ANALISA PENGARUH PENGGUNAAN INTERNET SEB
ANALISA PENGARUH PENGGUNAAN INTERNET SEBAGAI MEDIA BELAJAR,
MOTIVASI BELAJAR DAN KREATIVITAS TERHADAP PRESTASI BELAJAR
SISWA DENGAN MENGGUNAKAN STRUCTURAL EQUATION MODELING (Studi
Kasus SMAN 1 Probolinggo)
1
Azwar Rhosyied, dan 2Bambang Wijanarko Otok
Jurusan Statistika
Institut Teknologi Sepuluh Nopember (ITS) Surabaya
Kampus ITS Sukolilo Surabaya 60111
E-mail : [email protected], [email protected]
Abstrak
Penggunaan internet sebagai media belajar sangat membantu para akademisi dalam belajar.
Keberadaan internet bisa berdampak positif dan sekaligus bisa berdampak negatif bagi remaja
dan pelajar. Wawasan tentang karakteristik remaja pelajar dalam mangakses internet perlu
diketahui oleh orang tua dan guru sebagai upaya kontrol terhadap penggunaan internet.
Penggunaan internet sebagai media belajar mampu mempengaruhi motivasi belajar siswa
sekaligus meningkatkan kreativitasnya. Tujuan akhirnya adalah tercapainya prestasi belajar yang
memuaskan. Tujuan penlitian ini adalah mengkaji dampak penggunaan internet sebagai media
belajar terhadap prestasi belajar siswa. Metode analisis yang dipakai adalah Confirmatory
Factor Analysis (CFA) untuk mengkonfiirmasi indikator terhadap variabel laten. Dan juga model
Structural Equation Modeling (SEM) untuk mengetahui besar ukuran pengaruh variabel laten ke
variabel laten lain. Hasil yang diperoleh adalah penggunaan internet sebagai media belajar
berpengaruh positif terhadap motivasi belajar, kerativitas serta berpengaruh secara tidak
langsung terhadap prestasi belajar.
Kata kunci : Confirmatory Factor Analysis, SEM, Media Belajar Internet
1. Pendahuluan
Menurut Rahardjo (2002) sebagaimana dikutip di situs depdiknas, bahwa manfaat internet
bagi pendidikan adalah dapat menjadi akses kepada sumber informasi, akses kepada nara sumber, dan
sebagai media kerjasama (pustekkom.depdiknas.go.id). Sehingga penggunaan internet yang intensif
dan tepat guna akan mempunyai korelasi yang signifikan terhadap prestasi belajar. Ibrahim (1982)
dalam Dubatar (2008) mengatakan bahwa media belajar mampu mebangkitkan minat dan motivasi
siswa dalam belajar. Fasilitas internet sebagai penunjang kegiatan belajar mengajar di kalangan siswa
sekolah menengah atas sudah mulai diterapkan. Motivasi belajar yang tinggi akan mampu menunjang
prestasi siswa. Hal ini dikuatkan oleh hasil penelitian Supartini (2008), bahwa motivasi belajar
berpengaruh secara signifikan terhadap hasil belajar atau prestasi belajar siswa. Selain itu, ternyata
internet sebagai media belajar juga mampu merangsang kreativitas seseorang. Menurut Surya (2006)
bahwa Teknologi Informasi dan Komunikasi (TIK) akan memberikan peluang berkembangnya
kreativitas dan kemandirian belajar siswa. Kreativitas sama absahnya seperti intelegensi sebagai
prediktor prestasi sekolah (Munandar, 1977).
Structural Equation Modeling (SEM) adalah metode multivariat yang penggunaanya
menekankan pada teori yang sebelumnya ada. Oleh karena itu, hipotesis yang digunakan dalam
penelitian ini merupakan hasil teori dan penelitian empiris yang sudah dilakukan. Tujuan penelitian ini
adalah untuk mengetahui karakteristik siswa dalam menggunakan internet serta mengetahui pengaruh
penggunaan internet sebagai media belajar terhadap motivasi belajar, kreativitas dan prestasi belajar
siswa. Sehingga hasil yang didapat bisa menjadi kontrol serta pengembangan bagi guru dan orang tua
terhadap penggunaan internet di kalangan siswa.
2. Tinjauan Pustaka
Internet Sebagai Media Belajar
Isa & Mu’adz (2007) dalam penelitiannya merinci proses belajar melalui media internet
adalah akses sumber yang relevan, download informasi yang relevan, berinteraksi dengan sumber,
berinteraksi dengan orang lain tentang sumber, membuat analisis tentang sumber, dan memiliki saran
atau respon tentang sumber.
1
Motif dan Motivasi Belajar
Motif adalah kekuatan yang memobilisasi dan menyalurkan energi itu sendiri digerakkan oleh
suatu keadaan tertentu yang mendorong suatu organisme ke arah keadaan tertentu. Dalam kegiatan
proses belajar akan berhasil baik, kalau siswa tekun mengerjakan tugas, ulet dalam memecahkan
berbagai masalah dan hambatan secara mandiri. Siswa yang belajar dengan baik tidak akan terjebak
pada sesuatu rutinitas dan mekanis, mampu mempertahankan pendapatnya kalau diyakini dan
dipandangnya cukup rasional. Bahkan seorang siswa yang memiliki motivasi belajar yang kuat peka
dan responsif terhadap berbagai masalah umum, dan memikirkan bagaimana pemencahannya.
Diantara ciri orang yang termotivasi adalah cepat bosan dengan tugas-tugas rutin dan tidak
cepat puas dengan hasil yang telah didapatkan.(Sadirman, 2000). Sedangkan menurut Frandsen dalam
Sadirman (2000) disebutkan bahwa hal yang modorong seseorang untuk belajar diantaranya adalah
selalu ingin tahu dan adanya keinginan untuk memperbaiki kegagalan di masa lalu dengan usaha yang
lebih keras.
Kreativitas
Kreativitas adalah suatu gaya hidup, suatu cara dalam mempersepsi dunia. Hidup kreatif
berarti mengembangkan talenta yang dimiliki, belajar menggunakan kemampuan diri sendiri secara
optimal; menjajaki gagasan baru, tempat-tempat baru, aktivitas-aktivitas baru; mengembangkan
kepekaan terhadap masalah lingkungan, masalah orang lain, masalah kemanusiaan (Munandar,
2002:25).
Analisis Faktor Konfirmatori
Model pengukuran merepresentasikan dugaan hipotesis yang sudah ada sebelumnya yaitu
hubungan antara indikator-indikator dengan faktornya yang dievaluasi dengan menggunakan teknik
analisis faktor konfirmatori (Kline, 2005). Jika diambil p = 2, maka model Analisis Faktor
Konfirmatori adalah
x1 = λ1ξ + δ 1
x 2 = λ 2ξ + δ 2
(1)
λ1 dan λ2 nilai loading faktor yang menyatakan seberapa jauh pengaruh variabel observasi dalam
membentuk variabel laten (Bollen,1989). Sedangkan measurement error ( δ ) = 1 – (standardized
loading2).
Keandalan variabel laten dapat diketahui dari nilai Construct Reliability ( ρ c ) dengan rumus
sebagai berikut
( ∑ λi ) 2
p
CR =
i =1
[( ∑ λi ) + ( ∑ ε i )]
p
p
(2)
2
i =1
i =1
dimana CR = Construct Reliability, λ = loading factor variabel indikator, ε = error variance variabel
indikator, p = banyaknya indikator variabel laten (Hair et al., 2006)
Persamaan Model Struktural (SEM)
SEM merupakan integrasi dari Analisis Faktor Konfirmatori dan Analisis Jalur (Path
Analysis). Model umum persamaan Model Struktural adalah.
