama Lengkap
b. NIP / NIK
c. NIDN
d. Jabatan Fungsional
e. Jabatan Struktural
f. Fakultas/Jurusan
g. Pusat Peneltitan
h. Alamat Institusi
i. Telp/ Fax/Email
3. Jumlah Anggota Peneliti
a. Nama Anggota Peneliti I
.
b. Nama Anggota Peneliti II
4. Lama Penelitian
5. Biaya yang Diperlukan
Sumber dari Institusi
: Kajian Model Penerimaan Teknologi
Pada Pembelajaran Anak Usia Dini
: Teknologi Informasi
: Dr. Ir. Saludin M.Kom
: 0107002
: 0302026506
: Lektor
: Staff Pengajar/Dosen
: Teknik Informatika
: STMIK ERESHA
: Jl. H, Samali No 31 Jakarta Selatan
: 7989705 / 7989314 / Info@[email protected]
: 2 Orang
: Ir Purbadi M.Kom
: Yutsi Aprilia S.Kom.
: 2 Bulan
: Rp.
Menyetujui,
6,000,000
Jakarta, 16 April 2009
Kepala P4M STMIK Eresha
Ketua Peneliti,
Dr. Ir Hary Budiarto, M.Kom
Dr. Ir. Saludin M.Kom
Mengetahui
Ketua STMIK ERESHA
Ir. Damsiruddin Siregar, MMT
ii
DAFTAR ISI
Halaman Sampul ………….…….…….…….…….…….…….…….…….……. .........i
Halaman Pengesahan …….…….…….…….…….…….…….…….…….……. ........ii
Daftar Isi ................................................................................................................ iii
Abstrak .................................................................................................................iv
Bab I Pendahuluan ..............................................................................................1
Permasalahan Penelitian ......................................................................................2
1.2.1. Identifikasi Masalah ....................................................................................3
1.2.2. Ruang Lingkup Masalah .............................................................................3
1. 3 Perumusan Masalah ....................................................................................3
Bab II Tinjauan Pustaka ........................................................................................4
2.1 Algoritma Array .............................................................................................5
2.2 Game Komputer ............................................................................................5
2.3 Genre Game Komputer Berdasarkan Jenis Permainannya .........................5
2.4 Elemen-elemen Game Komputer .................................................................8
2.5 Konsep Fine Teaching ................................................................................9
2.6 Story Board ..................................................................................................11
Bab III Metode Penelitian . ...................................................................................13
3.1 Analisa Kebutuhan
......................................................................................13
3.2 Analisa Software ..........................................................................................13
Bab 4 JADWAL PENELITIAN ...............................................................................15
PERSONALIA PENELITIAN ................................................................................ 16
iii
ABSTRAK
Pendidikan usia dini merupakan pendidikan pada anak usia 3-6 tahun. Usia dini
merupakan usia emas untuk menyerap berbagai informasi. Akan tetapi, orangtua dan
tenaga pendidik harus memberikan materi yang sesuai dengan perkembangan dan
lingkungan anak berupa kegiatan pembelajaran yang menyenangkan.
Di lapangan, ada sebagian Sekolah PAUD yang telah mengajarkan anak usia
dini membaca, selain bernyanyi dan keterampilan untuk melatih motorik.
Dengan menggunakan Software Education (SE) untuk pembelajaran cara
membaca anak usia dini diharapkan dapat mendukung pembelajaran dengan
penyajian yang disesuaikan dengan cara anak usia dini belajar yaitu bermain sambil
belajar.
Model yang digunakan untuk menggambarkan bentuk hubungan perilaku
dalam penerimaan SE untuk pembelajaran cara membaca adalah dengan
menggunakan model Technology Acceptance Model (TAM) yang akan dianalisis
dengan menggunakan software AMOS.
Hasil dari penelitian ini menunjukkan bahwa SE dapat membantu belajar
membaca dan menyenangkan bagi anak usia dini.
Kata Kunci :
Model TAM, Software AMOS, Metode Pembelajaran, Anak Usia Dini
iv
BAB I
PENDAHULUAN
1.1
Latar Belakang
Penggunaan teknologi pembelajaran cara membaca pada anak usia dini di
beberapa sekolah Pendidikan Anak Usia Dini (PAUD) di Bekasi. Belajar membaca
bagi anak usia dini memerlukan kesabaran dan kreativitas. Untuk itu diperlukan
berbagai cara agar anak mau dan senang belajar membaca dan tidak cepat bosan.
Setiap anak memiliki karakteristik sendiri-sendiri, untuk itu diperlukan satu metoda
yang secara efektif bisa diterapkan pada semua anak. Guru dan Orangtua dituntut
untuk lebih jeli membaca sifat anak dan memilih metoda yang tepat bagi si anak agar
mau belajar.
Pada umumnya setiap anak memiliki kesamaan, yaitu suka bermain dan dunia
anak adalah dunia bermain. Penelitian ini berkaitan dengan dunia anak yang suka
bermain dan bagaimana memanfaatkan hal tersebut untuk kegiatan belajar membaca.
Pertanyaan selanjutnya adalah permainan apa yang disukai anak dan bagaimana
mengkaitkannya dengan metode pembelajaran yang menggunakan Software
Education (SE) untuk belajar membaca. Dengan cara ini maka si anak dapat bermain
sambil belajar membaca.
1.2
Identifikasi Masalah
Identifikasi masalah pada pembelajaran membaca pada anak usia dini adalah
sebagai berikut:
a. Belajar membaca bagi anak usia dini memerlukan kesabaran dan kreativitas.
Untuk itu diperlukan cara agar anak senang belajar dan tidak cepat bosan.
b. Setiap anak memiliki sifat yang berbeda-beda akan tetapi setiap anak memiliki
kesamaan, yaitu suka bermain dan dunia anak adalah dunia bermain.
c. Dalam penelitian ini digunakan SE sebagai permainan dan sekaligus menjadi
alat pembelajaran untuk belajar membaca.
1
1.3 Ruang Lingkup Masalah
Dalam penelitian ini, ruang lingkup masalah dibatasi pada kajian atas faktorfaktor penerimaan SE cara membaca pada anak usia dini , bagi para guru dan orang
tua murid di 4 (empat) sekolah PAUD di Bekasi.
1.4 Rumusan Masalah
Terkait dengan berbagai masalah dan penggunaan SE di sekolah PAUD, maka
rumusan masalah penelitian ini, adalah sebagai berikut :
a. Faktor-faktor apa saja yang mempengaruhi penerimaan anak terhadap belajar
membaca menggunakan SE ?
b. Bagaimana memilih SE yang tepat untuk belajar membaca bagi anak usia dini di
sekolah PAUD ?
2
BAB II
TINJAUAN PUSTAKA
2.1
Landasan Teori
2.1.1 Pendidikan Anak Usia Dini (PAUD)
Pengertian pendidikan anak usia dini berdasarkan Undang-undang No. 20
Tahun 2003 bahwa pendidikan anak usia dini adalah suatu upaya pembinaan yang
ditujukan bagi anak sejak lahir sampai dengan usia enam tahun yang dilakukan
melalui pemberian rangsangan pendidikan untuk membantu pertumbuhan dan
perkembangan jasmani dan rohani agar anak dapat memiliki kesiapan dalam
memasuki pendidikan lebih lanjut.
Menurut Dra. Nani Susilawati (Staf Pengajar FISIP USU), tujuan PAUD adalah
membantu mengembangkan seluruh potensi dan kemampuan fisik, intelektual,
emosional, moral dan agama secara optimal dalam lingkungan pendidikan yang
kondusif, demokratis dan kompetitif.
Pentingnya PAUD :
a. PAUD sebagai titik sentral strategi pembangunan sumber daya manusia
dan sangat fundamental.
b. PAUD memegang peranan penting dan menentukan bagi sejarah
perkembangan anak selanjutnya, sebab merupakan pondasi dasar bagi
kepribadian anak.
c. Merupakan masa Golden Age (usia keemasan). Dari perkembangan
otak manusia, maka tahap perkembangan otak pada anak usia dini
menempati posisi yang paling vital yakni 80 % perkembangan anak.
Anak yang mendapatkan layanan baik semenjak usia 0 – 6 tahun memiliki
harapan lebih besar untuk meraih keberhasilan dimasa mendatang. Sebaliknya anak
3
yang tidak mendapatkan pelayanan pendidikan yang memadai membutuhkan
perjuangan yang cukup berat untuk mengembangkan hidup selanjutnya.
2.1.2 Teknologi dan Pendidikan Anak Usia Dini
Definisi teknologi dalam kamus umum Bahasa Indonesia yang disusun oleh
W.J.S Poerwadarminta ialah ilmu teknik, pengetahuan tentang teknik. Definisi Produk
teknologi adalah hasil dari sebuah teknologi yang telah diciptakan.
Tujuan Teknologi adalah untuk mempermudah manusia agar dapat hidup lebih
nyaman. Hasil dari teknologi yang berupa produk dapat dimanfaatkan untuk kegiatan
pembelajaran anak usia dini.
2.2
Sistem Informasi
Sistem informasi adalah suatu kegiatan dari prosedur-prosedur yang
diorganisasikan, bilamana dieksekusi akan menyediakan informasi untuk mendukung
pengambilan keputusan dan pengendalian di dalam organisasi (Henry C. Lucas dalam
(Jogianto, 2000:p88). Ahli lain menyebutkan bahwa sistem informasi adalah sebuah
sistem yang mengarah pada penggunaan teknologi komputer dalam organisasi yang
menyajikan informasi kepada pemakai. (O’Brien, 2003:p89).
Namun Sistem Informasi juga dapat didefinisikan sebagai sebuah rangkaian
prosedur formal di mana data dikumpulkan, diproses menjadi informasi dan
didistribusikan kepada para pemakai.(Hall, 2001:p77)
2.2.1 Penerimaan Teknologi Informasi
(Iqbaria, 1994:p83) menyatakan bahwa, secara individu maupun kolekif
penerimaan teknologi dapat dijelaskan dari variasi penggunaan suatu sistem, karena
diyakini bahwa penggunan suatu sistem yang berbasis TI dapat meningkatkan kinerja
individu atau kinerja organisasi. Untuk mengetahui indikator penerimaan TI, secara
umum diketahui bahwa penerimaan TI dapat dilihat dengan adanya indikator
penggunaan sistem dan frekuensi penggunaan komputer, atau dari aspek kepuasan
4
pengguna dan ada juga yang menjadikan penggunaan sistem sebagai indikator utama
penerimaan teknologi oleh penggunanya.
2.2.2 Aspek perilaku (behavior) dalam Penerimaan Teknologi Informasi
(Syam,1999:p17) penggunaan Teknologi Informasi (TI) bagi perusahaan
ditentukan oleh banyaknya faktor, salah satunya adalah karakteristik pengguna TI.
