II. TINJAUAN LITERATUR
3.2. Metode Penelitian
3.2.7. Pengujian Validitas dan Reabilitas
Setiap instrumen pengukuran untuk dapat dinyatakan sebagai alat ukur yang baik adalah harus handal (reliable) dan sahih (valid). Instrumen yang digunakan dalam penelitian ini diadaptasi dari penelitian Kim (2005) dan Nisonger (1997) yang sudah diuji dan terbukti validitas dan reliabilitasnya dalam penelitian mengenai pemanfaatan sumber informasi elektronik oleh pemustaka di lembaga pendidikan yang berbeda.
Terhadap hasil adopsi kuesioner ini dilakukan pengujian pendahuluan untuk meyakinkan pemahaman calon responden terhadap setiap item dalam
kuesioner ini. Kemudian dilakukan perbaikan atas saran dan hasil pengujian pendahuluan tersebut.
3.2.7.1. Hasil Uji Validitas
Pengujian validitas construct atau item kuesioner dari model penelitian ini dilakukan dengan menggunakan koefisien korelasi item-total yang terkoreksi atau menguji korelasi skor tiap item dengan skor total tiap variabel. Tujuan dari pengujian korelasi ini ialah untuk menyelidiki apakah tiap-tiap item pertanyaan tersebut mengukur variabel yang sama. Metode pengujian ini dilakukan dengan menggunakan korelasi Pearson Product Moment. Uji validitas instrumen pada penelitian ini dibantu menggunakan tools software SPSS. Batas minimal skor koefisien korelasi yang dianggap memenuhi syarat validitas penelitian yang baik ialah sama dengan atau lebih besar dari 0,3 (Kaplan & Dennis, 1993).
Hasil pengujian validitas model penelitian ini dapat dilihat dalam tabel pada Lampiran 1. Pada penelitian ini dilakukan dua kali pengujian validitas. Uji pertama dilakukan pada 10 responden ujicoba yang ternyata menghasilkan seluruh item kuesioner valid. Kemudian, pengambilan data sebenarnya dilakukan, setelah selesai lalu dilakukan kembali uji validitas yang ternyata menghasilkan skor antara 0,778 sampai dengan 0,883. Hasil ini mengindikasikan bahwa construct validitas yang baik.
3.2.7.2. Hasil Uji Reabilitas
Pengujian reabilitas pada penelitian ini dilakukan menggunakan Cronbach Alpha untuk memenuhi syarat konsistensi hasil penelitian. Cooper & Schindler (2006) menyarankan skor alpha di atas 0,700 sebagai skor yang dapat diterima sebagai syarat reabilitas construct penelitian yang baik. Koefisien alpha dihitung untuk setiap item-item construct penelitian sebagaimana terlihat dalam tabel pada lampiran 2. Prosedur uji reabilitas juga dilakukan pada 10 kuesioner yang terkumpul dalam ujicoba. Hasil ujicoba tersebut menyatakan bahwa item-item kuesioner dalam penelitian seluruhnya reliabel untuk dilanjutkan menjadi pengambilan data sebenarnya. Pengujian reliabilitas yang kembali dilakukan
setelah seluruh kuesioner penelitian terkumpul menunjukkan bahwa seluruh item construct memiliki skor di atas 0,700 yang berarti reliabel untuk penelitian ini.
3.2.8 Teknik Analisis Data 3.2.8.1. Analisis Deskriptif
Analisis statistik deskriptif digunakan untuk menggambarkan kondisi pemanfaatan dan hambatan yang dialami dalam memanfaatkan jurnal online ScienceDirect. Data yang diperoleh ditabulasi, kemudian dihitung melalui distribusi frekuensi dan persentase. Hasilnya diinterpretasikan secara deskriptif.
3.2.8.2. Analisis Korelasi
Teknik analisis korelasi yang digunakan adalah Korelasi Pearson Product Moment (r). Penggunaan teknik analisis korelasi ini dipilih karena Korelasi Pearson Product Moment merupakan teknik statistik parametrik dimana data yang digunakan adalah interval dan ratio. Pada mulanya teknik analisis korelasi ini dikemukakan oleh Karl Pearson tahun 1900. Kegunaan teknik analisis korelasi ini adalah untuk mengetahui derajat hubungan dan kontribusi variabel bebas (independent) dengan variabel terikat (dependent). Rumus yang digunakan adalah :
Korelasi Pearson Product Moment dilambangkan (r) dengan ketentuan nilai r tidak lebih dari harga (-1 ≤ r ≤ +1). Apabila nilai r = -1 artinya korelasinya negatif sempurna; r = 0 artinya tidak ada korelasi; dan r = 1 berarti korelasinya sangat kuat. Selanjutnya untuk menyatakan besar kecilnya kontribusi variabel X terhadap Y dapat ditentukan dengan rumus Koefisien Diterminan sebagai berikut :
KP = r2
1. Pengaruh Langsung biasanya digambarkan dengan panah satu arah dari satu variabel ke variabel lainnya.
X 100% Dimana KP = Nilai Koefisen Diterminan r = Nilai Koefisien Korelasi
3.2.8.3. Analisis Jalur (Path Analysis)
Analisis jalur dikembangkan oleh Wright (1934). Tujuan dari analisis jalur adalah untuk menerangkan akibat langsung dan tidak langsung dari beberapa variabel sebagai variabel penyebab, terhadap beberapa variabel lainnya sebagai variabel akibat.