(3)
η (mx1) = B(mxm )η mx1 + Γ(mxn )ξ (nx1) + ζ (mx1)
η adalah variabel laten endogen, B koefisien pengaruh variabel laten endogen, Γ adalah koefisien
pengaruh variabel laten eksogen, ξ adalah variabel laten eksogen, ζ adalah error model. (Johnson,
1996)
2
Uji Kesesuaian Model
Diantara uji kesesuaian model struktural yang paling diperlukan adalah Chi-Square statistics
dan RMSE atau Root Mean Square Error of Approximation. Nilai Chi-Square statistics yang
dihasilkan diharapkan kecil. Sedangkan ukuran kesesuian model berdasarkan RMSE adalah kurang
dari sama dengan 0.05. Adapun RMSE antara rentang 0.05 dan 0.08 menunjukkan good fit, rentang
0.08 sampai 0.1 menunjukkan mediocre dan RMSE lebih dari 0.1 menunjukkan poor fit (Brown,
1993 dan McCallum, 1996 dalam Wijayanto, 2008). Menurut Brown (1993) dalam Ghozali & Fuad
(2005) RMSEA merupakan indikator yang paling informatif.
Estimasi Parameter
Estimasi parameter model pengukuran dilakukan dengan membandingkan matriks varians
kovarians model pengukuran dengan matriks varian kovarians data observasi. (Ferron, 2007)
()
∑ (θ ) = ∑ θˆ
⎛ λ12 + V (δ1 )
λ1λ2 ⎞ ⎛ Var (x1 ) Cov( x1 , x2 )⎞
⎟ = ⎜⎜
⎜
2
⎟ Cov( x , x ) Var ( x ) ⎟⎟
⎜ λλ
(
)
λ
δ
+
V
2
1
2
⎝
⎠
2 1
2
2 ⎠
⎝
)(
)
(4)
Sedangkan estimasi parameter model struktural dilakukan dengan metode Maximum Likelihood.
(
⎡Λ (I − β )−1 ΓΦΓ ' + Ψ (I − β )−1 ' Λ' + θ
ε
y
Σ(θ ) = ⎢ y
−1 ' '
'
⎢⎣
Λ x ΦΓ (I − β ) Λ y
[
]
Λ y (I − β ) ΓΦΛ' x ⎤
⎥
Λ x ΦΛ' x + θ δ ⎥⎦
−1
(5)
Σ(θ ) adalah bentuk matriks varian kovarian SEM. Setelah matriks varian kovarian data observasi
diketahui (S), selanjutnya adalah mensubstitusikan matriks Σ(θ ) dan S ke dalam persamaan
(
)
FML = log Σ(θ ) + tr SΣ −1 (θ ) − log S − ( p + q )
Maximum Likelihood berikut
(6)
3. Metodologi Penelitian
Sumber data penelitian ini adalah siswa SMA Negeri 1 Probolinggo. Sampel diambil secara
random dengan metode sampling stratifikasi proporsional berdasarkan kelas. Sebanyak 195 siswa
terambil sebagai responden dengan rincian kelas X 69 siswa, kelas XI 69 siswa dan kelas XII 57 siswa.
Variabel yang digunakan adalah variabel karakteristik demografi, variabel perilaku penggunaan
internet dan 4 variabel laten sebgai input untuk analisis SEM, yaitu Internet sebagai Media Belajar
(MI), Motivasi Belajar (MB), Kreativitas (KR), dan Prestasi Belajar (PB). Berikut adalah diagram
jalur hipotesisnya .
Gambar 1. Diagram Jalur (Path Diagram)
Adapun langkah-langkah analisis yang diterapkan adalah :
1. Melakukan analisis deskriptif untuk mengetahui deskripsi karakteristik responden
2. Pengujian multinormalitas dan linearitas, multikolinearitas dan deteksi outlier
3
3.
4.
5.
6.
Melakukan model pengukuran tiap variabel laten dengan Analisis Faktor Konfirmatori
Mengkonstruksi diagram path untuk membangun model struktural berdasarkan teori yang ada.
Mengevaluasi goodness of fit model pengkuran dan model struktural
Memodifikasi model yang terbukti tidak memiliki kesesuaian model berdasarkan kriteria.
4. Analisis Data dan Pembahasan
4.1 Statistik Deskriptif
Dari analisa statistik deskriptif didapat hasil bahwa siswa SMA Negeri 1 Probolinggo sudah
mengenal internet 1 sampai 3 tahun yang lalu. Artinya, pengimplementasian internet sudah mereka
kenal sejak kelas VII sampai kelas IX. Hasil selengkapnya bisa dibaca pada Tabel 1 dibawah ini.
Tabel 1 Pengalaman Berinternet
Kelas
kelas X
kelas XI
kelas XII
6
tahun
3
(4.3%)
4
(5.8%)
5
(8.8%)
69
(100%)
69
(100%)
57
(100%)
SIswa SMA negeri 1 Probolinggo mengaku bahwa internet memiliki banyak sisi kelebihan
dibandingkan dengan dokumen konvensional. Hal ini bisa diketahui dari hasil statistik deskriptif Tabel
2 dibawah ini dengan menggunakan lima pembanding.
Tabel 2 Perbandingan Internet dengan Dokumen Konvensional
Waktu
Menghemat waktu (93%)
Menghabiskan waktu (7%)
Lebih informatif (94%)
Informatif
Harga
Lebih mahal (48%)
Lebih berguna (94%)
Lebih disukai (99%)
Kegunaan
Prefereble
Kurang informatif (6%)
Tidak mahal (52%)
Kurang berguna (6%)
Kurang disukai (1%)
Dari hasil analisa statistik deskriptif diketahui dari lima tingkat kepentingan tujuan akses
internet, terbanyak untuk tingkat kepentingan tertinggi adalah untuk jejaring sosial 34.8%, kemudian
mengerjakan tugas sekolah 31.3%, untuk pengetahuan dan edukasi 18.5%, chatting 12.8%, game
online 9.2% dan informasi dan berita 7.2%. Untuk selengkapnya bisa dilihat pada Tabel 3 berikut.
Tabel 3. Tabulasi Silang Antara Tujuan Akses Internet dan Kepentingan
Kepentingan
Tujuan
Informasi dan berita
pengetahuan dan
edukasi
mengerjakan tugas
sekolah
jejaring sosial
chatting
game online
total
1
22 (11.3%)
2
47 (24.1%)
3
66 (33.8%)
4
46 (23.6%)
5
14 (7.2%)
10 (5.1%)
34 (17.4%)
56 (28.7%)
59 (30.3%)
36 (18.5%)
5 (2.6%)
15 (7.7%)
40 (20.5%)
74 (37.9%)
61 (31.3%)
20 (10.3%)
21 (10.8%)
38 (19.5%)
48 (24.6%)
68 (34.8%)
195 (100%)
48 (24.6%)
48 (24.6%)
44 (22.6%)
30 (15.4%)
25 (12.8%)
195 (100%)
110 (56.4%)
35 (17.9%)
17 (8.7%)
15 (7.7%)
18 (9.2%)
195 (100%)
4
195 (100%)
195 (100%)
195 (100%)
Dari Tabel 3 di atas diketahui bahwa selain jejaring sosial, tujuan yang paling penting juga
adalah untuk mengerjakan tugas sekolah. Mata pelajaran yang paling banyak menerapkan internet
sebagai sarana proses belajar-mengajar di SMAN 1 Probolinggo adalah Biologi dan TIK (Teknologi
Informasi dan Komunikasi).
