ANALISIS EVALUASI PEMBELAJARAN MENGGUNAKAN MODEL PERSAMAAN STRUKTURAL DI UNIVERSITAS TANJUNGPURA PONTIANAK

Transkripsi

1 ANALISIS EVALUASI PEMBELAJARAN MENGGUNAKAN MODEL PERSAMAAN STRUKTURAL DI UNIVERSITAS TANJUNGPURA PONTIANAK Neva Satahadewi, Hendra Perdana, Betri Wendra 3 Program Studi Statistika FMIPA Universitas Tanjungpura, neva.sata@math.untan.ac.id Program Studi Statistika FMIPA Universitas Tanjungpura, hendra.perdana@math.untan.ac.id 3 Program Studi Statistika FMIPA Universitas Tanjungpura, betri.wendra@math.untan.ac.id Abstrak Tracer stud atau ang sering disebut sebagai surve alumni adalah studi mengenai lulusan lembaga penelenggara pendidikan tinggi. Studi ini mampu menediakan berbagai informasi ang bermanfaat bagi kepentingan evaluasi hasil pendidikan tinggi dan selanjutna dapat digunakan untuk penempurnaan dan penjaminan kualitas lembaga pendidikan tinggi ang bersangkutan. Kepuasaan proses pembelajaran adalah perbedaan antara harapan dengan kinerja ang dirasakan mahasiswa. Hal ini tidak dapat diukur secara langsung, sehingga dibutuhkan beberapa indikator agar dapat diketahui faktor-faktor ang mempengaruhina. Penelitian ini menerapkan model persamaan struktural untuk menganalisis kepuasan terkait proses pembelajaran dan faktor-faktor ang mempengaruhina. Berdasarkan hasil penelitian tampak bahwa faktor ang berpengaruh langsung terhadap kepuasaan proses pembelajaran adalah pelaanan dan sarana prasarana pembelajaran. Kata Kunci: Tracer Stud, Model Struktural, Evaluasi Pembelajaran PENDAHULUAN Kurikulum Berbasis Kompetensi (KBK) ang dituangkan dalam SK Mendiknas 045/U/00 tentang Kurikulum Inti menghendaki KBK diimplementasikan di semua perguruan tinggi dengan batas waktu implementasi sebelum 0 Desember 00, sedangkan kualitas lulusan pendidikan tinggi harus berbasis Kerangka Kualifikasi Nasional Indonesia (KKNI) sesuai dengan ang diamanatkan dalam Perpres No. 8 tahun 0. Hal ini mengharuskan Universitas Tanjungpura (UNTAN) harus berupaa untuk selalu siap dengan perubahan dan pengembangan agar lulusan ang dihasilkan mempunai kualifikasi dan kompetensi ang dibutuhkan masarakat, profesional, industri dan pemerintah sebagai pengguna lulusan. Untuk dapat mencapai tujuan tersebut, UNTAN harus peka dan mengetahui perkembangan dan perubahan baik lokal, nasional maupun internasional sehingga mempunai data dan informasi sebagai dasar untuk melakukan evaluasi, penesuaian, penempurnaan maupun revitalisasi terhadap proses pembelajaran. Kaji ulang dan kaji terap dilakukan untuk melihat kelemahan ang ada dan melakukan perubahan dan pengembangan sehingga keluaran ang dihasilkan dapat selaras dengan kebutuhan masarakat dan visi lembaga mengingat tantangan perkembangan ilmu pengetahuan dan teknologi ang semakin hari semakin pesat. Evaluasi kurikulum secara terjadwal adalah merupakan penilaian tertinggi terhadap kualitas sebuah lembaga pendidikan dan peninjauan terhadap kurikulum dilakukan apabila diketahui dampak dari implementasi kurikulum, atau apabila terjadi perubahan tuntutan stakeholders maupun masarakat pengguna alumni. Untuk mendapatkan 4