Perbedaan karakteristik pengguna TI juga dipengaruhi oleh aspek persepsi, sikap dan
perilaku dalam menerima penggunaan TI. Pengguna suatu sistem adalah manusia
yang secara psikologis memiliki perilaku (behavior) tertentu yang telah ada pada
dirinya, yang menyebabkan aspek perilaku dalam pengguna suatu teknologi informasi
menjadi faktor yang penting pada setiap orang yang menggunakan teknologi
informasi.
(Syam,
1999:p17)
menyatakan
bahwa
pertimbangan
perilaku
dalam
menggunakan suatu teknologi perlu mendapat perhatian khusus dalam konteks
penerapan TI. Selain itu, faktor-faktor teknis, seperti situasi dan personil pengguna TI
juga perlu dipertimbangkan sebelum diimplementasikan. Perilaku pengguna, dan
personil sistem diperlukan dalam pengembangan sistem, dan hal ini berkaitan dengan
cara pandang pengguna sistem tersebut. Dengan demikian dapat dikatakan bahwa
persepsi para personil yang terlibat dalam implementasi sistem akan berpengaruh
pada akhir suatu sistem, apakah sistem itu berhasil atau tidak, bermanfaat atau tidak
jika diterapkan (Trisnawati, 1998:p163).
Penggunaan teknologi informasi, pemanfaatan informasi oleh individual,
kelompok maupun organisasi merupakan variabel inti dalam riset sistem informasi,
sebab sebelum digunakan terlebih dahulu dipastikan tentang penerimaan atau
penolakan digunakannya TI tersebut, hal ini berkaitan dengan perilaku yang ada
individu/organisasi yang menggunakan teknologi komputer. Pendapat tersebut oleh
Sri Astuti pada tahun 2001 sejalan dengan penelitian yang dilakukan oleh Guimares
dan Ramanujan pada tahun 1996, menemukan bahwa penerapan TI dalam suatu
organisasi mendorong terjadinya perubahan revolusioner terhadap perilaku individu
dalam bekerja, dan dalam konteks penggunaan PC, kemungkinan seseorang
5
mempunyai keyakinan bahwa penggunaan komputer akan memberikan manfaat bagi
dirinya dan pekerjaannya (Nur, 2000:p336).
2.3
Technology Acceptance Model (TAM)
Penelitian mengenai TI telah menguji perilaku pengguna dan penerimaan sistem
dari berbagai perspektif (VENKATESH et al., 2003). Dari berbagai model yang telah
diteliti, Technology Acceptance Model (TAM) yang diadopsi dari Theory of Reasoned
Action (TRA) menawarkan sebagai landasan untuk memperoleh pemahaman yang
lebih baik mengenai perilaku pemakai dalam penerimaan dan penggunaan SI (DAVIS,
et al., 1989). Model TAM berasal dari teori psikologis untuk menjelaskan perilaku
pengguna teknologi informasi yang berlandaskan pada kepercayaan (beliefs), sikap
(attitude), minat (intention) dan hubungan perilaku pengguna (User Behavior
Relatioship). Tujuan model ini adalah untuk dapat menjelaskan faktor-faktor utama
dari perilaku pengguna teknologi informasi terhadap penerimaan penggunaan
teknologi informasi itu sendiri. Model ini akan menggambarkan bahwa penggunaan SI
akan dipengaruhi oleh variabel kemanfaatan (Usefullness) dan variabel kemudahan
pemakaian (Ease of Use), dimana keduanya memiliki determinan yang tinggi dan
validitas yang telah teruji secara empiris (DAVIS,1989).
Tingkat penerimaan pengguna TI ditentukan oleh 6 pilar yaitu: Variabel dari luar
sistem (External variable), Persepsi pengguna terhadap kemudahan (perceived ease
of use), persepsi pengguna terhadap kegunaan (perceived usefulness), sikap
pengguna (attitude toward using), kecenderungan tingkah laku (behavioral intention),
dan pemakaian aktual (actual usage) (Davis, 1989:p320).
6
Perceived
Usefulnes
s
External
Variables
Attitude
Behavioral
Actual
Toward
Intention
to Use
System
Usage
Using
Perceived
Ease
of Use
Gambar 2.3.1: Technology Acceptance Model TAM (Davis, 1989:p320)
2.3.1 Perceived Usefulness (Kemanfaatan)
Menurut (Davis, 1989:p77) dan (Adam, 1992:p69), Kemanfaatan (usefulness)
diartikan sebagai suatu ukuran kepercayaan seseorang terhadap penggunaan
sesuatu untuk dapat meningkatkan prestasi kerja orang yang menggunakannya.
Menurut (Thompson, 1991:p90), kegunaan TI merupakan manfaat yang diharapkan
oleh pengguna TI untuk dapat melaksanakan tugasnya, pengukurannya didasarkan
pada frekuensi penggunaan dan keragaman aplikasi yang dijalankan. (Chin,
1955:p46) memberikan beberapa dimensi tentang kegunaan TI, dimana kegunaan
tersebut dibagi kedalam dua kategori, yaitu :
a. Kegunaan dengan estimasi satu faktor
b. Kegunaan dengan estimasi dua faktor (kegunaan dan efektivitas).
Kegunaan dengan satu faktor meliputi :
a. Menjadikan pekerjaan lebih mudah
b. Bermanfaat
c. Menambah produktivitas
d. Mempertinggi efektivitas
e. Mengembangkan kinerja pekerjaan
7
Sedangkan kegunaan dengan estimasi dua faktor meliputi dimensi-dimensi, antara
lain:
a. Kegunaan meliputi dimensi : menjadikan pekerjaan lebih mudah dan
bermanfaat, menambah produktivitas
b. Efektivitas meliputi dimensi : mempertinggi efektivitas, mengembangkan
kinerja pekerjaan
2.3.2 Perceived Ease of Use (Kemudahan)
(Davis, 1989:p61) mendefinisikan kemudahan penggunaan (ease of use)
sebagai suatu ukuran bahwa seseorang percaya bahwa komputer dapat dengan
mudah dipahami. Menurut (Adam, 1992:p87), menyatakan bahwa intensitas
penggunaan dan interaksi antar pengguna (user) dengan sistem dapat menunjukkan
kemudahan penggunaan.
(Davis, 1989:p93), memberikan beberapa indikator kemudahan penggunaan teknologi
informasi, meliputi:
a. Komputer sangat mudah dipelajari
b. Komputer mengerjakan dengan mudah apa yang diinginkan oleh pengguna
c. Keterampilan pengguna dapat bertambah dengan menggunakan komputer
d. Komputer sangat mudah untuk dioperasikan
Penelitian yang berhubungan dengan ilmu psikologi mengemukakan bahwa
faktor-faktor attitudinal seperti kemudahan atau kenyamanan yang dirasakan dan
kegunaan yang dirasakan menjadi faktor penentu terhadap perilaku dan kemauan
untuk meningkatkan keahlian (Venkatesh, 2000:p88).
2.3.3 Attitude Toward Using (Sikap Untuk Menggunakan)
Attitude atau sikap didefinisikan sebagai feeling (perasaan) negatif atau positif
pengguna secara individual dalam mengevaluasi suatu objek / produk Attitude atau
sikap pengguna dapat digunakan untuk melihat penerimaan pengguna terhadap
8
teknologi. Sikap yang positif menunjukkan bahwa pengguna percaya dengan
menggunakan
suatu
teknologi
tersebut,
dapat
meningkatkan
kinerja
dan
produktifitasnya. Mathieson dalam penelitiannya menemukan bahwa faktor sikap
secara statistik berpengaruh pada Intention to Use (ITU) atau niat untuk
menggunakan (Mathieson, 1991:p94).
2.3.4 Intention to Use (Niat Untuk Menggunakan)
Intention to Use (ITU) atau niat untuk menggunakan menyatakan kemauan,
kehendak
atau keinginan individu untuk menggunakan suatu produk. Niat untuk
menggunakan suatu tekologi merupakan suatu ciri bahwa suatu teknologi tersebut
dapat diterima dengan
baik oleh penggunanya. Hal ini ditandai dengan tingginya
frekuensi atau tingkat keseringan pengguna dalam menggunakan suatu teknologi.
Menurut (Mathieson, 1991:p102), Intention to Use (ITU) atau niat untuk menggunakan
suatu teknologi terbentuk dari rasa senang terhadap teknologi tersebut dan kemudian
direfleksikan ke dalam perilaku dalam menggunakannya. Berdasarkan studi yang
pernah dilakukan (Davis, 1989:p152) dan (Szajna, 1996:p89) Intention to Use (ITU)
atau niat untuk menggunakan berpengaruh pada Actual Usage Behavior (AUB) atau
perilaku dalam menggunakan teknologi.
2.3.5 Actual System Usage (Penggunaan nyata)
Perilaku pengguna teknologi ditandai dengan adanya kepercayaan (belief),
sikap (attitude), niat (intention)
dalam mengunakan suatu teknologi, yang dapat
dianalisis dalam suatu model penerimaan teknologi yaitu model TAM (Technology
Acceptance Model). Model TAM sebenarnya diadopsi dari model the Theory of
Reasoned Action (TRA), yaitu teori tindakan yang dikembangkan dengan satu premis
bahwa reaksi dan persepsi seseorang terhadap suatu hal akan menentukan sikap dan
perilaku orang tersebut. Perilaku seseorang ditentukan oleh sikap. Jika sikap yang
terbentuk berupa perasaan senang terhadap sesuatu maka perilaku yang terlihat akan
menunjukkan aksi dari rasa senang tersebut (Iqbaria, 1997:p102). Berdasarkan studi
yang pernah dilakukan
(Davis, 1989:p87) dan (Szajna, 1996:p78) Actual Usage
9
Behavior (AUB) atau perilaku dalam menggunakan teknologi dipengaruhi oleh
Intention to Use (ITU) atau niat untuk menggunakannya.
2.4 Structural Equation Modelling (SEM) / Model Persamaan Struktural
Structural Equation Modelling (SEM) merupakan gabungan dari dua metode
statistik yang terpisah yaitu analisis faktor (factor analysis) yang dikembangkan di
bidang psikologi/psikometri dan model persamaan simultan (Simultaneous Equation
Modelling) yang dikembangkan di bidang ekonometrika (Ghozali, 2004:p54).
Ada beberapa program computer untuk mengestimasi model pada model
persamaan structural yaitu program LISREL, AMOS, EQS, SAS PROC CALIS, dan
STATISTICA-SEPATH (Ghozali, 2004:p73). Dalam tulisan ini, hanya akan dibahas
tentang tingkat penerimaan Program Aplikasi Pembelajaran Cara Membaca untuk
anak usia dini di sekolah PAUD.
2.5 AMOS
AMOS (Analysis of Moment Structure) merupakan salah satu progam atau
software yang digunakan untuk mengestimasi model pada persamaan structural
(SEM) (Ghozali, 2004:p95). AMOS mengimplementasikan pendekatan yang umum
untuk analisa data pada model persamaan struktual yang menjelaskan analisa
struktur kovarians, atau casual modeling. Pendekatan ini meliputi kasus khusus
banyak teknik konvensional terkenal, mencakup model linier yang umum dan analisis
faktor umum (Smallwaters, 2006:p843). Saat ini software AMOS merupakan software
yang
dapat
diandalkan
dalam
menyelesaikan
permasalahan
social
karena
kemampuannya dalam mengukur variabel yang bersifat laten atau tidak dapat diukur
secara langsung tetapi dapat diukur melalui indikatornya.