Sedangkan tempat akses internet berdasarkan intensitas, sebanyak 70.8% siswa mengatakan
tidak pernah mengakses internet di rumah, 8.7% pernah dengan tingkat intensitas kurang dari 1
jam/minggu. Untuk tingkat intnesitas 3-5 jam/minggu dilakukan oleh 9.2% siswa di rumah, sisanya
11.3% mengaksesnya dengan intensitas lebih dari 5 jam/minggu. Selengkapnya bisa dilihat pada Tabel
4 berikut.
Tabel 4. Tabulasi Silang Antara Tempat Akses dan Intensitas Akses Internet
Intensitas
Tempat
Total
Tidak pernah
5 jam/minggu
Rumah
138 (70.8%)
17 (8.7%)
18 (9.2%)
22 (11.3%)
195 (100%)
Sekolah
3 (1.5%)
86 (44.1%)
97 (49.7%)
9 (4.6%)
195 (100%)
104 (53.3%)
31 (16.0%)
40(20.5%)
29 (14.9%)
195 (100%)
Warnet
7 (3.6%)
44 (22.6%)
Handphone
59 (30.3%)
76 (39.0%)
195 (100%)
4.2 Analisis Faktor Konfirmatori
Langkah pertama dalam analisis SEM adalah melakukan konfirmatori atau validitas
indikator-indikator yang mengukur tiap variabel laten. Statistk uji untuk analisis faktor konfirmatori
adalah distribusi t. Indikator dikatakan signifikan mengukur variabel laten jika nilai t-value>1.96.
Hasilnya adalah untuk variabel laten Media Belajar Internet (MDB), Kreativitas (KR) dan Prestasi
Belajar (PB) masing-masing indikator yang mengukurnya signifikan secara statistik. Sedangkan untuk
variabel laten Motivasi Belajar (MB) terdapat satu indikator yang tidak signifikan, yaitu MB5.
Indikator MB5 ini merepresentasikan kebosanan dengan tugas-tugas rutin. Sehingga untuk analisis
SEM selanjutnya, indikator MB5 tidak diikutsertakan.
Setelah diketahui nilai loading factor beserta signifikansi masing-masing indikator yang
mengukur variabel laten, maka selanjutnya memeriksa kesesuaian model pengukuran tiap variabel
laten. Berikut disajikan ukuran kesesuaian model pengukuran tiap variabel laten setelah dilakukan
modifikasi.
Tabel 5 Goodness of fit Index Model Pengukuran Hasil Modifikasi
Goodness of fit
index
Chi-Square
P-value
RMSEA
GFI
AGFI
CFI
Cut of f value
MDB
4.46
0.108
0.08
0.99
0.93
0.99
Diharapkan kecil
≥ 0.05
≤ 0.08
≥ 0.9
≥ 0.9
≥ 0.9
Variabel Laten
MB
KR
96.39
26.97
0.043
0.249
0.052
0.000
0.94
0.97
0.92
0.95
0.88
1.00
PB
3.58
0.611
0.00
0.99
0.98
1.00
Dari Tabel 5 di atas menunjukkan bahwa nilai tiap indeks goodness of fit masing-masing
variabel sudah memenuhi kriteria (cut off value). Diantara kriteria yang ada, RMSEA merupakan
kriteria yang paling informatif (Brown & Cudeck, 1993 dalam Ghozali & Fuad, 2005). Sehingga
walaupun indeks CFI untuk variabel MB tidak memenuhi kriteria, yaitu 0.88 < 0.9, namun tidak bisa
menjustifikasi ketidaksesuaian model pengukuran untuk variabel MB. Hal ini karena nilai indeks yang
lain, terkhusus RMSEA sudah menunjukkan kesesuaian model MB.
5
4.3 Model Struktural
Prosedur selanjutnya adalah melakukan analisis SEM atau model persamaan struktural
dengan melibatkan semua indikator yang signifikan secara statistik. Pada analisis faktor konfirmatori
sebelumnya, diketahui bahwa indikator MB5 tidak signifikan secara statistik, sehingga pada analisa
SEM ini tidak akan diikutisertakan dalam permodelan.
Adapun hipoetsis yang diajukan adalah :
H1: Media Belajar Internet (MDB) mempengaruhi motivasi belajar (MB)
H2: Media Belajar Internet (MDB) mempengaruhi kreativitas (KR)
H3: Motivasi Belajar (MB) mempengaruhi prestasi belajar (PB)
H4: Kreativitas (KR) mempengaruhi prestasi belajar (PB)
Dari hipotesis di atas dibentuk ke dalam diagram jalur (path diagram). Berikut adalah diagram jalur
beserta hasil nilai standardized estimate dan nilai t-value persamaan model strukturalnya.
Gambar 2 Nilai Standardized Esstimate
Persamaan Model Struktural
Gambar 3 Nilai T-value Persamaan Model Struktural
Dari Gambar 2 dan 3 di atas diringkas pada Tabel 6 berikut ini.
Tabel 6 Koefisien Parameter dan Nilai T-value Model Struktural
Hipotesis
Path Coeff.
t-value
Keterangan
MDBÆMB
0.75
6.93
Signifikan
MDBÆKR
0.63
4.37
Signifikan
MBÆPB
0.26
2.18
Signifikan
KRÆPB
0.32
2.41
Signifikan
Dari Tabel 6 di atas dijelaskan dalam bentuk model persamaan struktural berikut.
6
Tabel 7 Persamaan Struktural
Model
MB
KR
PB
MB = 0.75MDB + 0.44 ζ 1
Persamaan
KR = 0.63MDB + 0.61 ζ 2
PB = 0.26MB + 0.32KR + 0.75 ζ 3
Besar dan arah koefisien lintasan yang distandarkan menunjukkan eratnya hubungan antar
variabel. Besar koefisien yang lebih besar dari 0.5 berarti memiliki hubungan yang erat. Dari Tabel 6
di atas dapat diketahui bahwa nilai t-value semua hipotesis lebih besar dari |1.96|, sehingga semua
hubungan kausal signifikan secara statistik. Semua koefisien keempat hubungan kausal tersebut positif
menandakan arah hubungan yang searah antar variabel. Koefisien hubungan kausal Media Belajar
Internet (MDB) dengan Motivasi Belajar (MB) sebesar 0.75. Artinya, jika penggunaan Media Belajar
Internet (MDB) naik satu satuan maka akan meningkatkan Motivasi Belajar (MB) sebesar 0.75. Hal
ini menunjukkan sangat eratnya hubungan antara penggunaan media belajar internet dalam
meningkatkan motivasi belajar siswa. Tanda koefisien yang positif merepresentasikan semakin tinggi
penggunaan internet sebagai media belajar, maka akan meningkatkan pula motivasi belajar siswa.
Media Belajar Internet (MDB) juga memiliki hubungan yang sangat erat dengan Kreativitas
(KR). Hal itu ditunjukkan dengan nilai koefisien sebesar 0.63 yang artinya jika Media Belajar Internet
(MDB) naik satu satuan maka akan meningkatkan Kerativitas (KR) sebesar 0.63. Tanda koefisien
yang positif merepresentasikan semakin tinggi penggunaan media belajar internet maka akan semakin
meningkatkan kreativitas siswa.
Sedangkan Motivasi Belajar (MB) memiliki hubungan yang cukup erat dengan Prestasi
Belajar (PB). Hal itu ditunjukkan dengan besaran koefisien sebesar 0.26, yang artinya jika Motivasi
Belajar (MB) naik satu satuan maka akan meningkatkan Prestasi Belajar (PB) sebesar 0.26. Tanda
koefisien positif merepresentasikan semakin besar motivasi belajar siswa maka akan meningkatkan
prestasi belajarnya.