2 Neva Satahadewi, Hendra Perdana, & Betri Wendra informasi tersebut harus dilakukan pengamatan baik secara visual maupun melalui interview lisan atau tertulis sehingga tracer stud mutlak diperlukan. Analisis multivariat adalah suatu teknik statistik dimana terdapat lebih dari dua pengukuran (peubah) dan semua peubah tersebut dianalisis secara simultan/bersama. Perkembangan teknik statistik dalam kategori multivariat ini berkembang sangat pesat ang hingga saat ini telah banak terlahir teknik/alat statistik baru, beberapa di antarana adalah MANOVA (Multivariate Anova), analisis regresi berganda, analisis faktor, persamaan simultan, dsb. Analisis faktor sebagai salah satu teknik statistik multivariat digunakan untuk merangkum informasi ang terkandung dalam sekian banak peubah ke dalam beberapa subset/himpunan peubah ang disebut sebagai faktor. Sedangkan regresi berganda ang merupakan perluasan dari regresi digunakan untuk keperluan prediksi hubungan dari beberapa peubah independen terhadap peubah dependen. Selain beberapa teknik analisis multivariat di atas terdapat sebuah analisis ang bernama pemodelan persamaan struktural (Structural Equation Modelling, SEM). SEM merupakan sebuah hibrida antara analisis regresi (Regression Analsis), analisis alur (Path Analsis), dan analisis faktor (Factor Analsis). SEM berfungsi sebagai analisis konfirmatori, ang berfungsi mengkonfirmasikan konsep/teori ang sudah ada atau sudah dihipotesiskan sebelumna. METODE Jenis penelitian ang digunakan adalah penelitian survei. Penelitian survei adalah penelitian ang dilakukan pada populasi besar maupun kecil, tetapi data ang dipelajari adalah data sampel ang diambil dari populasi tersebut. Data ang diambil merupakan data primer ang diperoleh peneliti dari penebaran kuesioner kepada responden. Jumlah sampel ang diambil sebanak 570 responden alumni mahasiswa UNTAN. Prosedur pengambilan sampel dalam penelitian ini adalah dengan menggunakan nonprobabilitas sampling aitu simple random sampling. Variabel ang dikaji dalam penelitian ini adalah:. Akademik (VAR) a. Dosen mudah ditemui untuk urusan akademik (x) b. Penelitian ditunjang fasilitas ang memadai (x) c. Sarana dan prasarana pembelajaran memadai (x3). Proses Pelaanan (VAR) a. Pelaanan administrasi akademik di tingkat Universitas (x4) b. Pelaanan administrasi akademik di tingkat Fakultas (x5) c. Pelaanan administrasi akademik di tingkat Jurusan/Prodi (x6) 3. Fasilitas (VAR3) a. Fasilitas Laboratorium (x7) b. Fasilitas Laboratorium (x8) c. Fasilitas Laboratorium (x9) 4. Evaluasi Pembelajaran (EVAL) a. Proses pembelajaran mampu memotivasi mahasiswa () b. Proses pembelajaran meningkatkan kompetensi mahasiswa () c. Proses pembelajaran (3) 4 Seminar Nasional Matematika X Universitas Negeri Semarang 06

3 Analisis Evaluasi Pembelajaran Model konseptual penelitian ini digambarkan dalam diagram jalur berikut: 3 x x x3 VAR 3 7 x x8 x9 8 9 VAR3 VAR EVAL x4 x5 x Pemodelan persamaan struktural (Structural Equation Modeling, SEM), merupakan suatu prosedur statistika umum untuk sistem multipersamaan ang memungkinkan analisis secara simultan terhadap suatu set relasi kausal ang telah dispesifikasikan antara satu/lebih variabel bebas (independent variable) dengan satu/lebih variabel tak bebas (dependent variable) ang bisa diamati secara langsung maupun tidak (Bollen, 989). SEM sangat cocok diterapkan pada kasus-kasus penelitian di bidang sosial, ekonomi atau psikologi ang melibatkan banak konsep dan dimensi ang perlu dipertimbangkan (Ferdinand, 006) namun di antara berbagai macam konsep dan dimensi tersebut banak ang tidak memiliki ukuran objektif atau kuantitatif, misalna demokrasi dan tingkat kesejahteraan (bidang sosial), kepuasan konsumen dan kinerja pemasaran (bidang ekonomi) atau tingkat kecerdasan dan pengendalian diri (bidang psikologi). Konsep ang tidak memiliki ukuran kuantitatif inilah ang dimaksud dengan variabel ang tak teramati (unobserved variable) atau konstruk (contruct) atau variabel laten (latent variable) atau faktor (factor) atau variabel tak terukur (unmeasured variable). Salah satu cara untuk mengukur variabel laten adalah melalui variabel indikator (indicator variable) atau variabel manifes (manifest variable) atau variabel terukur (measured variable) atau variabel teramati (observed variable). Seminar Nasional Matematika X Universitas Negeri Semarang 06 43