Hubungan antar variabel dalam analisis jalur ada dua yaitu :
2. Pengaruh Tidak Langsung digambarkan dengan panah satu arah pada satu variabel pada variabel lain, kemudian dari variabel lain panah satu arah ke variabel berikutnya.
Sebelum melakukan analisis jalur kita gambarkan terlebih dahulu pola hubungan antar variabel penyebab dan variabel akibat yang didasarkan pada teori-teori yang terdahulu. Adapun bentuk persamaan jalurnya adalah sebagai berikut :
ε ρ ρ ρ + + + + = YX X YX X YX XK Y K ... 2 1 2 1 Dimana :
Y adalah variabel akibat (endogenus) X1 ,X2,… Xk
ε
adalah variabel penyebab (eksogenus)
p adalah koefisien jalur antara variabel akibat dan variabel penyebab adalah variabel residu
Dalam penelitian ini hubungan Kemampuan menggunakan komputer, Kemudahan penggunaan, Antar muka sistem, Relevansi isi informasi, Kualitas informasi dan Keinginan memanfaatkan Jurnal elektronik, akan ditunjukkan pada gambar 4.
8
Gambar 4. Parameter hubungan antar variabel
a. Pengaruh Langsung
Pengaruh langsung dalam analisis jalur ini ditunjukkan oleh parameter P1, P2, P3, P4 dan P5. Nilai P1 adalah nilai beta (Standardize Coefficients) Kemampuan Komputer terhadap Keinginan Memanfaatkan Jurnal Elektronik, nilai P2 adalah nilai beta Kemudahan Penggunaan, nilai P3 adalah nilai beta Antar Muka Sistem, nilai P4 adalah nilai beta Relevansi Informasi, dan nilai P5 adalah nilai beta Kualitas Informasi.
b. Pengaruh Tidak Langsung
Pengaruh tidak langsung dalam analisis jalur ini adalah P6, P7, P8 dan P9. Nilai P6 merupakan nilai beta Kemampuan Komputer terhadap Kemudahan Penggunaan. Nilai P7 adalah nilai beta Kemudahan Penggunaan terhadap Antar Muka Sistem. Nilai P8 adalah nilai beta Antar Muka Sistem terhadap RelevansiInformasi, dan P9 adalah Relevansi Informasi terhadap Kualitas Informasi.
c. Pengaruh Total
Pengaruh total merupakan penjumlahan dari pengaruh langsung dan pengaruh tidak langsung.
P4
P5 P8
P9
Kemudahan penggunaan
Antar muka sistem Relevansi informasi Kualitas informasi Keinginan memanfaatkan jurnal elektronik Kemampuan komputer P1 P2 P3 P6 P7
3.2.8.4. Metode Successive Interval (MSI)
Analisis jalur yang merupakan bagian dari Analisis Statistik Parametrik, dimana dalam penghitungannya memerlukan terpenuhinya persyaratan bahwa skala pengukuran minimal interval, sedangkan dalam penelitian ini data yang diperoleh memiliki skala pengukural ordinal. Oleh karena itu agar analisis tersebut dapat dilanjutkan maka skala pengukuran ordinal harus dinaikkan (ditransformasikan) ke dalam skala interval dengan menggunakan Methods of Successive Interval (MSI).
Menurut Hidayat (2005) pengertian Method of Successive Interval adalah : ”Metode penskalaan untuk menaikkan skala pengukuran ordinal ke skala pengukuran interval”. Langkah-langkah transformasi data ordinal ke data interval adalah sebagai berikut :
1) Perhatikan nilai jawaban dari setiap pertanyaan dalam kuesioner;
2) Untuk setiap pertanyaan tersebut, lakukan perhitungan ada berapa responden yang menjawab skor 1,2,3,4,5 = frekuensi (f);
3) Setiap frekuensi dibagi dengan banyaknya n responden dan hasilnya = proporsi (p);
4) Kemudian hitung proporsi kumulatifnya (pk);
5) Dengan menggunakan tabel normal, dihitung nilai distribusi normal (Z) untuk setiap proporsi kumulatif yang diperoleh;
6) Tentukan nilai densitas norma (fd) yang sesuai dengan nilai Z; 7) Tentukan nilai interval (scale value) untuk setiap skor jawaban;
8) Sesuaikan nilai skala ordinal ke interval, yaitu Skala Value (SV) yang nilainya terkecil (harga negatif yang terbesar) diubah menjadi sama dengan jawaban responden yang terkecil melalui transformasi berikut : Transformed Scale Value : SV = - { Min data – Min SV }
Proses pentransformasian data ordinal menjadi data interval dalam penelitian ini menggunakan bantuan program komputer yaitu Microsoft Office Excel 2007 (Analize).
3.2.8.5. Analisis Sitasi
Analisis sitasi digunakan untuk mengetahui judul-judul artikel dari basisdata jurnal online ScienceDirect yang artikelnya digunakan sebagai rujukan pada tesis mahasiswa pascasarjana S2 IPB, yang diterima pada tahun 2010. Dengan diketahuinya judul-judul jurnal yang artikelnya digunakan sebagai acuan tersebut, maka akan diketahui pula judul-judul apa saja di dalam basisdata jurnal online ScienceDirect yang banyak digunakan oleh mahasiswa pascasarjana S2 IPB.