Hubungan kausal Kreativitas (KR) dengan Prestasi Belajar (PB) dinilai cukup erat. Hal ini
didasarkan pada nilai koefisien sebesar 0.32 yang artinya jika Kreativitas (KR) naik satu satuan maka
akan meningkatkan Prestasi Belajar (PB) sebesar 0.32. Tanda koefisien positif mmerepresentasikan
semakin tinggi kreativitas siswa maka akan semakin tinggi pula prestasi belajar siswa tersebut. Dari
keterangan Tabel 7 di atas, Kreativitas (KR) memiliki pengaruh lebih besar terhadap Prestasi Belajar
(PB) dibandingkan dengan Motivasi Belajar (MB) jika secara bersama-sama mempengaruhi variabel
Prestasi Belajar (PB).
Setelah model struktural terbentuk, maka selanjutnya menilai kesesuain model strukturalnya
berdasarkan beberapa kriteria index dalam Tabel 8 di bawah ini.
Tabel 8 Goodness of fit Model Struktural
Goodness of fit
index
Chi-Square
P-value
RMSEA
GFI
AGFI
CFI
Cut off
value
≥ 0.05
≤ 0.08
≥ 0.9
≥ 0.9
≥ 0.9
Hasil model
Keterangan
791.35
Diharapkan kecil
0.000
Kurang Baik
0.066
Baik
0.79
Kurang Baik
0.76
Kurang Baik
0.74
Kurang Baik
Dari Tabel 8 di atas dapat diketahui bahwa model struktural sudah menunjukkan good fit jika
dilihat dari nilai kriteria RMSEA yang kurang 0.08. Menurut Brown (1993) dalam Ghozali & Fuad
(2005) RMSEA merupakan indikator yang paling informatif dibandingkan yang lainnya.
7
4.4 Analisis Pengaruh Langsung (Direct Effect), Tidak Langsung (Indirect Effect) dan Pengaruh
Total
Selain bisa mengetahui besarnya pengaruh langsung variabel satu ke variabel lainnya, analisa
SEM juga mampu mengetahui pengaruh tidak langsung antar variabel. Berikut adalah hasil
rangkumannya dalam bentuk tabel.
Tabel 9 Pengaruh Langsung, Tidak Langsung dan Total
Pengaruh antar variabel
MDBÆMB
MDBÆKR
MBÆPB
KRÆPB
MDBÆPB
Langsung
0.75
0.63
0.26
0.32
-
Pengaruh
Tidak
langsung
melalui
MB
KR
0.195 0.202
Total
075
063
026
032
0.39
Dari Tabel 9 di atas dapat diketahui pengaruh langsung dan tidak langsung antar variabel laten.
Dapat diketahui bahwa tinggi rendahnya Motivasi Belajar (MB) positif dipengaruhi langsung oleh
Media Belajar Internet (MDB) sebesar 0.75. Besarnya pengaruh langsung Media Belajar Internet
(MDB) terhadap Kreativitas (KR) sebesar 0.63. Sedangkan tinggi rendahnya Prestasi Belajar (PB)
positif dipengaruhi langsung oleh Motivasi Belajar (MB) dan Kreativitas (KR) masing–masing sebesar
0.26 dan 0.32.
Pengaruh tidak langsung Media Belajar Internet (MDB) terhadap Prestasi Belajar (PB)
melalui Motivasi Belajar (MB) sebesar 0.195. Sedangkan pengaruh tidak langsung Media Belajar
Internet (MDB) terhadap Prestasi Belajar (PB) melalui Kreativitas (KR) sebesar 0.202.
.
5. Kesimpulan dan Saran
Berdasarkan hasil analisis dan pembahasan di atas didapatkan beberapa kesimpulan sebagai
berikut :
1. Salah satu deskripsi dari segi tujuan penggunaan internet, tujuan yang paling penting siswa
SMA Negeri 1 Probolinggo berinternet adalah untuk jejaring sosial. Kemudian diurutan kedua
adalah untuk mengerjakan tugas sekolah. Sedangkan tujuan yang paling tidak penting dalam
berinternet adalah untuk game online dan chatting.
2. Penggunaan internet sebagai media belajar paling banyak diterapakan pada mata pelajaran
Biologi dan TIK (Teknologi Informasi dan Komunikasi).
3. Semakin besar penggunaan internet sebagai media belajar akan meningkatkan pula motivasi
belajar dan kreativitas siswa. Semakin besar motivasi belajar siswa maka akan semakin
meningkatkan prestasi belajar siswa. Demikian pula semakin tinggi kreativitas siswa maka
akan semakin meningkatkan prestasi belajar siswa.
Beberapa saran yang dapat direkomendasikan adalah:
1. Sebaiknya dilakukan penelitian serupa dengan jumlah sampel yang lebih besar untuk
mendapatkan deskripsi hasil karakteristik pengguna internet yang lebih jelas.
2. Perlu penambahan variabel akibat pengaruh negatif internet sebagai media belajar terhadap
siswa sebagai pembanding pengaruh positifnya.
3. Melakukan desain penelitian yang melibatkan konsep perubahan pengaruh penggunaan
internet sebagai media belajar.
8
Daftar Pustaka
Bollen, Kenneth A. (1989). Structural Equations With Latent Variables. New York :John Wiley &
Sons, Inc.
Dubatar, Jalarwin. (2008). Pengaruh Media Pembelajaran Terhadap Hasil Belajar Pengelasan Pada
Siswa Yang Berprestasi Tinggi Dan Rendah Di SMK SWASTA 1 Trisakti Laguboti Kabupaten Toba Samosir.
Ferron, John M. & Hess, Melinda R. (2007). Estimation in SEM: A Concrete Example. Journal of
Educational and Behavioral Statistics. Vol.32, No.1, pp. 110-120
Ghozali, I & Fuad. (2005). Structural Equation Modeling (Teori, Konsep dan Aplikasi dengan
Program LISREL 8.54). Semarang: Badan Penerbit Universitas Diponegoro.
Hair, J.F. JR., Anderson, R.E, Tatham, R.L. & Black, W.C. (2006). Multivariate Data Analysis. Six
Edition. New Jersey : Pearson Educational, Inc
Johnson RA & Wichern DW. (1992). Applied Multivariate Statistical Analysis. New Jersey: Prentice
Hall, Englewood Chiffs.
Kline, Rex B. (2005). Principle and Practice of Structural Equation Modeling. Second Edition. New
York: The Guilford Press
Munandar, Utami. (2002). Kreativitas dan Keberbakatan : Strategi Mewujudkan Potensi Kreatif dan
Bakat. Jakarta: PT. Gramedia Pustaka Utama
Rahardjo, Budi. Model Inovasi E-learning dalam Meningkatkan-Mutu Pendidikan
http://pustekkom.depdiknas.go.id/ index.php?pilih=hal&id=70 [24 Maret 2009]
Sadirman A. M. (2000). Interaksi dan Motivasi Belajar-Mengajar. Jakarta: PT Raja Grafindo Persada
Sekaran, U. (2006). Metodologi Penelitian untuk Bisnis 2 (Edisi 4). Jakarta: Salemba Empat.
Sharma, S. (1996). Applied Multivariate Techniques. John Wiley & Sons. Inc
Supartini. Hubungan Motivasi Belajar Dengan Hasil Belajar Siswa di SMK Al-Hidayah I Jakarta
Selatan [skripsi]. Jakarta: Fakultas PDU/Administrasi Perkantoran, Sekolah Tinggi
Keguruan dan Ilmu Pendidikan (STIKP) Purnama. 2008
Surya, Mohamad. Potensi Teknologi Informasi dan Komunikasi Dalam Penigkatan Mutu
Pembelajaran di Kelas. Di dalam: Pemanfaatan Teknologi Informasi dan Komunikasi untuk
Pendidikan Jarak Jauh dalam Rangka Peningkatan Mutu Pembelajaran; Jakarta, 12
Desember 2006
Wijayanto, Setyo Hari. (2008). Structural Equation Modeling dengan LISREL 8.8. Yogyakarta: Graha
Ilmu
9
MOTIVASI BELAJAR DAN KREATIVITAS TERHADAP PRESTASI BELAJAR
SISWA DENGAN MENGGUNAKAN STRUCTURAL EQUATION MODELING (Studi
Kasus SMAN 1 Probolinggo)
1
Azwar Rhosyied, dan 2Bambang Wijanarko Otok
Jurusan Statistika
Institut Teknologi Sepuluh Nopember (ITS) Surabaya
Kampus ITS Sukolilo Surabaya 60111
E-mail : [email protected], [email protected]
Abstrak
Penggunaan internet sebagai media belajar sangat membantu para akademisi dalam belajar.