2.6 Kerangka Pemikiran
Penelitian ini merupakan salah satu penelitian lanjutan yang dikembangkan dari
teori TAM yang diperkenalkan Davis pada tahun 1989 yang menguji dua faktor
penerimaan teknologi yaitu Perceived Ease of Use (PEOU) dan Perceived Usefulness
(PU).
10
Kerangka pemikiran yang dijadikan landasan pemikiran adalah modifikasi dari
penelitian TAM sebelumnya, yaitu menggunakan model yang meniadakan faktor
eksternal, karena menurut penelitian sebelumnya, diketahui bahwa Eksternal variabel
seperti karakteristik sistem dan karakteristik pengguna dapat diabaikan karena
selanjutnya diketahui bahwa meskipun memiliki pengaruh, faktor eksternal dianggap
tidak signifikan dalam TAM (Milchram, 2003:p40).
Model TAM yang digunakan dalam penelitian yang dilakukan saat ini tergambar
pada model berikut:
Perceived
Usefulness
Perceived
Attitude
Behavioral
Actual
Toward
Intention to
Use
System
Usage
Using
Ease
of UseGambar
2.3.2: Technology Acceptance Model (TAM)
2.6.1 Perceived Ease of Use (PEOU)
Persepsi kemudahan penggunaan didefinisikan sebagai sebagai suatu ukuran
dimana seseorang percaya bahwa komputer dapat dengan mudah dipahami (Davis,
1989:p985).
Beberapa indikator kemudahan penggunaan teknologi informasi (Davis,
1989:p985) meliputi:
a. Komputer sangat mudah dipelajari
b. Komputer mengerjakan dengan mudah apa yang diinginkan oleh pengguna
c. Keterampilan pengguna dapat bertambah dengan menggunakan komputer
d. Komputer sangat mudah untuk dioperasikan
11
2.6.2 Perceived Usefulness (PU)
Persepsi kemanfaatan didefinisikan sebagai suatu ukuran dimana kepercayaan
seseorang terhadap penggunaan sesuatu akan dapat meningkatkan prestasi kerja
orang yang menggunakannya (DAVIS, 1989:p985).
Beberapa dimensi tentang kegunaan TI, dimana kegunaan tersebut dibagi
kedalam dua kategori, yaitu: 1) kegunaan dengan estimasi satu faktor, dan 2)
kegunaan dengan estimasi dua faktor (Kegunaan dan efektivitas) (Todd, 1995:p326)
pada (Nasution,2004:p217). Kegunaan dengan satu faktor meliputi :
a. Menjadikan pekerjaan lebih mudah
b. Bermanfaat
c. Menambah produktivitas
d. Mempertinggi efektivitas
e. Mengembangkan kinerja pekerjaan
Sedangkan kegunaan dengan estimasi dua faktor meliputi dimensi-dimensi:
a. Kegunaan meliputi dimensi: menjadikan pekerjaan lebih mudah, bermanfaat,
menambah produktivitas
b. Efektivitas meliputi dimensi: mempertinggi efektivitas, mengembangkan
kinerja pekerjaan
2.6.3 Attitude Toward Using (ATU)
Attitude toward using the system yang dipakai dalam TAM didefinisikan sebagai
suatu tingkat penilaian yang dirasakan (negatif atau positif) yang dialami sebagai
dampak bila seseorang menggunakan suatu teknologi dalam pekerjaannya (Davis,
1989:p 985).
Peneliti lain menyatakan bahwa faktor sikap (attitude) sebagai salah satu aspek
yang mempengaruhi perilaku individual. Sikap seseorang terdiri atas komponen
kognisi (cognitive), afeksi (affective), dan komponen-komponen yang berkaitan
dengan perilaku (behavioral components). (Thompson 1991:p125) pada (Nasution
2004:p217).
12
2.6.4 Intention to Use (ITU)
Intention to Use adalah kecenderungan tingkah laku untuk mengetahui
seberapa kuat perhatian seorang pengguna untuk menggunakan sebuah teknologi.
Tingkat penggunaan sebuah teknologi komputer pada seseorang dapat
diprediksi dengan akurat dari sikap perhatiannya terhadap teknologi tersebut,
misalnya keinginanan menambah peripheral pendukung, motivasi untuk tetap
menggunakan, serta keinginan untuk memotivasi pengguna lain ([DAVIS 1989], 985).
Peneliti selanjutnya menyatakan bahwa sikap perhatian untuk menggunakan adalah
prediksi yang baik untuk mengetahui Actual Usage (Malhotra, 1999:p9).
2.6.5 Actual System Usage (ASU)
Perilaku pemakaian nyata pertama kali dikonsepkan dalam bentuk pengukuran
frekuensi dan durasi waktu terhadap penggunaan sebuah teknologi (Davis,
1989:p985).
Seseorang akan puas menggunakan sistem jika mereka meyakini bahwa
sistem tersebut mudah digunakan dan akan meningkatkan produktifitas mereka, yang
tercermin dari kondisi perilaku nyata pemakai (Iqbaria 1997 pada (Natalia, 2003:p12).
13
Tabel 2.1: Kerangka Pemikiran
No
1.
Variabel Laten
Perceived Easy of Use (PEOU)
Indikator
- Mudah didapatkan
- Mudah diinstal
- Mudah dipahami
- Mudah digunakan
- Mudah jadi mahir
2.
Perceived Usefulness (PU)
- Meningkatkan efektifitas
- Sesuai dengan kebutuhan
- Lebih mudah
- Menghemat waktu
- Menghemat Biaya
3.
Attitude Toward Using (ATU)
- Menerima
- Senang
- Percaya
4.
Intention to Use (ITU)
- Niat memiliki
- Niat untuk menggunakan
(30 menit sekali pakai)
- Keinginan menyarankan
5.
Actual Usage Behavior (AUB)
- Memahami cara penggunaan
- Bertanya
- Merasa puas
14
2.7
Hipotesis
Hipotesis umum yang diajukan dalam penelitian ini adalah diduga model yang
diajukan pada penelitian ini didukung oleh fakta di lapangan. Hal ini diindikasikan
bahwa dugaan matriks varians-kovarians populasi sama dengan matriks varianskovarians sampel (data observasi) atau dapat dinyatakan ∑p = ∑s.
Hipotesis-hipotesis khusus pada penelitian ini adalah :
a. Diduga
Persepsi
Kemudahan
menggunakan
SE
Cara
Membaca
berpengaruh terhadap Persepsi Kemanfaatan (Percieved Usefulness/PU).
Semakin mudah penggunaannya maka semakin tinggi tingkat kemanfaatannya.
b. Diduga Persepsi Kemanfaatan SE Cara Membaca (Percieved Usefulness/PU)
berpengaruh terhadap Sikap Pengguna (Attitude Toward Using/ATU). Semakin
tinggi tingkat kemanfaatannya maka semakin positif sikap pengguna dalam
menggunakannya.
c. Diduga Persepsi Kemudahan menggunakan SE Cara Membaca (Perceived
Ease of Use/PEOU) berpengaruh terhadap Sikap Pengguna (Attitude Toward
Using/ATU). Semakin mudah pengunaannya maka semakin positif sikap
penggunanya.
d. Diduga Sikap Pengguna SE Cara Membaca (Attitude Toward Using/ATU)
berpengaruh terhadap Perilaku Pengguna (Intention to Use/ITU). Semakin
positif
sikap
penggunanya
maka
semakin
meningkat
niat
untuk
menggunakannya.
e. Diduga Persepsi Kemanfaatan SE Cara Membaca (Percieved Usefulness/PU)
berpengaruh terhadap Perilaku Pengguna (Intention to Use/ITU). Semakin
tinggi
tingkat
kemanfaatannya
maka
semakin
meningkat
niat
untuk
menggunakannya.
f. Diduga Perilaku Pengguna Aplikasi Pembelajaran Cara Membaca (Intention
to Use/ITU) berpengaruh terhadap Pemakaian Nyata (Actual System
Usage/ASU). Semakin tinggi niat untuk menggunakannya maka semakin positif
perilaku dalam menggunakannya.
15
BAB III
TUJUAN DAN MANFAAT PENELITIAN
3.1
Tujuan Penelitian
Tujuan yang ingin dicapai dengan adanya penelitian ini adalah:
a. Untuk mengetahui faktor-faktor yang berpengaruh pada tingkat penerimaan
pengguna SE cara membaca anak usia dini.
b. Untuk mengetahui bagaimana penerimaan pengguna SE cara membaca anak
usia dini pada sekolah PAUD.
3.2
Manfaat Penelitian
Penelitian ini diharapkan dapat membantu sekolah PAUD untuk meningkatkan
cara membaca anak usia dini dengan menggunakan SE.
16
BAB IV
METODE PENELITIAN
4.1
Jenis Penelitian
Penelitian ini termasuk ke dalam jenis penelitian Explaratory, yaitu penelitian
yang berisi pembuktian hipotesa yang dibangun melalui teori dengan pendekatan
Technology Acceptance Model (TAM), diuji menggunakan perangkat lunak AMOS 7.0.
4.2
Populasi dan Sampel Penelitian
Metode yang digunakan untuk mendapatkan data empiris melalui kuesioner
berskala Semantik diferensial. Dengan metode ini diharapkan dapat diperoleh rating
penerimaan pengguna Software Education Cara Membaca Anak Usia Dini di 4
(empat) sekolah PAUD di Bekasi.
Populasi pengguna teknologi pembelajaran cara membaca untuk anak usia dini
adalah guru dan wali murid. Jumlah guru dan wali murid yang hendak dijadikan
responden adalah sebanyak 135 responden yaitu 16 orang guru dan 119 orang wali
murid dan yang mengembalikan kuisioner yaitu 16 orang guru (100%) dan 97 orang
wali murid (72%).
Metode pemilihan sample menggunakan penarikan sampling purposive untuk
wali murid dilakukan dengan menawarkan kepada wali murid yang hadir dan mau
karena untuk responden adalah wali murid harus bisa menggunakan komputer untuk
membantu anak belajar membaca di rumah.
Terdapat
dua
cara
penarikan
sample
purposive,
yaitu
convenience
(berdasarkan keinginan peneliti) dan judgement sampling (berdasarkan penilaian
terhadap karakteristik yang ada).
17
Tabel 4.1: Jumlah Anggota Populasi dan Sampel Penelitian
No
4.3
NAMA SEKOLAH
SAMPEL
(Orang)
1.
TK Annur
34
2.
TK Al Asri
27
3.
TK Adhyaksa
38
4.
