commit to user
49 Berdasarkan tabel 3 di tunjukkan bahwa responden terdiri dari siswa
kelas X1 sebanyak 24 14,12, kelas X2 sebanyak 25 14,7, kelas X3 sebanyak 25 14,7, kelas XI IPA1 sebanyak 24 14,12, kelas XI IPA2
sebanyak 24 14,12, siswa kelas XI IPA 3 sebanyak 24 14,12 dan guru sebanyak 24 14,12. Hal ini dapat di simpulkan bahwa yang menjadi
responden sebagian besar adalah siswa.
B. Uji Persyaratan Analisis
1. Uji Validitas
a. Uji Validitas Konstruk Kualitas Sistem KS
Konstruk kualitas sistem unobservedlatent variabel diukur dengan menggunakan 6 indikator observedmanifest variabel, yaitu: e-learning dapat
digunakan kapan saja KS1, e-learning mudah digunakan KS2, e-learning mudah di dalam pengoperasiannya KS3, e-learning menyediakan fasilitas-
fasilitas yang memudahkan pengguna berpengaruh dengan bagian penyedia e- learning KS4, e-learning menyediakan tampilan informasi yang bisa diatur
KS5, e-learning memiliki fasilitas-fasilitas yang membuat pengguna tertarik untuk menggunakannya KS6 dan e-learning menyediakan akses informasi yang
cepat KS7. Dari hasil analisis confirmatory factor analysis CFA adalah sebagai berikut:
Gambar 5. Konstruk Kualitas Sistem
.16
KS
KS7
.35
e7
1.00 1
KS6
.23
e6
1.04 1
KS4
.23
e4
1.06 1
KS3
.26
e3
1.22 1
KS2
.26
e2
1.53 1
KS1
.27
e1
.65 1
KS5
.22
e5
1 1.04
commit to user
50 Tabel 4. Standardized Regression Weights KS: Group number 1 - Default model
Estimate KS7 --- KS
.561 KS6 --- KS
.653 KS4 --- KS
.666 KS3 --- KS
.690 KS2 --- KS
.768 KS1 --- KS
.445 KS5 --- KS
.663 Sumber: Data primer yang diolah, 2011
Berdasarkan Tabel 4 diatas, dapat diketahui bahwa KS2, KS3, KS4, KS5, KS6 dan KS7 yang merupakan indikator pada variabel kualitas sistem dinyatakan
valid, karena memiliki nilai factor loading Estimate di atas 0,5 λ=0,5.
Sedangkan KS1 dinyatakan tidak valid, karena memiliki factor loading estimate dibawah 0,5 λ=0,5 yang berarti KS1 tidak konvergen mengukur suatu konstruk,
sehingga belum dapat dijadikan sebagai standar indikator untuk direkomendasikan dalam mendukung variabel kualitas sistem.
b. Uji Validitas Konstruk Kualitas Informasi
Konstruk Kualitas Informasi unobservedlatent variabel diukur dengan menggunakan 6 indikator observedmanifest variabel, yaitu: e-learning
memberikan informasi yang di perlukan pengguna KI1, E-learning memberikan informasi tepat waktu KI2, e-learning memberikan informasi yang sesuai
dengan pekerjaantugas dan profesi pengguna KI3, E-learning memberikan informasi yang cukup KI4, e-learning memberikan informasi yang mudah
dipahami KI5 dan e-learning memberikan informasi yang terbaru up-to-date KS6. Dari hasil analisis confirmatory factor analysis CFA adalah sebagai
berikut:
commit to user
51 Gambar 6. Konstruk Kualitas Informasi
Tabel 5. Standardized Regression Weights KI: Group number 1 - Default model Estimate
KI6 --- KI .668
KI5 --- KI .714
KI4 --- KI .743
KI3 --- KI .680
KI2 --- KI .637
KI1 --- KI .808
Sumber: Data primer yang diolah, 2011 Berdasarkan Tabel 5 diatas, dapat diketahui bahwa KI1, KI2, KI3, KI4,
KI5, dan KI6 yang merupakan indikator pada variabel Kualitas Informasi dinyatakan valid, karena memiliki nilai factor loading estimate di atas 0,5
λ=0,5.
c. Uji Validitas Konstruk Kualitas Layanan
Konstruk Kualitas Layanan unobservedlatent variabel diukur dengan menggunakan 5 indikator observedmanifest variabel, yaitu: E-learning
menyediakan layanan berupa bantuan dan penjelasan secara on-line KL1, Bagian IT sekolah berinteraksi baik dengan pengguna selama pengguna
menggunakan e-learning KL2, Bagian IT sekolah menyediakan waktu untuk konsultasi tentang e-learning KL3, Bagian IT sekolah merespon dengan baik
.22
KI
KI6
.27
e13
1.00 1
KI5
.30
e12
1.19 1
KI4
.26
e11
1.20 1
KI3
.29
e10
1.06 1
KI2
.30
e9
.97 1
KI1
.22
e8
1.38 1
commit to user
52 setiap saran yang diberikan pengguna untuk perbaikan e-learning di masa
mendatang KL4 dan Bagian IT sekolah memperlengkapi sarana yang mendukung pengguna untuk menggunakan e-learning KL5. Dari hasil analisis
confirmatory factor analysis CFA adalah sebagai berikut:
Gambar 7. Konstruk Kualitas Layanan
Tabel 6. Standardized Regression Weights KL: Group number 1 - Default model Estimate
KL5 --- KL .550
KL4 --- KL .718
KL3 --- KL .717
KL2 --- KL -.011
KL1 --- KL .642
Sumber: Data primer yang diolah, 2011 Berdasarkan Tabel 6 diatas, dapat diketahui bahwa KL1, KL3, KL4 DAN
KL5 yang merupakan indikator pada variabel kualitas layanan dinyatakan valid, karena memiliki nilai factor loading estimate
di atas 0,5 λ=0,5. Sedangkan KL2 dinyatakan tidak valid, karena memiliki factor loading estimate dibawah
0,5 λ=0,5 yang berarti KL2 tidak konvergen mengukur suatu konstruk, sehingga belum dapat dijadikan sebagai standar indikator untuk direkomendasikan dalam
mendukung variabel kualitas layanan.
d. Uji Validitas Konstruk Penggunaan