Keberadaan internet bisa berdampak positif dan sekaligus bisa berdampak negatif bagi remaja
dan pelajar. Wawasan tentang karakteristik remaja pelajar dalam mangakses internet perlu
diketahui oleh orang tua dan guru sebagai upaya kontrol terhadap penggunaan internet.
Penggunaan internet sebagai media belajar mampu mempengaruhi motivasi belajar siswa
sekaligus meningkatkan kreativitasnya. Tujuan akhirnya adalah tercapainya prestasi belajar yang
memuaskan. Tujuan penlitian ini adalah mengkaji dampak penggunaan internet sebagai media
belajar terhadap prestasi belajar siswa. Metode analisis yang dipakai adalah Confirmatory
Factor Analysis (CFA) untuk mengkonfiirmasi indikator terhadap variabel laten. Dan juga model
Structural Equation Modeling (SEM) untuk mengetahui besar ukuran pengaruh variabel laten ke
variabel laten lain. Hasil yang diperoleh adalah penggunaan internet sebagai media belajar
berpengaruh positif terhadap motivasi belajar, kerativitas serta berpengaruh secara tidak
langsung terhadap prestasi belajar.
Kata kunci : Confirmatory Factor Analysis, SEM, Media Belajar Internet
1. Pendahuluan
Menurut Rahardjo (2002) sebagaimana dikutip di situs depdiknas, bahwa manfaat internet
bagi pendidikan adalah dapat menjadi akses kepada sumber informasi, akses kepada nara sumber, dan
sebagai media kerjasama (pustekkom.depdiknas.go.id). Sehingga penggunaan internet yang intensif
dan tepat guna akan mempunyai korelasi yang signifikan terhadap prestasi belajar. Ibrahim (1982)
dalam Dubatar (2008) mengatakan bahwa media belajar mampu mebangkitkan minat dan motivasi
siswa dalam belajar. Fasilitas internet sebagai penunjang kegiatan belajar mengajar di kalangan siswa
sekolah menengah atas sudah mulai diterapkan. Motivasi belajar yang tinggi akan mampu menunjang
prestasi siswa. Hal ini dikuatkan oleh hasil penelitian Supartini (2008), bahwa motivasi belajar
berpengaruh secara signifikan terhadap hasil belajar atau prestasi belajar siswa. Selain itu, ternyata
internet sebagai media belajar juga mampu merangsang kreativitas seseorang. Menurut Surya (2006)
bahwa Teknologi Informasi dan Komunikasi (TIK) akan memberikan peluang berkembangnya
kreativitas dan kemandirian belajar siswa. Kreativitas sama absahnya seperti intelegensi sebagai
prediktor prestasi sekolah (Munandar, 1977).
Structural Equation Modeling (SEM) adalah metode multivariat yang penggunaanya
menekankan pada teori yang sebelumnya ada. Oleh karena itu, hipotesis yang digunakan dalam
penelitian ini merupakan hasil teori dan penelitian empiris yang sudah dilakukan. Tujuan penelitian ini
adalah untuk mengetahui karakteristik siswa dalam menggunakan internet serta mengetahui pengaruh
penggunaan internet sebagai media belajar terhadap motivasi belajar, kreativitas dan prestasi belajar
siswa. Sehingga hasil yang didapat bisa menjadi kontrol serta pengembangan bagi guru dan orang tua
terhadap penggunaan internet di kalangan siswa.
2. Tinjauan Pustaka
Internet Sebagai Media Belajar
Isa & Mu’adz (2007) dalam penelitiannya merinci proses belajar melalui media internet
adalah akses sumber yang relevan, download informasi yang relevan, berinteraksi dengan sumber,
berinteraksi dengan orang lain tentang sumber, membuat analisis tentang sumber, dan memiliki saran
atau respon tentang sumber.
1
Motif dan Motivasi Belajar
Motif adalah kekuatan yang memobilisasi dan menyalurkan energi itu sendiri digerakkan oleh
suatu keadaan tertentu yang mendorong suatu organisme ke arah keadaan tertentu. Dalam kegiatan
proses belajar akan berhasil baik, kalau siswa tekun mengerjakan tugas, ulet dalam memecahkan
berbagai masalah dan hambatan secara mandiri. Siswa yang belajar dengan baik tidak akan terjebak
pada sesuatu rutinitas dan mekanis, mampu mempertahankan pendapatnya kalau diyakini dan
dipandangnya cukup rasional. Bahkan seorang siswa yang memiliki motivasi belajar yang kuat peka
dan responsif terhadap berbagai masalah umum, dan memikirkan bagaimana pemencahannya.
Diantara ciri orang yang termotivasi adalah cepat bosan dengan tugas-tugas rutin dan tidak
cepat puas dengan hasil yang telah didapatkan.(Sadirman, 2000). Sedangkan menurut Frandsen dalam
Sadirman (2000) disebutkan bahwa hal yang modorong seseorang untuk belajar diantaranya adalah
selalu ingin tahu dan adanya keinginan untuk memperbaiki kegagalan di masa lalu dengan usaha yang
lebih keras.
Kreativitas
Kreativitas adalah suatu gaya hidup, suatu cara dalam mempersepsi dunia. Hidup kreatif
berarti mengembangkan talenta yang dimiliki, belajar menggunakan kemampuan diri sendiri secara
optimal; menjajaki gagasan baru, tempat-tempat baru, aktivitas-aktivitas baru; mengembangkan
kepekaan terhadap masalah lingkungan, masalah orang lain, masalah kemanusiaan (Munandar,
2002:25).
Analisis Faktor Konfirmatori
Model pengukuran merepresentasikan dugaan hipotesis yang sudah ada sebelumnya yaitu
hubungan antara indikator-indikator dengan faktornya yang dievaluasi dengan menggunakan teknik
analisis faktor konfirmatori (Kline, 2005). Jika diambil p = 2, maka model Analisis Faktor
Konfirmatori adalah
x1 = λ1ξ + δ 1
x 2 = λ 2ξ + δ 2
(1)
λ1 dan λ2 nilai loading faktor yang menyatakan seberapa jauh pengaruh variabel observasi dalam
membentuk variabel laten (Bollen,1989). Sedangkan measurement error ( δ ) = 1 – (standardized
loading2).
Keandalan variabel laten dapat diketahui dari nilai Construct Reliability ( ρ c ) dengan rumus
sebagai berikut
( ∑ λi ) 2
p
CR =
i =1
[( ∑ λi ) + ( ∑ ε i )]
p
p
(2)
2
i =1
i =1
dimana CR = Construct Reliability, λ = loading factor variabel indikator, ε = error variance variabel
indikator, p = banyaknya indikator variabel laten (Hair et al., 2006)
Persamaan Model Struktural (SEM)
SEM merupakan integrasi dari Analisis Faktor Konfirmatori dan Analisis Jalur (Path
Analysis). Model umum persamaan Model Struktural adalah.