TK Teratai
36
Kuesioner
Merupakan pertanyaan-pertanyaan yang dibuat oleh peneliti untuk mengetahui
bagaimana pengaruh antara variabel Persepsi Kemudahan Menggunakan (Perceived
Ease of Use/PEOU), Persepsi Kemanfaatan (Perceived Usefulness/PU), Sikap
Pengguna (Attitude Toward Using/ATU), Perilaku Pengguna (Behavioral Intention To
Use /ITU) dan Perilaku Nyata (Actual System Usage/ASU) dari responden terhadap
pengguna SE Cara Membaca Anak Usia Dini.
4.4
Perancangan Penelitian
4.4.1 Konstruk Eksogenous (Exogenous Constructs)
Konstruk ini dikenal sebagai sources variables atau independen variabel yang
tidak diprediksi oleh variabel yang lain dalam model. Pada Penelitian ini konstruk
eksogenous adalah Perceived Ease of Use (PEOU) yang merupakan suatu tingkatan
dimana seseorang percaya bahwa sebuah teknologi dapat dengan mudah dipahami.
4.4.2
Konstruk Endogen (Endogenous Constructs)
Adalah faktor-faktor yang diprediksi oleh satu atau beberapa konstruk. Konstruk
endogen dapat memprediksi satu atau beberapa konstruk endogen lainnya, tetapi
konstruk endogen hanya dapat berhubungan kausal dengan konstruk endogen. Pada
penelitian ini konstruk endogen meliputi Perceived Usefulness (PU), Attitude Toward
Using (ATU), Behavioral Intention To Use (ITU) dan Actual System Usage (ASU).
18
Skala pengukuran semua variabel
bebas dan variabel tak bebas yang
digunakan dalam penelitian ini adalah skala Semantik Diferensial, yakni skala
pengukuran yang dapat memberikan penjelasan mengenai kategori, peringkat, jarak
dan perbandingan.
Jenis data yang digunakan adalah data primer yaitu data mentah yang dikutip
dan diolah langsung oleh peneliti dari responden individual. Dalam hal ini berupa
kuesioner yang peneliti sebarkan kepada para guru dan orang tua murid yang
memenuhi kriteria-kriteria yang telah ditetapkan. Untuk mengantisipasi agar seluruh
responden mengembalikan kuesioner, kuesioner-kuesioner tersebut diserahkan
langsung kepada Kepala Sekolah.
4.5
Teknik Analisis
4.5.1 Analisis Deskriptif
Tujuan analisis ini memberikan gambaran atau detesis suatu data berupa ratarata, standar deviasi, variance, maksimum, minimum, kurtosis (puncak dari distribusi
data), dan skewness (kemencengan distribusi data).
4.5.2 Metode Olah Data Dengan Structural Equation Model (SEM)
a. Langkah-Langkah Dalam SEM
1) Pengembangan model berbasis teori
Tujuan dari analisis ini untuk mengetahui bagaimana audit. Konstruk (faktor)
dan dimensi-dimensi yang akan diteliti dari model teoritis diatas akan diuraikan
dalam bagan berikut ini:
19
Tabel 4.2: Bangunan Model Teoritis
VARIABEL LATEN
DIMENSI KONSTRUK
JML ITEM
Perceived Ease
X1 = Mudah didapatkan
1
Of Use (PEOU)
X2 = Mudah di Instal
1
(Davis 1989:p985)
X3 = Mudah dipahami
1
X4 = mudah digunakan
1
X5 = mudah jadi mahir
1
Perceived Usefulness (PU)
1
Y1 = meningkatkan efektivitas
(Davis, 1989),
1
Y2
(Todd, 1995) pada (Nasution 2004:p217)
=
mendapatkan
cara
belajar
yang
dibutuhkan dan sesuai
Y3 = lebih mudah
1
Y4 = menghemat waktu
1
Y5 = menghemat biaya
1
Attitude Toward
Y6 = rasa menerima
Using (ATU)
1
Y7 = rasa senang
(Malhotra 1999),
1
Y8 = rasa percaya
(Thompson
1991)
pada
(Nasution,
1
2004:p217)
Intention to Use (ITU)
Y9 = Niat untuk memiliki
1
(Malhotra, 1999:p9)
Y10 = Niat untuk menggunakan
1
Y11 = Keinginan untuk menyarankan
1
Actual System Usage (ASU)
Y12 = Memahami cara penggunaan
1
(Malhotra 1999:p9)
Y13 = Bertanya
1
Y14 = Kepuasan pengguna
1
20
2) Pengembangan Diagram Alur (Path diagram)
Setelah dibangun model teoritis, kemudian digambarkan sebuah path
diagram. Biasanya diketahui bahwa hubungan-hubungan kausal dinyatakan
dalam bentuk persamaan. Tetapi dalam SEM (dalam operasi AMOS) hubungan
kausalitas cukup digambarkan dalam
sebuah path diagram. Selanjutnya,
bahasa program akan mengkonversikan gambar menjadi persamaan, dan
persamaan menjadi estimasi.
Tujuan dibuatnya path diagram adalah untuk memudahkan peneliti
dalam melihat hubungan-hubungan kausalitas yang ingin diuji. Hubungan antar
konstruk dinyatakan dengan anak panah. Anak panah yang mengarah dari
suatu konstruk ke konstruk lain menunjukkan hubungan kausal.
Pada penelitian ini, path diagram yang dibangun seperti yang terlihat
pada Gambar 3.1 berikut:
Gambar 4.1: Diagram Model Variabel dalam Penelitian ini
21
3) Konversi diagram alur ke dalam persamaan
Setelah
langkah
1
dan
2
dilakukan,
peneliti
dapat
memulai
mengkonversi spesifikasi model tersebut kedalam rangkaian persamaan,
diantaranya adalah:
1. Persamaan-persamaan Struktural (Structural Equations)
Persamaan ini dirumuskan untuk menyatakan hubungan kausalitas antar
berbagai konsrtuk, dengan membentuk model pengukuran variabel laten
eksogenous dan endogenous, bentuk persamaannya antara lain:
PU
= γ11PEOU + ς1
ATU = γ21PEOU + β21PU + ς2
(1)
(2)
ITU
= β32ATU
+ β31PU + ς3
(3)
ASU
= β43ITU
+ ς4
(4)
2. Persamaan spesifikasi model pengukuran (Measurement Model)
Peneliti menentukan variabel mana mengukur konstruk mana, serta
serangkaian matriks yang menunjukkan korelasi yang dihipotesakan antar
konstruk atau variabel. Bentuk persamaan indikator variabel laten eksogenous
dan indikator variabel laten endogenous antara lain :
Persamaan pengukuran indikator variabel eksogenous
X1 = λ11PEOU + δ1
X2 = λ21PEOU + δ2
X3 = λ31PEOU + δ3
X4 = λ41PEOU + δ4
X5 = λ51PEOU + δ5
Persamaan pengukuran indikator variabel endogenous
22
y1 = λ11PU + ε1
y2 = λ21PU + ε2
y3 = λ31PU + ε3
y4 = λ41PU + ε4
y5 = λ51PU + ε5
y6 = λ62ATU + ε6
y7 = λ72ATU + ε7
y8 = λ82ATU + ε8
y9 = λ93ITU + ε9
y10 = λ103ITU + ε10
y11 = λ113ITU+ ε11
y12 = λ124ASU+ ε12
y13 = λ134ASU+ ε13
y14 = λ144ASU+ ε14
4) Memilih matriks input dan Estimasi model
Dalam SEM hanya menggunakan matriks varians atau kovarians atau
matriks korelasi sebagai data input untuk keseluruhan estimasi yang
dilakukannya. Matriks kovarians digunakan karena ia memiliki keunggulan d
alam menyajikan perbandingan yang valid antara populasi yang berbeda
dengan sampel yang berbeda. Matriks kovarians umumnya lebih banyak
digunakan dalam penelitian mengenai hubungan seperti direkomendasikan
oleh Baumgather dan Homburg (1996), sebab standar error yang dilaporkan
dari berbagai penelitian umumnya menunjukkan angka yang kurang akurat bila
matriks korelasi digunakan sebagai input.
23
Disarankan agar peneliti menggunakan matriks kovarians/varians pada
saat pengujian teoritis sebab kovarians/varians lebih memenuhi asumsi-asumsi
metodologi dan merupakan bentuk data yang lebih sesuai untuk menvalidasi
hubungan-hubungan kausalitas (Hair 1996:p112).
Untuk melakukan estimasi dari model yang dikembangkan dan input
data yang dipilih, peneliti menggunakan AMOS.16
dengan teknik estimasi
sebagai berikut:
a. Maximum Likelihood Estimation (ML)
b. Generalized Least Square Estimation (GLS)
c. Unweighted Least Square Estimation (ULS)
d. Scale Free Least Square Estimation (SLS)
e. Asymptotically Distribution-Free Estimation (ADF)
5) Kemungkinan munculnya masalah identifikasi
Ketika akan melakukan estimasi pada model kausal ini, salah satu
masalah yang akan dihadapi adalah masalah identifikasi. Problem identifikasi
pada prinsipnya adalah problem mengenai ketidakmampuan dari model yang
dikembangkan untuk menghasilkan estimasi yang unik.
6) Evaluasi kriteria Goodness of Fit
Tindakan yang dilakukan adalah mengevaluasi apakah data yang
digunakan dapat memenuhi asumsi-asumsi SEM.
4.5.3 Analisis Inferensial
a. Uji Asumsi SEM
Tindakan yang dilakukan adalah mengevaluasi apakah data yang digunakan
telah memenuhi asumsi-asumsi SEM. Asumsi-asumsi yang harus dipenuhi adalah
sebagai berikut:
24
1) Ukuran sampel
Menurut Hair dkk, jumlah sampel minimal untuk SEM adalah 100-200
dengan menggunakan perbandingan jumlah sampel terhadap jumlah indikator
adalah 1 : 5 (Juniarti, 2001 p:332). Jadi jika indikator dalam penelitian terdapat
sebanyak 20 maka minimal sampel untuk SEM adalah 100.
2) Normalitas dan Linearitas
Normalitas dapat diuji dengan melihat gambar histogram data atau
dengan metode-metode statistik. Sedangkan uji Linearitas dilakukan dengan
mengamati scatterplots dari data yaitu memilih pasangan data dan dilihat pola
penyebarannya untuk menduga ada atau tidaknya linearitas.
3) Outliers
Adalah observasi yang muncul dengan nilai-nilai ekstrim baik secara
univariat maupun multivariat yaitu yang muncul karena kombinasi karakteristik
unik yang dimilikinya dan terlihat sangat jauh berbeda dari observasi-observasi
lainnya.
