Siti Hasanah, 2014 Kajian Implementasi E-Learning Berdasarkan Tingkat Kesiapan Peserta E-Learning
Universitas Pendidikan Indonesia
|
repository.upi.edu |
perpustakaan.upi.edu
laten akan diberi skor dengan rentang nilai 1 – 5. Jika direntangkan garis
lurus mulai angka 1 hingga 5, akan menghasilkan 4 interval. Aydin dan Tasci telah memberikan nilai indeks untuk menilai kategori tingkat
kesiapan. Adapun skala indeks Aydin dan Tasci telah disajikan dalam Gambar 2.2.
Adapun maksud skala Aydin dan Tasci yaitu: a.
Interval pertama yaitu indeks 1 – 2,59 berarti belum siap dan
membutuhkan lebih banyak lagi persiapan untuk pembelajaran online. b.
Interval kedua yaitu indeks 2,6 – 3,39 berarti belum siap namun hanya
memerlukan sedikit persiapan untuk pembelajaran online. c.
Interval ketiga yaitu indeks 3,4 - 4,19 berarti sudah siap namun masih membutuhkan sedikit peningkatan dalam pembelajaran online.
d. Interval keempat yaitu indeks 4,2
– 5 berarti sudah siap menjadi peserta e-learning.
Nilai indeks tersebut didapat dengan mencari mean rerata dari data yang terkumpul. Adapun mean atau rerata didapatkan dari hasil penjumlahan
seluruh data lalu dibagi dengan banyaknya data. Adapun jika dirumuskan menjadi Sugiyono, 2013b:49:
∑ dimana:
Me = mean rerata;
Xi = jumlah data; n
= banyaknya data. Nilai indeks di atas dicari untuk mengetahui tingkat kesiapan peserta e-
learning dimana hasilnya akan langsung dihitung pada angket online yang digunakan. Sehingga setiap responden akan langsung mendapatkan
derajat kesiapannya setelah mengisi seluruh rangkaian angket.
Siti Hasanah, 2014 Kajian Implementasi E-Learning Berdasarkan Tingkat Kesiapan Peserta E-Learning
Universitas Pendidikan Indonesia
|
repository.upi.edu |
perpustakaan.upi.edu
2. Analisis Data Instrumen Judgement Ahli
Menurut Sugiyono 2013a:143 untuk mencari nilai dari rating scale maka dapat digunakan persamaan 3.3.
dimana: P
= persentase; Skor ideal
= skor tertinggi tiap butir x jumlah butir x jumlah responden.
Maka melihat rentang nilai 1 hingga 4, persentase dapat dikelompokkan menjadi :
Tabel 3.5 Persentase rating scale
Persentase Kriteria
– 25 Tidak sesuai
26 – 50 Kurang sesuai
51 – 75 Cukup sesuai
76 – 100 Sangat sesuai
Proses penilaian dilakukan oleh 3 orang ahli dan dapat dilihat penilaiannya pada lampiran 2. Adapun hasil dari penilaian tersebut
didapatkan skor hasil pengumpulan data sejumlah 171. Sedangkan skor ideal adalah 204, didapat dari perkalian antara skor tertinggi tiap butir,
jumlah butir dan jumlah ahli. Skor tertinggi adalah 4, jumlah butir adalah 17 dan jumlah ahli adalah 3. Maka menentukan persentase sesuai rumus
di atas adalah sebagai berikut :
Dari nilai yang didapatkan dan melihat tabel persentase rating scale, maka dapat didapatkan instrumen ini sangat sesuai. Melihat hasil tersebut,
Siti Hasanah, 2014 Kajian Implementasi E-Learning Berdasarkan Tingkat Kesiapan Peserta E-Learning
Universitas Pendidikan Indonesia
|
repository.upi.edu |
perpustakaan.upi.edu
dapat dikatakan instrumen layak dipakai, tentu dengan perbaikan yang dianjurkan oleh para ahli.
3. Structural Equation Modelling SEM
Sedangkan pengolahan statistik pada penelitian kali ini menggunakan SEM. Tahapan analisis SEM sendiri setidaknya harus melalui lima
tahapan Latan,2013:42-69 yaitu: a.
Spesifikasi model Kegiatan pada langkah ini adalah mengembangkan suatu model
berdasarkan kajian-kajian teoritik untuk mendukung penelitian terhadap masalah yang dikaji. Selanjutnya mendefinisikan model
tersebut secara konseptual konstruk yang akan diteliti serta menentukan dimensionalitasnya. Arah hubungan yang dihipotesiskan
pun haruslah jelas dan memiliki landasan teori. b.
Identifikasi model Tahap ini merupakan tahap yang penting dalam SEM, karena model
yang tidak dapat diidentifikasi, akan menjadi tidak dapat diestimasi atau dihitung. Penting bagi peneliti melakukan tahap ini guna
mengetahui apakah model tersebut memiliki nilai unik atau tidak.Identifikasi ini dengan menghitung derajat kebebasan, dan nilai
derajat kebebasan harus positif.Idealnya, setelah spesifikasi dan identifikasi model, tahap selanjutnya adalah penetuan jumlah sampel.
c. Estimasi model
Setelah data terkumpul, model diestimasi, setelah sebelumnya ditentukan metode estimasinya. Umumnya metode estimasi yang
dipakai adalah maximum likelihood ML. d.
Evaluasi model Kegiatan pada langkah ini adalah mengevaluasi dan interpretasi hasil
analisis. Tahap ini bertujuan untuk mengevaluasi model secara keseluruhan. Proses ini diawali dengan uji normalitas data selanjutnya
dilanjutkan dengan menguji model pengukuran measurement model