(3)
η (mx1) = B(mxm )η mx1 + Γ(mxn )ξ (nx1) + ζ (mx1)
η adalah variabel laten endogen, B koefisien pengaruh variabel laten endogen, Γ adalah koefisien
pengaruh variabel laten eksogen, ξ adalah variabel laten eksogen, ζ adalah error model. (Johnson,
1996)
2
Uji Kesesuaian Model
Diantara uji kesesuaian model struktural yang paling diperlukan adalah Chi-Square statistics
dan RMSE atau Root Mean Square Error of Approximation. Nilai Chi-Square statistics yang
dihasilkan diharapkan kecil. Sedangkan ukuran kesesuian model berdasarkan RMSE adalah kurang
dari sama dengan 0.05. Adapun RMSE antara rentang 0.05 dan 0.08 menunjukkan good fit, rentang
0.08 sampai 0.1 menunjukkan mediocre dan RMSE lebih dari 0.1 menunjukkan poor fit (Brown,
1993 dan McCallum, 1996 dalam Wijayanto, 2008). Menurut Brown (1993) dalam Ghozali & Fuad
(2005) RMSEA merupakan indikator yang paling informatif.
Estimasi Parameter
Estimasi parameter model pengukuran dilakukan dengan membandingkan matriks varians
kovarians model pengukuran dengan matriks varian kovarians data observasi. (Ferron, 2007)
()
∑ (θ ) = ∑ θˆ
⎛ λ12 + V (δ1 )
λ1λ2 ⎞ ⎛ Var (x1 ) Cov( x1 , x2 )⎞
⎟ = ⎜⎜
⎜
2
⎟ Cov( x , x ) Var ( x ) ⎟⎟
⎜ λλ
(
)
λ
δ
+
V
2
1
2
⎝
⎠
2 1
2
2 ⎠
⎝
)(
)
(4)
Sedangkan estimasi parameter model struktural dilakukan dengan metode Maximum Likelihood.
(
⎡Λ (I − β )−1 ΓΦΓ ' + Ψ (I − β )−1 ' Λ' + θ
ε
y
Σ(θ ) = ⎢ y
−1 ' '
'
⎢⎣
Λ x ΦΓ (I − β ) Λ y
[
]
Λ y (I − β ) ΓΦΛ' x ⎤
⎥
Λ x ΦΛ' x + θ δ ⎥⎦
−1
(5)
Σ(θ ) adalah bentuk matriks varian kovarian SEM. Setelah matriks varian kovarian data observasi
diketahui (S), selanjutnya adalah mensubstitusikan matriks Σ(θ ) dan S ke dalam persamaan
(
)
FML = log Σ(θ ) + tr SΣ −1 (θ ) − log S − ( p + q )
Maximum Likelihood berikut
(6)
3. Metodologi Penelitian
Sumber data penelitian ini adalah siswa SMA Negeri 1 Probolinggo. Sampel diambil secara
random dengan metode sampling stratifikasi proporsional berdasarkan kelas. Sebanyak 195 siswa
terambil sebagai responden dengan rincian kelas X 69 siswa, kelas XI 69 siswa dan kelas XII 57 siswa.
Variabel yang digunakan adalah variabel karakteristik demografi, variabel perilaku penggunaan
internet dan 4 variabel laten sebgai input untuk analisis SEM, yaitu Internet sebagai Media Belajar
(MI), Motivasi Belajar (MB), Kreativitas (KR), dan Prestasi Belajar (PB). Berikut adalah diagram
jalur hipotesisnya .
Gambar 1. Diagram Jalur (Path Diagram)
Adapun langkah-langkah analisis yang diterapkan adalah :
1. Melakukan analisis deskriptif untuk mengetahui deskripsi karakteristik responden
2. Pengujian multinormalitas dan linearitas, multikolinearitas dan deteksi outlier
3
3.
4.
5.
6.
Melakukan model pengukuran tiap variabel laten dengan Analisis Faktor Konfirmatori
Mengkonstruksi diagram path untuk membangun model struktural berdasarkan teori yang ada.
Mengevaluasi goodness of fit model pengkuran dan model struktural
Memodifikasi model yang terbukti tidak memiliki kesesuaian model berdasarkan kriteria.
4. Analisis Data dan Pembahasan
4.1 Statistik Deskriptif
Dari analisa statistik deskriptif didapat hasil bahwa siswa SMA Negeri 1 Probolinggo sudah
mengenal internet 1 sampai 3 tahun yang lalu. Artinya, pengimplementasian internet sudah mereka
kenal sejak kelas VII sampai kelas IX. Hasil selengkapnya bisa dibaca pada Tabel 1 dibawah ini.
Tabel 1 Pengalaman Berinternet
Kelas
kelas X
kelas XI
kelas XII
6
tahun
3
(4.3%)
4
(5.8%)
5
(8.8%)
69
(100%)
69
(100%)
57
(100%)
SIswa SMA negeri 1 Probolinggo mengaku bahwa internet memiliki banyak sisi kelebihan
dibandingkan dengan dokumen konvensional. Hal ini bisa diketahui dari hasil statistik deskriptif Tabel
2 dibawah ini dengan menggunakan lima pembanding.
Tabel 2 Perbandingan Internet dengan Dokumen Konvensional
Waktu
Menghemat waktu (93%)
Menghabiskan waktu (7%)
Lebih informatif (94%)
Informatif
Harga
Lebih mahal (48%)
Lebih berguna (94%)
Lebih disukai (99%)
Kegunaan
Prefereble
Kurang informatif (6%)
Tidak mahal (52%)
Kurang berguna (6%)
Kurang disukai (1%)
Dari hasil analisa statistik deskriptif diketahui dari lima tingkat kepentingan tujuan akses
internet, terbanyak untuk tingkat kepentingan tertinggi adalah untuk jejaring sosial 34.8%, kemudian
mengerjakan tugas sekolah 31.3%, untuk pengetahuan dan edukasi 18.5%, chatting 12.8%, game
online 9.2% dan informasi dan berita 7.2%. Untuk selengkapnya bisa dilihat pada Tabel 3 berikut.
Tabel 3. Tabulasi Silang Antara Tujuan Akses Internet dan Kepentingan
Kepentingan
Tujuan
Informasi dan berita
pengetahuan dan
edukasi
mengerjakan tugas
sekolah
jejaring sosial
chatting
game online
total
1
22 (11.3%)
2
47 (24.1%)
3
66 (33.8%)
4
46 (23.6%)
5
14 (7.2%)
10 (5.1%)
34 (17.4%)
56 (28.7%)
59 (30.3%)
36 (18.5%)
5 (2.6%)
15 (7.7%)
40 (20.5%)
74 (37.9%)
61 (31.3%)
20 (10.3%)
21 (10.8%)
38 (19.5%)
48 (24.6%)
68 (34.8%)
195 (100%)
48 (24.6%)
48 (24.6%)
44 (22.6%)
30 (15.4%)
25 (12.8%)
195 (100%)
110 (56.4%)
35 (17.9%)
17 (8.7%)
15 (7.7%)
18 (9.2%)
195 (100%)
4
195 (100%)
195 (100%)
195 (100%)
Dari Tabel 3 di atas diketahui bahwa selain jejaring sosial, tujuan yang paling penting juga
adalah untuk mengerjakan tugas sekolah. Mata pelajaran yang paling banyak menerapkan internet
sebagai sarana proses belajar-mengajar di SMAN 1 Probolinggo adalah Biologi dan TIK (Teknologi
Informasi dan Komunikasi).
Sedangkan tempat akses internet berdasarkan intensitas, sebanyak 70.8% siswa mengatakan
tidak pernah mengakses internet di rumah, 8.7% pernah dengan tingkat intensitas kurang dari 1
jam/minggu. Untuk tingkat intnesitas 3-5 jam/minggu dilakukan oleh 9.2% siswa di rumah, sisanya
11.3% mengaksesnya dengan intensitas lebih dari 5 jam/minggu. Selengkapnya bisa dilihat pada Tabel
4 berikut.