4) Multicollinearity dan Singularity
Multicollinearitas dapat dideteksi dari determinan matriks kovarians. Jika
nilai dari determinan matriks kovarians sangat kecil dapat memberikan adanya
indikasi problem Multikollinearitas atau Singularitas.
b. Uji Overall Model Fit
Adapun Pengujian Overall Model Fit dari sebuah model SEM terdiri dari:
1) Chi Square Statistic
Merupakan alat uji paling fundamental untuk mengukur overall fit. Chisquare bersifat sensitif terhadap besarnya sampel yang digunakan. Model yang
diuji dipandang baik atau memuaskan bila nilai chi-square rendah (karena
dalam uji beda chi square=0, berarti benar-benar tidak ada perbedaan, H0
diterima) dan diterima berdasarkan profitabilitas dengan cut-off value sebesar
p>0.05 atau p>0.10 (Hulland.et.all 1996).
25
Dalam pengujian ini, nilai chi-square yang rendah yang menghasilkan
sebuah tingkat signifikansi yang lebih besar dari 0.05 akan mengindikasi tak
adanya perbedaan yang signifikan antara matriks kovarians data dan matriks
kovarians yang diestimasi (Hair.et al.1995).
2) RMSEA – The Root Mean Square Error of Approximation
Merupakan sebuah indeks yang dapat digunakan untuk mengkompensasi chi-square statistic dalam sampel yang lebih besar. Nilai RMSEA
yang lebih kecil atau sama dengan 0.08 merupakan indeks untuk dapat
diterimanya model yang menunjukkan sebuah close fit dari model itu
berdasarkan Degree of Freedom.
3) GFI – Goodness of Fit Index
Merupakan sebuah ukuran non-statistikal yang mempunyai rentang nilai
antara 0 (poor fit) sampai dengan 1.0 (perfect fit).
Indeks kesesuaian ini (fit index) akan menghitung proporsi tertimbang dari
varians dalam matriks kovarians sampel yang dijelaskan oleh matriks kovarians
populasi yang diestimasikan. Dimana nilai yang tertinggi dalam indeks ini
menunjukkan sebuah “better fit”.
4) AFGI – Adjusted Goodness-of-Fit Index
Fit index ini dapat di-adjust terhadap degress of freedom yang tersedia
untuk menguji diterima tidaknya model. Indeks ini diperoleh dengan rumus
sebagai berikut:
Tingkat penerimaan yang direkomendasikan dalam AGFI adalah jika
mempunyai nilai sama dengan atau lebih besar dari 0.90 (Hulland.et.all1996)
Baik GFI maupun AGFI, kriteria yang memperhitungkan proporsi tertimbang
dari varians dalam sebuah matriks kovarians sample. Nilai sebesar 0.95 dapat
diinterpertasikan sebagai tingkatan yang baik sedangkan nilai antara 0.90 –
0.95 menunjukkan tingkatan cukup.
26
e. PGFI- Parsimony Goodness of Fit Index
PGFI diperkenalkan oleh Mulaik et.al (1989) sama dengan AGFI yang
telah menyesuaikan adanya dampak dari degree of freedom dan kompleksitas
model. Model yang baik memiliki nilai PGFI jauh lebih besar dari 0.6 (Byrne
1998:p95).
f. CMIN/DF
The minimum sample discrepancy function dibagi dengan degree of
freedom akan menghasilkan indeks CMIN/DF atau dapat disebut juga dengan
chi – square relative. Digunakan untuk mengukur tingkat fitnya sebuah model,
Nilai yang diharapkan kurang dari 2.0 atau kurang dari 3.0.
g. NFI- NoSE Cara Membacad Fit Index
Merupakan salah satu alternative untuk menentukan suatu model yang
dikatakan fit bila nilai NFI lebih besar dari 0.9 (Bentler1992)
h. CFI – Comparative Fit Index
Merupakan
sebuah
alternative
incremental
fit
index
yang
membandingkan sebuah model yang diuji terhadap sebuah baseline model,
nilai yang diharapkan untuk diterimanya model adalah penerimaan lebih dari
0.95.
i. IFI- Incremental Fit Index
IFI [BOLLEN 1989] digunakan untuk mengatasi masalah parsimony dan
ukuran sampel, batas cut off IFI adalah 0.9 (Byrne, 1998)
j. RFI-Relative Fit Index
RFI digunakan untuk mengukur fit dimana nilainya adalah 0-1 dimana
nilai yang lebih besar menunjukkan adanya superior fit.
27
c. Uji Parameter Model
1) Uji Validitas
Validitas digunakan untuk menguji kemampuan (keakuratan) suatu
indikator sehingga dapat mewakili suatu variabel laten. Ada 2 hal yang
dilakukan dalam pengujian validitas yaitu pemeriksaan terhadap nilai t dan
pemeriksaaan terhadap tingginya muatan faktor standar atau λ (standardized
loading factor) yaitu > 1.96 untuk nilai t dan 0.30 untuk λ.
2) Uji Realibilitas
Pendekatan yang dianjurkan dalam menilai sebuah model pengukuran
(measurement model) adalah menilai besaran composite reliability serta
variance extracted dari masing-masing konstruk.
i. Composite reliability
Realibilitas adalah ukuran mengenai konsistensi internal dari indikatorindikator sebuah konstruk yang menunjukkan derajad sampai dimana
masing-masing indikator itu mengindikasikan sebuah konstruk/ faktor laten
yang umum. Composite Reliability diperoleh dengan rumus sebagai berikut :
Constuct – Reliability =
( ∑ std. loading )2
(∑ std. loading )2 + ∑ ε j
Dimana :
a) Std. loading diperoleh langsung dari standardized loading untuk tiap
indikator
b) εφ adalah measurement error dari tiap-tiap indikator.
Nilai batas yang digunakan untuk menilai tingkat realibilitas yang dapat
diterima adalah 0.70, dan jika nilai tersebut dibawah 0.70 pun masih dapat
diterima sepanjang disertai dengan alasan-alasan empirik yang terlihat
dalam proses eksplorasi.
ii.Variance extracted
28
Jumlah varians yang dari indikator-indikator yang diekstraksi oleh
konstruk laten yang dikembangkan. Nilai Variance extracted yang tinggi
dapat menunjukkan bahwa indicator-indikator telah mewakili secara baik
konstruk laten yang dikembangkan dan nilai yang direkomendasikan adalah
paling sedikit 0.50. Variance extracted dapat diperoleh melalui rumus
dibawah ini:
Variance – extracted =
∑ std. loading 2
∑ std. loading 2 + ∑ ε j
Dimana :
a) Std. loading diperoleh langsung dari standardized loading untuk
tiap indikator (diambil dari Amos).
b) εφ adalah measurement error dari tiap-tiap indikator.
4.5.4 Interpretasi dan Modifikasi model
Langkah terakhir adalah menginterprestasikan model dan memodifikasikan
model bagi model-model yang tidak memenuhi syarat pengujian yang dilakukan.
Setelah model diestimasi, residualnya haruslah kecil atau mendekati nol dan distribusi
frekuensi dari kovarians residual harus bersifat simetrik.
Batas keamanan untuk jumlah residual adalah 5%, bila nilai residualnya lebih
besar dari 5% dari semua residual kovarians yang dihasilkan oleh model, Maka
sebuah modifikasi mulai perlu dipertimbangkan.
29
4.6
Pengelompokan Data
Data Profil Responden
Jumlah murid di ke empat TK tersebut adalah sebanyak 148 murid dan ada 91
Responden yang memiliki komputer. Dari 91 kuisioner yang disebar kepada orangtua
murid yang memiliki komputer, dikembalikan sebanyak 87 kuisioner. Sedangkan untuk
guru-guru, seluruhnya diberikan kuisioner dan seluruhnya mengembalikan.
Data Profil responden yang menjadi obyek penelitian ini dapat dilihat pada tabel
berikut :
Tabel 4.3 Responden Guru
TK Responden
Jumlah
1. TK Annur
4
% dari seluruh
responden
25%
2. TK Al- Asri
3
19%
3. TK Adhyaksa
5
31%
4. TK Teratai
4
25%
16
100%
-
0
16
100%
16
100 %
Jumlah
Jenis kelamin:
- Laki – laki
- Perempuan
Jumlah
30
Tabel 4.4 Responden Orang tua Murid
TK Responden
Jumlah
% dari seluruh
responden
1. TK Annur
30
25%
2. TK Al- Asri
24
20%
3. TK Adhyaksa
33
28%
4. TK Teratai
32
27%
119
100%
- Laki-laki
12
10%
- Perempuan
107
90%
119
100%
97
82%
22
18%
119
100%
Jumlah
Jenis kelamin:
Jumlah
Memiliki komputer
tidak (di rumah)
atau
- Ya
- Tidak
Jumlah
Sumber : Olahan Peneliti
4.7
Daftar Pertanyaan / Kuisioner
Lihat lampiran 1 (Daftar Kuisioner)
31
BAB V
HASIL DAN PEMBAHASAN
5.1
Hasil Penelitian
5.1.1 Analisis Statistik Deskriptif
Pengujian atau analisa terhadap statistik deskriptif memberikan gambaran
berupa nilai mean (rata-rata), standar deviasi, varian, maksimum, range, kurtosis dan
skewness dapat dilihat pada Lampiran 2 (statistik deskriptif).
Dengan melihat Lampiran 2, dijelaskan bahwa data memiliki nilai Valid N
(listwise) dengan tingkat validitas yang baik yaitu sebesar 120 (100 %), demikian pula
dengan kriteria lain yang terdapat pada uji statistik deskriptif
5.1.2 Analisis Statistik Inferensial
a. Uji Asumsi Model
1) Ukuran Sampel
Ukuran sampel yang harus dipenuhi dalam pemodelan SEM, minimum
berjumlah 100. Penelitian ini menggunakan 102 sampel, oleh karena itu
jumlah sampel tersebut telah memenuhi persyaratan ukuran sampel. Data
sampel penelitian ini dapat dilihat pada Lampiran 3.
2) Uji Normalitas
Normalitas data dapat dlihat text output di “Assessmeny of Normality”
Assesment of Normality pada penelitian ini disajikan pada tabel berikut ini
32
Tabel 5.1: Assesment of Normality
Sebuah distribusi dikatakan normal jika angka c.r skweness atau angka c.r
kurtosis ada diantara -2,58 sampai +2,58. Namun jika angka-angka tersebut berada di
bawah -2,58 dan diatas +2.58 maka distribusi dikatakan tidak normal.
Berdasarkan nilai c.r (critical rasio) dalam text output di “Assessment of
Normality” sebesar 9,255, sedangkan 9,255 > 2,58 yang berarti data tidak normal.
3) Data Outliners
Sebuah data termasuk outlier jika mempunyai angka p1 dan p2 yang
kurang dari 0,05. Pada Tabel Mahalanobis distance yang terdapat pada
Lampiran 4 dapat dilihat pada Mahalabobis d-squared bahwa ada nilai yang
diuji yang lebih besar dari χ2 tabel, artinya terdapat outliner.
4) Uji Asumsi Singularitas
Uji asumsi multikolinearitas/singularitas dilakukan dengan mendeteksi
nilai determinan matriks kovarians sampel. Pada tabel sample vovariances di
Lampiran 5 dapat dilihat nilai determinant of sample covariance matrix = .000 .