Tabel 4. Tabulasi Silang Antara Tempat Akses dan Intensitas Akses Internet
Intensitas
Tempat
Total
Tidak pernah
5 jam/minggu
Rumah
138 (70.8%)
17 (8.7%)
18 (9.2%)
22 (11.3%)
195 (100%)
Sekolah
3 (1.5%)
86 (44.1%)
97 (49.7%)
9 (4.6%)
195 (100%)
104 (53.3%)
31 (16.0%)
40(20.5%)
29 (14.9%)
195 (100%)
Warnet
7 (3.6%)
44 (22.6%)
Handphone
59 (30.3%)
76 (39.0%)
195 (100%)
4.2 Analisis Faktor Konfirmatori
Langkah pertama dalam analisis SEM adalah melakukan konfirmatori atau validitas
indikator-indikator yang mengukur tiap variabel laten. Statistk uji untuk analisis faktor konfirmatori
adalah distribusi t. Indikator dikatakan signifikan mengukur variabel laten jika nilai t-value>1.96.
Hasilnya adalah untuk variabel laten Media Belajar Internet (MDB), Kreativitas (KR) dan Prestasi
Belajar (PB) masing-masing indikator yang mengukurnya signifikan secara statistik. Sedangkan untuk
variabel laten Motivasi Belajar (MB) terdapat satu indikator yang tidak signifikan, yaitu MB5.
Indikator MB5 ini merepresentasikan kebosanan dengan tugas-tugas rutin. Sehingga untuk analisis
SEM selanjutnya, indikator MB5 tidak diikutsertakan.
Setelah diketahui nilai loading factor beserta signifikansi masing-masing indikator yang
mengukur variabel laten, maka selanjutnya memeriksa kesesuaian model pengukuran tiap variabel
laten. Berikut disajikan ukuran kesesuaian model pengukuran tiap variabel laten setelah dilakukan
modifikasi.
Tabel 5 Goodness of fit Index Model Pengukuran Hasil Modifikasi
Goodness of fit
index
Chi-Square
P-value
RMSEA
GFI
AGFI
CFI
Cut of f value
MDB
4.46
0.108
0.08
0.99
0.93
0.99
Diharapkan kecil
≥ 0.05
≤ 0.08
≥ 0.9
≥ 0.9
≥ 0.9
Variabel Laten
MB
KR
96.39
26.97
0.043
0.249
0.052
0.000
0.94
0.97
0.92
0.95
0.88
1.00
PB
3.58
0.611
0.00
0.99
0.98
1.00
Dari Tabel 5 di atas menunjukkan bahwa nilai tiap indeks goodness of fit masing-masing
variabel sudah memenuhi kriteria (cut off value). Diantara kriteria yang ada, RMSEA merupakan
kriteria yang paling informatif (Brown & Cudeck, 1993 dalam Ghozali & Fuad, 2005). Sehingga
walaupun indeks CFI untuk variabel MB tidak memenuhi kriteria, yaitu 0.88 < 0.9, namun tidak bisa
menjustifikasi ketidaksesuaian model pengukuran untuk variabel MB. Hal ini karena nilai indeks yang
lain, terkhusus RMSEA sudah menunjukkan kesesuaian model MB.
5
4.3 Model Struktural
Prosedur selanjutnya adalah melakukan analisis SEM atau model persamaan struktural
dengan melibatkan semua indikator yang signifikan secara statistik. Pada analisis faktor konfirmatori
sebelumnya, diketahui bahwa indikator MB5 tidak signifikan secara statistik, sehingga pada analisa
SEM ini tidak akan diikutisertakan dalam permodelan.
Adapun hipoetsis yang diajukan adalah :
H1: Media Belajar Internet (MDB) mempengaruhi motivasi belajar (MB)
H2: Media Belajar Internet (MDB) mempengaruhi kreativitas (KR)
H3: Motivasi Belajar (MB) mempengaruhi prestasi belajar (PB)
H4: Kreativitas (KR) mempengaruhi prestasi belajar (PB)
Dari hipotesis di atas dibentuk ke dalam diagram jalur (path diagram). Berikut adalah diagram jalur
beserta hasil nilai standardized estimate dan nilai t-value persamaan model strukturalnya.
Gambar 2 Nilai Standardized Esstimate
Persamaan Model Struktural
Gambar 3 Nilai T-value Persamaan Model Struktural
Dari Gambar 2 dan 3 di atas diringkas pada Tabel 6 berikut ini.
Tabel 6 Koefisien Parameter dan Nilai T-value Model Struktural
Hipotesis
Path Coeff.
t-value
Keterangan
MDBÆMB
0.75
6.93
Signifikan
MDBÆKR
0.63
4.37
Signifikan
MBÆPB
0.26
2.18
Signifikan
KRÆPB
0.32
2.41
Signifikan
Dari Tabel 6 di atas dijelaskan dalam bentuk model persamaan struktural berikut.
6
Tabel 7 Persamaan Struktural
Model
MB
KR
PB
MB = 0.75MDB + 0.44 ζ 1
Persamaan
KR = 0.63MDB + 0.61 ζ 2
PB = 0.26MB + 0.32KR + 0.75 ζ 3
Besar dan arah koefisien lintasan yang distandarkan menunjukkan eratnya hubungan antar
variabel. Besar koefisien yang lebih besar dari 0.5 berarti memiliki hubungan yang erat. Dari Tabel 6
di atas dapat diketahui bahwa nilai t-value semua hipotesis lebih besar dari |1.96|, sehingga semua
hubungan kausal signifikan secara statistik. Semua koefisien keempat hubungan kausal tersebut positif
menandakan arah hubungan yang searah antar variabel. Koefisien hubungan kausal Media Belajar
Internet (MDB) dengan Motivasi Belajar (MB) sebesar 0.75. Artinya, jika penggunaan Media Belajar
Internet (MDB) naik satu satuan maka akan meningkatkan Motivasi Belajar (MB) sebesar 0.75. Hal
ini menunjukkan sangat eratnya hubungan antara penggunaan media belajar internet dalam
meningkatkan motivasi belajar siswa. Tanda koefisien yang positif merepresentasikan semakin tinggi
penggunaan internet sebagai media belajar, maka akan meningkatkan pula motivasi belajar siswa.
Media Belajar Internet (MDB) juga memiliki hubungan yang sangat erat dengan Kreativitas
(KR). Hal itu ditunjukkan dengan nilai koefisien sebesar 0.63 yang artinya jika Media Belajar Internet
(MDB) naik satu satuan maka akan meningkatkan Kerativitas (KR) sebesar 0.63. Tanda koefisien
yang positif merepresentasikan semakin tinggi penggunaan media belajar internet maka akan semakin
meningkatkan kreativitas siswa.
Sedangkan Motivasi Belajar (MB) memiliki hubungan yang cukup erat dengan Prestasi
Belajar (PB). Hal itu ditunjukkan dengan besaran koefisien sebesar 0.26, yang artinya jika Motivasi
Belajar (MB) naik satu satuan maka akan meningkatkan Prestasi Belajar (PB) sebesar 0.26. Tanda
koefisien positif merepresentasikan semakin besar motivasi belajar siswa maka akan meningkatkan
prestasi belajarnya.