Angka tersebut bukan berarti determinan 0, akan tetapi ada nilainya sehingga
33
dapat disimpulkan tidak ada masalah multikolinearitas dan singularitas pada
data yang dinalisis
b. Pengolahan dalam Model Persamaan Struktural
1) Objek Penelitian
Penelitian ini dilakukan untuk menganalisis lima variabel laten, satu
diantaranya (PEOU) merupakan variabel eksogen dan empat variabel
lainnya (PU, ATU, ITU dan ASU) merupakan variabel endogen. Variabelvariabel laten tersebut, diukur melalui variabel indikator yaitu tertera pada
Tabel berikut ini :
Tabel 5.2 : Variabel Penelitian yang diobservasi
VARIABEL LATEN
DIMENSI KONSTRUK
JML ITEM
Perceived Ease
X1 = mudah didapatkan
1
Of Use (PEOU)
X2 = mudah diinstall
1
(Davis, 1989:p985)
X3 = mudah pahami
1
X4 = mudah digunakan
1
X5 = mudah jadi mahir
1
Perceived Usefulness (PU)
[DAVIS 1989],
(Todd
1995)
2004:p217)
Y1 = meningkatkan efektivitas
Y2 = mendapatkan cara belajar yang dibutuhkan dan
pada
(Nasution,
1
1
sesuai
Y3 = lebih mudah
Y4 = menghemat waktu
Y5 = menghemat biaya
34
1
1
1
Attitude Toward
Y6 = rasa menerima
Using (ATU)
Y7 = rasa senang
(Malhotra 1999),
(Thompson 1991) pada (Nasution,
Y8 = rasa percaya
1
1
1
2004:p217)
Intention to Use (ITU)
Y9 = niat untuk memiliki
1
(Malhotra, 1999:p9)
Y10 = niat untuk menggunakan
1
Y11 = keinginan untuk menyarankan
1
Actual System Usage (ASU)
Y12 = Memahami cara penggunaan
1
(Malhotra 1999, p:9)
Y13 = Bertanya
1
Y14 = Kepuasan pengguna
1
2) Pengujian Model Berbasis Teori
Pengujian model berbasis teori dilakukan dengan menggunakan
software AMOS Versi 16.0. Berikut ini adalah hasil pengujian model tersebut
:
35
Gambar 5.1: Hasil Model Awal Penelitian
Hipotesis yang menjelaskan kondisi data empiris dengan model/teori adalah :
H0
:Data empirik identik dengan teori atau model (Hipotesis diterima
0.05).
36
apabila P ≥
H1
: Data empirik berbeda dengan teori atau model (Hipotesis ditolak apabila
P < 0.05.
Berdasarkan Gambar 4.1, diperlihatkan bahwa model teori yang diajukan pada
penelitian ini tidak sesuai dengan model populasi yang diobservasi, karena diketahui
bahwa nilai probability (P) = 0,002 tidak memenuhi persyaratan karena hasilnya di
bawah nilai yang direkomendasikan yaitu p > 0.05 (Ghozali, 2005 p:83).
Untuk sementara dapat disimpulkan bahwa output model belum memenuhi
persyaratan penerimaan Ho, sehingga tidak dapat dilakukan uji hipotesis selanjutnya.
Namun demikian, agar model yang diajukan dinyatakan fit, maka dapat dilakukan
modifikasi model sesuai dengan yang disarankan oleh AMOS.
Penelitian
ini
menggunakan
Model
Developmental
Strategy,
strategi
ini
memungkinkan dilakukannya modifikasi model jika model yang diajukan belum
memenuhi
persyaratan
yang
direkomendasikan.
Modifikasi
dilakukan
untuk
mendapatkan model yang fit (sesuai) dengan persyaratan pengujian (Widodo, 2006
p:4)
Berdasarkan justifikasi teoritis yang telah ada, maka dilakukan modifikasi model
dengan asumsi perubahan model struktural harus dilandasi dengan teori yang kuat
(Ghozali, 2005 p:71).
Berdasarkan hasil Estimasi dan Regression Wieght, maka dilakukan modifikasi
dengan menghapus variabel indikator yang bukan merupakan konstruktor yang valid
bagi suatu variabel laten pada model struktural yang diajukan. Jika nilai stimate pada
loading factor (λ) dari suatu variabel indikator < 0.5 maka indikator tersebut
hendaknya di drop (dihapus) (Ghozali, 2004 p:96). Selanjutnya untuk melihat
signifikansi (Sig), nilai yang dipersyaratkan adalah <0.05. Jika nilai Sig > 0.05 maka
dapat dikatakan bahwa indikator tersebut bukan merupakan konstruktor yang valid
bagi suatu variebel laten dan sebaiknya hal ini di drop (dihapus) (Widodo, 2006 p:59).
Modifikasi dilakukan dengan tujuan untuk mendapatkan nilai Probalility > 0.05
37
sehingga model dinyatakan fit (sesuai). Pada penelitian ini modifikasi dilakukan dalam
dalam lima (5) tahap.
Langkah pertama untuk melakukan modifikasi terhadap model yang dibangun
adalah dengan menghapus X3 (kemudahan untuk dipelajari) dan X5 (mudah menjadi
mahir)
yang merupakan indikator yang valid bagi pengukuran PEOU (Perceived
Ease of Use). Penghapusan dilakukan karena loading factor untuk indikator yang
nilainya rendah yaitu di bawah 0.50 dikeluarkan dari model.
Langkah kedua untuk melakukan modifikasi terhadap model yang dibangun
adalah dengan menghapus Y5 (menghemat biaya) yang merupakan indikator yang
valid bagi pengukuran PU (Perceived Usefulness). Penghapusan dilakukan karena
loading factor untuk indikator yang nilainya rendah yaitu di bawah 0.50 dikeluarkan
dari model.
Langkah ketiga untuk melakukan modifikasi terhadap model yang dibangun
adalah dengan menghapus Y6 (rasa menerima) yang merupakan indikator yang valid
bagi pengukuran ATU (Attitude Toward Using).
Penghapusan dilakukan karena
loading factor untuk indikator yang nilainya rendah yaitu di bawah 0.50 dikeluarkan
dari model.
Langkah keempat untuk melakukan modifikasi terhadap model yang dibangun
adalah dengan menghapus Y10 (Niat untuk menggunakan) yang merupakan indikator
yang valid bagi pengukuran ITU (Intention to Use). Penghapusan dilakukan karena
loading factor untuk indikator yang nilainya rendah yaitu di bawah 0.50 dikeluarkan
dari model.
Langkah kelima untuk melakukan modifikasi terhadap model yang dibangun
adalah dengan menghapus Y14 (kepuasan pengguna) yang merupakan indikator
yang valid bagi pengukuran ASU (Actual System Usage). Penghapusan dilakukan
karena loading factor untuk indikator yang nilainya rendah yaitu di bawah 0.50
dikeluarkan dari model.
38
Tabel 5.3: Langkah Modifikasi
No
1
Modifikasi
X3 (kemudahan untuk dipelajari)
Keterangan
Dihapus dari indikator PEOU (Perceived Ease of Use).
X5 (kemudahan untuk
Dihapus dari indikator PEOU (Perceived Ease of Use).
2
menjadi mahir)
3
Y5 (menghemat biaya)
Dihapus dari indikator PU (Perceived Usefulness).
4
Y6 (rasa menerima)
Dihapus dari indikator ATU (Attitude Toward Using)
5
Y10 (Niat untuk menggunakan)
Dihapus dari indikator ITU (Intention to Use)
6
Y14 (kepuasan pengguna)
Dihapus dari indikator ASU (Actual System Usage).
Setelah dilakukan modifikasi model, maka didapatkan model yang fit seperti yang
tertera pada Gambar 5.2
39
Gambar 5.2: Hasil Pengujian Model setelah Uji Validitas dan Reliabilitas
3) Uji kesesuaian model
40
Kriteria fit atau tidaknya model tidak hanya dilihat dari nilai probability
nya tapi juga menyangkut kriteria lain yang meliputi ukuran Absolut Fit
Measures, Incremental Fit Measures dan Parsimonious Fit Measaures.
Untuk membandingkan nilai yang didapat pada model ini dengan batas nilai
kritis pada masing-masing kriteria pengukuran tersebut, maka dapat dilihat
pada Tabel berikut ini :
Tabel 5.4 Uji Perbandingan Kesesuaian Model
Ukuran kesesuaian
Batas nilai kritis
Hasil model
Keterangan
ini
1. Absolut Fit Measures
Chi-Squares Χ2 (CMIN)
Probability
Chi-Squares Χ2 Relatif
(CMIN/DF)
GFI
RMSEA
Kecil, ≤ χ2
≥0.05
ά ; df
78.631
Baik
0.064
Baik
1.289
Baik
0.909
Baik
0.049
Baik
≤ 2.0
≥ 0.90
≤ 0.08
2. Incremental Fit Measures
AGFI
≥ 0.90
0.864
Marginal
TLI
≥ 0.95
0.912
Baik
NFI
≥ 0.90
0.765
Marginal
CFI
≥ 0.95
0.931
Marginal
≥ 0.60
0.598
Marginal
≥ 0.60
0.609
Baik
3. Parsimonious Fit Measaures
PNFI
PGFI
(Sumber :Olah data AMOS 16.0 sesuai dengan batas nilai kritis (Widodo 2006, p:54)
41
Berdasarkan tabel di atas secara keseluruhan model dinyatakan fit (sesuai)
karena model yang diajukan pada penelitian ini didukung oleh fakta di lapangan. Hal
ini diindikasikan bahwa dugaan matriks varians-kovarians populasi sama dengan
matriks varians-kovarians sampel (data observasi) atau ∑p = ∑s.
Pada penelitian ini dilakukan analisis model dua tahap yaitu analisis CFA
(Confirmatory Factor Analysis) dan selanjutnya analisis full model. Kedua analisis
tersebut mengindikasikan bahwa model dinyatakan fit (sesuai) baik untuk masingmasing variabel laten maupun untuk model secara keseluruhan.
5.2 Hasil Pengujian
5.2.1 Uji Parameter Model Pengukuran Variabel Laten
a. Pengujian Validitas
Pengujian terhadap validitas variabel laten dilakukan dengan melihat
nilai
estimate pada loading factor (λ) dari suatu variabel indikator yang diperoleh. Jika nilai
stimate pada loading factor (λ) dari suatu variabel indikator < 0.5 maka indikator
tersebut hendaknya di drop (dihapus) (Ghozali, 2004 p:96). Modifikasi dilakukan
dengan tujuan untuk mendapatkan nilai Probalility > 0.05 sehingga model dinyatakan
fit (sesuai)
Hasil Pengujian Validitas dari penelitian ini adalah:
1) Variabel Laten Eksogen PEOU (Perceived Ease of Use)
Tabel 5.5 Uji Parameter Variabel PEOU
PEOU
Estimate
Keterangan
X1
0.560
Konstruk yang valid
X2
0.538
Konstruk yang valid
X4
0.702
Konstruk yang valid
42
Masing-masing variabel indikator X1 (fleksibilitas), X2 (kemudahan untuk
diakses), dan X4 (kemudahan untuk digunakan) secara signifikan merupakan
konstruktur yang valid (Tolak H0) bagi variabel laten PEOU. Terbukti dari nilai yang
diperoleh X1 (mudah didapatkan), X2 (kemudahan untuk diinstal) dan X4 (kemudahan
untuk digunakan) Maka dapat dikatakan bahwa SE Cara Membaca dapat digunakan
dengan mudah untuk didapatkan, mudah diinstall dan mudah untuk dipahami.
2) Variabel Laten Endogen
i) PU (Perceived Usefulness)
Tabel 5.6 Uji Parameter Variabel PU
PU
Estimate
Keterangan
Y1
0.548
Konstruk yang valid
Y2
0.535
Konstruk yang valid
Y3
0.791
Konstruk yang valid
Y4
0.526
Konstruk yang valid
Variabel indikator Y1 (meningkatkan efektivitas), Y2 (mendapatkan cara belajar
yang dibutuhkan), Y3 (lebih mudah dalam memahami huruf) dan Y4 (menghemat
waktu) secara signifikan merupakan konstruktor yang valid (Tolak H0) bagi variabel
laten PU. Terbukti dari nilai yang diperoleh Y1 (meningkatkan efektivitas), Y2
(mendapatkan cara pembelajaran dibutuhkan), Y3 (lebih mudah dalam memahami
huruf), dan Y4 (menghemat waktu). Maka dapat dikatakan bahwa dengan
menggunakan SE Cara Membaca dapat meningkatkan efektivitas, bisa mendapatkan
cara pembelajaran sesuai dengan kebutuhan, lebih mudah memahami huruf dan
menghemat waktu.
43
ii) ATU (Attitude Toward Using)
Tabel 5.7 Uji Parameter Variabel ATU
ATU
Estimate
Keterangan
Y7
0.529
Konstruk yang valid
Y8
0.580
Konstruk yang valid
Variabel indikator Y7 (rasa senang) dan Y8 (rasa percaya) secara signifikan
merupakan konstruktor yang valid (Tolak H0) bagi variabel laten ATU. Berdasarkan hal
tersebut, maka dapat dikatakan bahwa responden (pengguna) SE Cara Membaca
merasa senang dan memiliki rasa percaya terhadap SE Cara Membaca
iii) ITU (Intention to Use)
Tabel 5.8 Uji Parameter Variabel ITU
ITU
Estimate
Keterangan
Y9
0.642
Konstruk yang valid
Y11
0.717
Konstruk yang valid
Variabel indikator Y9 (Niat untuk memiliki) , Y11 (keinginanan untuk
menyarankan) secara signifikan merupakan konstruktor yang valid (Tolak H0) bagi
variabel laten ITU. Berdasarkan hal tersebut maka pengguna SE Cara Membaca
mempunyai nat untuk memiliki, dan memotivasi orang lain untuk menggunakan SE
Cara Membaca.
44
iv) ASU (Actual System Usage)
Tabel 5.9: Uji Parameter Variabel ASU
ASU
Estimate
Keterangan
Y12
0.737
Konstruk yang valid
Y13
0.576
Konstruk yang valid
Berdasarkan Tabel di atas, dapat diketahui bahwa masing-masing variabel
indikator Y12 (memahami cara penggunaan) dan Y13 (bertanya kepada yang lebih
mengetahui) secara signifikan merupakan konstruktur yang valid (Tolak H0) bagi
variabel laten ASU. Maka dapat dikatakan bahwa pengguna SE Cara Membaca pada
penelitian ini memahami cara penggunaan dan akan bertanya kepada yang lebih
mengetahui cara penggunaan software ini.
b. Pengujian Reliabilitas
1)
Pengujian Secara Langsung
Pengujian ini dapat dilihat secara langsung dari output AMOS dengan
melihat R2 (Squared Multiple Correlation). Reliabilitas dari
dapat dilihat dengan mempertahankan nilai R2. R2
suatu
indikator
menjelaskan
mengenai
seberapa besar proporsi varians indikator yang dijelaskan oleh variabel laten
(sedangkan sisanya dijelaskan oleh measurement error) oleh Ghozali (2005),
(Wibowo, 2006 p:50).Hasil output AMOS mengenai nilai R2 (Squared Multiple
Correlation) adalah sebagai berikut :
Tabel 5.10 Squared Multiple Correlation untuk variabel X (Eksogen)
X1
X2
0.260
0.333
45
X4
0.465
Tabel 5.11 Squared Multiple Correlation untuk variabel Y (Endogen)
Y1
Y2
Y3
Y4
Y7
Y8
Y9
Y11
Y12
Y13
0.452
0.295
0.461
0.253
0.271
0.357
0.412
0.525
0.446
0.403
Berdasarkan Tabel di atas dapat dilihat bahwa variabel indikator Y11
memiliki nilai R2 tertinggi yaitu sebesar 0.525 sehingga dapat disimpulkan
bahwa variabel laten ATU berkontribusi terhadap varians Y11 sebesar 53 %
sedangkan sisanya 47 % dijelaskan oleh measurement error.
Variabel indikator Y4 merupakan indikator yang paling kurang realibel dari
variabel laten ATU, karena nilai R2
yang dimilikinya adalah paling kecil
dibandingkan dengan variabel indikator lainnya. Hasil output di atas
menghasilkan uji reliabilitas secara individual.
2)
Pengujian Tidak Langsung
Dengan
melakukan
uji
reliabilitas
gabungan,
pendekatan
yang
dianjurkan adalah adalah mencari nilai besaran Composite Reliability dan
Variance Extracted dari masing-masing variabel laten dengan menggunakan
informasi pada loading factor dan measurement error. Composite Reliability
menyatakan
ukuran
konsistensi
internal dari indikator-indikator sebuah
konstruk yang menunjukkan derajat sampai
indikator itu mengindikasikan sebuah
dimana
konstruk/laten
masing-masing
yang
umum.
Sedangkan Variance Extracted menunjukkan
indikator-indikator tersebut telah
mewakili secara baik konstruk laten yang
dikembangkan (Ghozali, 2005
p:21) dan (Ferdinand, p:61-64).
46
Tabel 5.12 Uji Reliabilitas Gabungan
Variabel Laten
Construct Reliability
Variance Extracted
PEOU
0.765
0.522
PU
0.775
0.468
ATU
0.811
0.682
ITU
0.633
0.464
ASU
0.652
0.485
Pada Tabel di atas terlihat bahwa PEOU, PU, dan ATU
memiliki nilai
Composite Reliability di atas 0.70. Sedangkan ITU dan ASU nilai Construct Reliability
nya masih di bawah 0.70 tetapi masih dapat dikatakan realibel karena masih berada
pada range nilai yang diperbolehkan. Batas nilai kritis yang direkomendasikan untuk
Composite Reliability adalah 0.70. Namun angka tersebut bukanlah sebuah ukuran
yang "mati". Artinya, bila penelitian yang dilakukan bersifat eksploratori, maka nilai di
bawah batas kritis tersebut (0.70) pun masih dapat diterima (Ferdinand, 2002 p:63).
Nunally dan Berstein (1994) dalam (Widodo, 2006 p:83)
memberikan pedoman
bahwa dalam penelitian eksploratori, nilai reliabilitas di antara 0.5 – 0.6 dinilai sudah
mencukupi untuk menjustifikasi sebuah hasil penelitian. Variabel laten PEOU, PU,
ATU, ITU dan ASU mememuhi batas nilai Variance Extracted yaitu ≥ 0.50. Dengan
demikian dapat dikatakan bahwa masing-masing variabel memiliki realibilitas yang
baik. Uji reliabilitas pada penelitian ini dapat dilihat pada Lampiran 4/6.
5.2.2 Uji Parameter Model Struktural
a. Uji Hipotesis
Uji hipotesis terhadap penelitian ini bisa dilihat pada Lampiran 5/8.
b. Taraf Nyata
Menggunakan taraf nyata (α ) = 5 % = 0.05
47
c. Kriteria Pengambilan Keputusan
1) Jika Probabilitas (Sig) > 0.05 maka H0 diterima
2) Jika Probabilitas (Sig) < 0.05 maka H0 ditolak
d. Hasil Pengujian Hipotesis
Hasil pengujian hipotesis dari penelitian ini dapat di lihat pada tabel berikut ini:
Tabel 5.13 Hasil Pengujian Hipotesis
Hipotesis
Sig
Hasil Hipotesis
H1 (PEOU – PU)
0.000
Tolak H0
H2 (PU – ATU)
0.000
Tolak H0
H3 (PEOU – ATU)
0.515
Terima H0
H4 (ATU – ITU)
0.237
Terima H0
H6 (ITU - ASU)
0.000
Tolak H0
Berdasarkan Tabel di atas, dapat dijelaskan bahwa :
a. Variabel Perceived Ease of Use (PEOU) berpengaruh terhadap variabel
Perceived Usefulness (PU)
b. Variabel Perceived
Usefulness
(PU) berpengaruh terhadap variabel
Intention to Use (ITU).
c. Variabel Perceived Ease of Use (PEOU) tidak berpengaruh terhadap
variabel Attitude Toward Using (ATU).
d. Variabel Attitude Toward Using (ATU) tidak berpengaruh terhadap variabel
Intention to Use (ITU)
e. Variabel Intention to Use (ITU) berpengaruh terhadap variabel
System Usage(ASU).
48
Actual
5.2.3 Interpretasi Model
Berdasarkan modifikasi model dan hasil pengujian hipotesis, maka dapat
dijelaskan bahwa model yang didapatkan pada penelitian ini adalah sebagai berikut :
Gambar 5.3: Model Akhir Penelitian
Berdasarkan model pada gambar 4.3 didapatkan bahwa model pada penelitian
ini adalah model TAM (Technology Acceptance Model) oleh Davis (1989) . Variabel
yang mempengaruhi penggunaan SE Cara Membaca pada penelitian ini meliputi PU
(Perceived Usefulness), PEOU (Perceived Easy of Use), Attitude Toward Using,
Intention to Use (ITU) dan ASU (Actual System Usage ).
Variabel kemudahan (PEOU) penggunaan SE Cara Membaca berpengaruh
terhadap variabel kemanfaatannya (PU), sesuai dengan (Davis, 1989 p:320). Artinya
semakin mudah SE Cara Membaca untuk digunakan maka semakin meningkat
49
kemanfaatan software tersebut dapat dikatakan bahwa faktor utama SE Cara
Membaca diterima dengan baik oleh penggunanya adalah karena software ini mudah
untuk digunakan.
Variabel Kemanfataan
terhadap
Variabel
(PU) penggunaan SE Cara Membaca berpengaruh
Intention
to
Use
(ITU).
Adanya
manfaat
menggunakan
menimbulkan niat untuk menggunakan.