Hubungan kausal Kreativitas (KR) dengan Prestasi Belajar (PB) dinilai cukup erat. Hal ini
didasarkan pada nilai koefisien sebesar 0.32 yang artinya jika Kreativitas (KR) naik satu satuan maka
akan meningkatkan Prestasi Belajar (PB) sebesar 0.32. Tanda koefisien positif mmerepresentasikan
semakin tinggi kreativitas siswa maka akan semakin tinggi pula prestasi belajar siswa tersebut. Dari
keterangan Tabel 7 di atas, Kreativitas (KR) memiliki pengaruh lebih besar terhadap Prestasi Belajar
(PB) dibandingkan dengan Motivasi Belajar (MB) jika secara bersama-sama mempengaruhi variabel
Prestasi Belajar (PB).
Setelah model struktural terbentuk, maka selanjutnya menilai kesesuain model strukturalnya
berdasarkan beberapa kriteria index dalam Tabel 8 di bawah ini.
Tabel 8 Goodness of fit Model Struktural
Goodness of fit
index
Chi-Square
P-value
RMSEA
GFI
AGFI
CFI
Cut off
value
≥ 0.05
≤ 0.08
≥ 0.9
≥ 0.9
≥ 0.9
Hasil model
Keterangan
791.35
Diharapkan kecil
0.000
Kurang Baik
0.066
Baik
0.79
Kurang Baik
0.76
Kurang Baik
0.74
Kurang Baik
Dari Tabel 8 di atas dapat diketahui bahwa model struktural sudah menunjukkan good fit jika
dilihat dari nilai kriteria RMSEA yang kurang 0.08. Menurut Brown (1993) dalam Ghozali & Fuad
(2005) RMSEA merupakan indikator yang paling informatif dibandingkan yang lainnya.
7
4.4 Analisis Pengaruh Langsung (Direct Effect), Tidak Langsung (Indirect Effect) dan Pengaruh
Total
Selain bisa mengetahui besarnya pengaruh langsung variabel satu ke variabel lainnya, analisa
SEM juga mampu mengetahui pengaruh tidak langsung antar variabel. Berikut adalah hasil
rangkumannya dalam bentuk tabel.
Tabel 9 Pengaruh Langsung, Tidak Langsung dan Total
Pengaruh antar variabel
MDBÆMB
MDBÆKR
MBÆPB
KRÆPB
MDBÆPB
Langsung
0.75
0.63
0.26
0.32
-
Pengaruh
Tidak
langsung
melalui
MB
KR
0.195 0.202
Total
075
063
026
032
0.39
Dari Tabel 9 di atas dapat diketahui pengaruh langsung dan tidak langsung antar variabel laten.
Dapat diketahui bahwa tinggi rendahnya Motivasi Belajar (MB) positif dipengaruhi langsung oleh
Media Belajar Internet (MDB) sebesar 0.75. Besarnya pengaruh langsung Media Belajar Internet
(MDB) terhadap Kreativitas (KR) sebesar 0.63. Sedangkan tinggi rendahnya Prestasi Belajar (PB)
positif dipengaruhi langsung oleh Motivasi Belajar (MB) dan Kreativitas (KR) masing–masing sebesar
0.26 dan 0.32.
Pengaruh tidak langsung Media Belajar Internet (MDB) terhadap Prestasi Belajar (PB)
melalui Motivasi Belajar (MB) sebesar 0.195. Sedangkan pengaruh tidak langsung Media Belajar
Internet (MDB) terhadap Prestasi Belajar (PB) melalui Kreativitas (KR) sebesar 0.202.
.
5. Kesimpulan dan Saran
Berdasarkan hasil analisis dan pembahasan di atas didapatkan beberapa kesimpulan sebagai
berikut :
1. Salah satu deskripsi dari segi tujuan penggunaan internet, tujuan yang paling penting siswa
SMA Negeri 1 Probolinggo berinternet adalah untuk jejaring sosial. Kemudian diurutan kedua
adalah untuk mengerjakan tugas sekolah. Sedangkan tujuan yang paling tidak penting dalam
berinternet adalah untuk game online dan chatting.
2. Penggunaan internet sebagai media belajar paling banyak diterapakan pada mata pelajaran
Biologi dan TIK (Teknologi Informasi dan Komunikasi).
3. Semakin besar penggunaan internet sebagai media belajar akan meningkatkan pula motivasi
belajar dan kreativitas siswa. Semakin besar motivasi belajar siswa maka akan semakin
meningkatkan prestasi belajar siswa. Demikian pula semakin tinggi kreativitas siswa maka
akan semakin meningkatkan prestasi belajar siswa.
Beberapa saran yang dapat direkomendasikan adalah:
1. Sebaiknya dilakukan penelitian serupa dengan jumlah sampel yang lebih besar untuk
mendapatkan deskripsi hasil karakteristik pengguna internet yang lebih jelas.
2. Perlu penambahan variabel akibat pengaruh negatif internet sebagai media belajar terhadap
siswa sebagai pembanding pengaruh positifnya.
3. Melakukan desain penelitian yang melibatkan konsep perubahan pengaruh penggunaan
internet sebagai media belajar.
8
Daftar Pustaka
Bollen, Kenneth A. (1989). Structural Equations With Latent Variables. New York :John Wiley &
Sons, Inc.
Dubatar, Jalarwin. (2008). Pengaruh Media Pembelajaran Terhadap Hasil Belajar Pengelasan Pada
Siswa Yang Berprestasi Tinggi Dan Rendah Di SMK SWASTA 1 Trisakti Laguboti Kabupaten Toba Samosir.
Ferron, John M. & Hess, Melinda R. (2007). Estimation in SEM: A Concrete Example. Journal of
Educational and Behavioral Statistics. Vol.32, No.1, pp. 110-120
Ghozali, I & Fuad. (2005). Structural Equation Modeling (Teori, Konsep dan Aplikasi dengan
Program LISREL 8.54). Semarang: Badan Penerbit Universitas Diponegoro.
Hair, J.F. JR., Anderson, R.E, Tatham, R.L. & Black, W.C. (2006). Multivariate Data Analysis. Six
Edition. New Jersey : Pearson Educational, Inc
Johnson RA & Wichern DW. (1992). Applied Multivariate Statistical Analysis. New Jersey: Prentice
Hall, Englewood Chiffs.
Kline, Rex B. (2005). Principle and Practice of Structural Equation Modeling. Second Edition. New
York: The Guilford Press
Munandar, Utami. (2002). Kreativitas dan Keberbakatan : Strategi Mewujudkan Potensi Kreatif dan
Bakat. Jakarta: PT. Gramedia Pustaka Utama
Rahardjo, Budi. Model Inovasi E-learning dalam Meningkatkan-Mutu Pendidikan
http://pustekkom.depdiknas.go.id/ index.php?pilih=hal&id=70 [24 Maret 2009]
Sadirman A. M. (2000). Interaksi dan Motivasi Belajar-Mengajar. Jakarta: PT Raja Grafindo Persada
Sekaran, U. (2006). Metodologi Penelitian untuk Bisnis 2 (Edisi 4). Jakarta: Salemba Empat.
Sharma, S. (1996). Applied Multivariate Techniques. John Wiley & Sons. Inc
Supartini. Hubungan Motivasi Belajar Dengan Hasil Belajar Siswa di SMK Al-Hidayah I Jakarta
Selatan [skripsi]. Jakarta: Fakultas PDU/Administrasi Perkantoran, Sekolah Tinggi
Keguruan dan Ilmu Pendidikan (STIKP) Purnama. 2008
Surya, Mohamad. Potensi Teknologi Informasi dan Komunikasi Dalam Penigkatan Mutu
Pembelajaran di Kelas. Di dalam: Pemanfaatan Teknologi Informasi dan Komunikasi untuk
Pendidikan Jarak Jauh dalam Rangka Peningkatan Mutu Pembelajaran; Jakarta, 12
Desember 2006
Wijayanto, Setyo Hari. (2008). Structural Equation Modeling dengan LISREL 8.8. Yogyakarta: Graha
Ilmu
9