Variabel Intention to Use (ITU) berpengaruh terhadap ASU (Actual System
Usage) dimana niat untuk menggunakan SE Cara Membaca menimbulkan perilaku
pengguna untuk menggunakannya.
Dari model akhir penelitian maka diperoleh Persamaan-persamaan Struktural
(Structural Equations) sebagai berikut:
PU
= 0.756 PEOU
+ 0.072
ITU = 0.547 PU
+ 0.154
ASU = 0.708 ITU
+ 0.092
Persamaan pengukuran indikator variabel eksogenous
X1 = 0.579 PEOU + 0.250
X2 = 0.708 PEOU + 0.127
X4 = 0.645 PEOU + 0.227
Persamaan pengukuran indikator variabel endogenous
Y1 = 0.679 PU + 0.198
Y2 = 0.561 PU + 0.375
Y3 = 0.697 PU + 0.190
Y4 = 0.502 PU + 0.327
50
Y9 = 0.702 ITU + 0.226
Y11 = 0.754 ITU + 0.166
Y12 = 0.659 ASU + 0.241
Y13 = 0.632 ASU + 0.49
5.3 Implikasi Penelitian
5.3.1 Aspek Manajerial
Implikasi penggunaan SE Cara Membaca dari segi aspek manajerial meliputi :
a. Penggunaan SE Cara Membaca harus didukung secara penuh oleh pihak
sekolah terutama sekolah PAUD untuk memberikan fasilitas pendukung
pembelajaran Cara Membaca, misalnya adanya berisi beberapa komputer
yang dilengkapi dengan speaker dan monitor LCD
b. SE
Cara
Membaca,
harus
selalu
dilakukan
upgrade
agar
dapat
menggunakan SE versi terbaru yang lebih baik dan menarik.
c. Untuk pembelajaran dengan menggunakan SE, pihak manajeman sekolah
harus bisa memastikan bahwa guru sudah mempelajari SE tersebut atau
diadakan pelatihan penggunaan SE tersebut terlebih dahulu.
5.3.2 Aspek Sistem
Implikasi penggunaan SE Cara Membaca dari segi aspek sistem meliputi :
a. Untuk
kemanfaatannya,
penggunaan
SE
Cara
Membaca
harus
dikembangkan lebih lanjut agar penggunaan SE dapat juga memantau
kemajuan anak dalam memahami huruf sehingga anak dapat lebih cepat
membaca.
b. SE Cara Membaca dalam hal kemudahannya dapat lebih ditingkatkan lagi
sehingga penguna dalam hal ini anak usia dini tidak merasa kesulitan dalam
menggunakannya
51
c. Penggunaan SE Cara Membaca dapat dikembangkan lagi yaitu dari segi
pimpinan. Panel pimpinan dalam hal ini kepala sekolah ini berfungsi untuk
membantu guru ajar
dalam memantau kegiatan pembelajaran Cara
Membaca.
d. Penggunaan SE Cara Membaca dapat digunakan secara luas artinya SE
Cara Membaca tidak hanya bisa digunakan di sekolah saja tetapi juga bisa
digunakan oleh anak di rumah sendiri.
e. Dari segi infrastruktur yaitu hardware. Penggunaan SE Cara Membaca dapat
dikembangkan lagi yaitu untuk pengembangan pembelajaran cara membaca
terutama untuk anak usia dini yang menggunakan hardware yang cukup
rumit.
f. Dari segi regulasi, penggunaan SE Cara Membaca dapat terus dilanjutkan
sehingga manfaat dan kegunaannya dapat lebih maksimal.
g. Dari segi pendanaan, pengunaan SE Cara Membaca dapat mengurangi
biaya operasional khususnya dana untuk pembelajaran Cara Membaca.
5.3.3 Aspek Penelitian Lanjutan
Implikasi penggunaan SE Cara Membaca dari segi aspek penelitian lanjutan meliputi :
a. Moderating factor untuk the basic structure of user TAM / the factor of interest
terdiri dari gender, age, experience, intelectual capacity dan type of
techonolgy. Pada penelitian ini moderating factor nya tidak terlalu
diperhatikan dan diharapkan pada penelitan selanjutnya moderating factor
tersebut harus diperhatikan dengan baik karena dengan memperhatikan
moderating factor hasilnya akan lebih baik dan model yang dihasilkan juga
baik.
b. Indicator user interface (dependent variabel) pada TAM terdiri dari attitude
(affect, cognition), behavioural intention dan actual usage. Pada penelitian ini
mengaju pada 5 variabel yaitu PU (Perceived Usefulness), PEOU (Perceived
Easy of Use), Attitude Toward Using (ATU), Intention to Use (ITU) dan ASU
52
(Actual System Usage ). Diharapkan pada penelitian selanjutnya mengaju
kepada 3 komponen dasar tersebut.
c. Factor contributing user acceptance (independent variable) pada TAM terdiri
dari
usefulness
(perceived),
easy
of
use
subjectiveness, dan facilitating conditions.
(perceived),
playfulness,
Pada penelitian ini Factor
contributing user acceptancenya tidak terlalu diperhatikan dan diharapkan
pada penelitan selanjutnya factor contributing user acceptance harus
diperhatikan dengan baik karena dengan memperhatikan factor contributing
user acceptance hasilnya akan lebih baik dan model yang dihasilkan juga
baik.
d. The basic structure of uses technology acceptance dari TAM terbentuk dari
moderating factor yang terbagi menjadi dua variable yaitu independent
variable dan dependent variable. Pada penelitian selanjutnya diharapkan dua
variable tersebut diperhatikan dengan baik.
e. Dalam sistem yang bersifat mandatory, masalah sikap dan niat tidak perlu
diperhatikan karena memang ciri dari sifat mandatory ini adalah dipaksakan
atau diwajibkan. Dalam penelitian selanjutnya jika menggunakan model
mandatory maka sikap dan niat tidak perlu diperhatikan.
f. Pada penelitian selanjutnya untuk guru dan orangtua murid dapat lebih
dikelompokkan lagi dalam hal kuisionernya karena penerimaan SE Cara
Membaca untuk guru dan orangtua murid itu berbeda. Kalau guru dapat
membantunya dalam memberikan pembelajaran Cara Membaca anak hanya
di sekolah
sedangkan untuk orangtua murid dapat membantunya
pembelajaran Cara Membaca anak hanya di rumah.
53
BAB VI
KESIMPULAN DAN SARAN
6.1 Kesimpulan
Dari hasil penelitian ini dapat disimpulkan hal-hal sebagai berikut :
a. Penelitian ini dilakukan untuk menganalisis lima variabel laten, satu
diantaranya (PEOU) merupakan variabel eksogen dan empat variabel lainnya
(PU, ATU, ITU dan ASU) merupakan variabel endogen.
b. Faktor-faktor yang berpengaruh pada penerimaaan anak terhadap SE adalah:
Variabel Perceived Ease of Use (PEOU) berpengaruh terhadap variabel
Perceived Usefulness (PU), Variabel Perceived
Usefulness
(PU)
berpengaruh terhadap variabel Intention to Use (ITU), Variabel Intention to
Use (ITU) berpengaruh terhadap variabel Actual System Usage(ASU).
c. SE yang tepat untuk belajar membaca bagi anak usia dini di sekolah PAUD
adalah:
1) SE Cara Membaca dapat digunakan dengan mudah, mudah diinstall dan
mudah untuk dipahami.
2) SE Cara Membaca dapat meningkatkan efektivitas, cara pembelajaran
sesuai dengan kebutuhan, lebih mudah memahami huruf dan menghemat
waktu.
d. Model akhir yang diperoleh pada penelitian ini adalah modifikasi dari model
Technology Acceptance Model (TAM).
6.2 Saran
Perlu dilakukan penelitian lanjut agar hasil penggunaan SE pada pembelajaran
anak usia dini dapat lebih baik:
54
a. Mengingat Indonesia terdiri dari 511 Kabupaten/Kota yang cukup bervariatif,
untuk mendapatkan hasil yang optimal harus diadakan penelitian di setiap
Kabupaten/Kota. Untuk maksud tersebut, perlu ditentukan jumlah sample
(TK) untuk setiap Kabupaten.
b. SE Cara Membaca perlu dikembangkan lagi agar penggunaan SE dapat juga
memantau kemajuan anak dalam memahami huruf sehingga anak dapat
lebih cepat membaca.
c. Pada penelitian ini mengacu pada 5 variabel yaitu PU (Perceived
Usefulness), PEOU (Perceived Easy of Use), Attitude Toward Using (ATU),
Intention to Use (ITU) dan ASU (Actual System Usage ). pada penelitian
selanjutnya cukup mengacu pada 3 variabel yang berpengaruh yaitu attitude
(affect, cognition), behavioural intention dan actual usage.
d. Pada penelitian ini Faktor contributing user acceptance tidak terlalu
diperhatikan dan perlu dilakukan penelitian lanjut dimana factor contributing
user acceptance harus diperhatikan dengan baik agar hasil dan model yang
dihasilkan lebih baik
e. Perlu dilakukan penelitian lanjut dengan mengelompokkan guru dan orangtua
murid dalam hal kuisionernya karena penerimaan SE Cara Membaca untuk
guru dan orangtua murid itu berbeda.
55
DAFTAR PUSTAKA
[1]
Ajzen, I.. (2005). Attitudes, Personality and Behavior, (2nd edition). Berkshire.
UK: Open University Press-McGraw Hill Education.
[2]
Davis F. D.. (1989). Perceived Usefulness, Perceived Ease of Use of
Information Technology. MIS Quarterly.
[3]
Hair, J.F., Anderson, R.E, Tatham, R., dan Black, W.C.. (1998). Multivariate
Data Analysis With Readings (5th Ed.). NewYork, Macmillan.
[4]
Iqbaria, M.. (1994). An Examination of the Factor Contributing to Micro
Computer Technology
Acceptance, Journal of Information System. Elsiever
Ecience, USA.
[5]
Joreskog, K. G.. (1973). Non-Linear Structural Equation Models : The Kenny
Judd Model eith Interaction Effects. In G.A., Marcoulides dan R.E., Schmacker
(Eds). Advanced Structural Equation Modeling.Mhwah. NJ: Erlbaum
[6]
Mc Leod, Jr., Raymond. (2001). Sistem Informasi Manajemen. Jilid 1, Edisi ke
7. PT Prenhallindo
[7]
Wibowo, Arif. (2006). Kajian Tentang Perilaku Pengguna Sistem Informasi
Dengan Pendekatan Technology Acceptance Model (TAM).
[8]
Widodo, Prabowo, P.. (2006), Statistika : Analisis Multivariat, Seri Metode
Kuantitatif. Universitas Budi Luhur, Jakarta.
[9]
Wijaya, Toni. (2009). Analisis Struktural Equation Modeling menggunakan
Amos. Universitas Atmajaya Yogyakarta.
[10]
Yogesh Malhotra & Dennis F. Galetta. (1999). Extending The Technology
Acceptance Model to Account for Social Influence.
56