4 Neva Satahadewi, Hendra Perdana, & Betri Wendra Model persamaan struktural: η B η Γ ζ ζ m mm m mn n n Model pengukuran untuk variabel bebas X : x ζ δ x q qn n q Model pengukuran untuk variabel tak bebas Y : η ε p pm m p dengan: x = variabel indikator eksogen (exogenous indicator) = variabel indikator endogen (endogenous indicator) ξ = ksi, variabel laten eksogen (exogenous latent) η = eta, variabel laten endogen (endogenous latent) δ = delta, galat pengukuran untuk variabel indikator eksogen ε = epsilon, galat pengukuran untuk variabel indikator endogen ζ = zeta, galat pada model persamaan struktural B = beta, matriks koefisien dari variabel laten endogen Γ = gamma, matriks koefisien dari variabel laten eksogen Λ x = lambda-x, matriks koefisien dari relasi x dengan ξ Λ = lambda-, matriks koefisien dari relasi dengan η p = banakna variabel indikator endogen q = banakna variabel indikator eksogen m = banakna variabel laten endogen n = banakna variabel laten eksogen Selain itu, juga terdapat notasi untuk matriks kovariansi berikut ini: Φ = phi, matriks kovariansi dari ξ (bertipe n X n) Ψ = psi, matriks kovariansi dari ζ (bertipe m X m) Θ δ = theta-delta, matriks kovariansi dari δ (bertipe q X q) Θ ε = theta-epsilon, matriks kovariansi dari ε (bertipe p X p) Asumsi-asumsi umum dan mendasar dalam model ini adalah:. E(η) = E(ξ) = E(ζ) = E(δ) = E(ε) = 0. ζ tidak berkorelasi dengan ξ 3. δ tidak berkorelasi dengan ξ dan η 4. ε tidak berkorelasi dengan η dan ξ 5. ζ, δ dan ε tidak saling berkorelasi 6. (I B) merupakan matriks nonsingular Untuk keperluan estimasi parameter model dan uji hipotesis, perlu dikonstruksi matriks kovariansi tersirat (implied covariance matrix), aitu matriks kovariasni variabel teramati ang dinatakan dalam θ (vektor parameter model). Untuk model LISREL penuh, matriks ini berbentuk: 44 Seminar Nasional Matematika X Universitas Negeri Semarang 06

5 Analisis Evaluasi Pembelajaran B Λ ΓΦΓ Ψ Λ Θ Λ ΓΦΛ ( ) ΛxΦΓ ' ' Λ ' ΛxΦΛ x ' Θ ( B) ' B ' ' B x ' Setelah model SEM dispesifikasikan secara jelas, langkah berikutna adalah mengestimasi parameter-parameter (bebas) model. Estimasi parameter merupakan suatu proses mencari estimasi dari parameter-parameter struktural ang mampu meminimumkan perbedaan antara matriks kovariansi tersirat berdasarkan nilai estimasi ang didapatkan dengan matriks kovariansi sampel dari variabel teramati. Untuk mengukur sejauh manakah kedekatan ini digunakan suatu fungsi ang dinamakan fungsi kecocokan (fit function atau discrepanc function) (Bollen, 989). Tiga macam fungsi kecocokan ang populer adalah ML (Maximum Likelihood), GLS (Generalized Least Squares) dan ULS (Unweighted Least Squares), dirumuskan: F tr S S p q ML log ( ) { ( )} log ( ) {[ ( ) ] } FGLS tr I S {[ ( )] } FULS tr S Setelah estimasi parameter model didapatkan, model perlu diuji kecocokanna dengan data. Satu-satuna uji inferensi ang dapat digunakan adalah uji kecocokan Chi kuadrat, dengan hipotesis nol: Ho : Σ = Σ(θ) dengan statistik uji: T = (n )Fmin (S,Σ(θ)) dengan n = ukuran sampel = harga minimum fungsi kecocokan F min Kriteria uji ang digunakan adalah: Tolak H 0 jikat X a () v v adalah derajat bebas model, v ( p q )( p q ) t, dengan: p, q = banakna variabel indikator endogen, eksogen t = banak parameter bebas dalam model Selain uji inferensi di atas, evaluasi terhadap model SEM juga bisa dilakukan melalui indeks kecocokan model. Tabel memberikan panduan praktis (rule of thumb) dalam evaluasi model SEM. Seminar Nasional Matematika X Universitas Negeri Semarang 06 45

6 Neva Satahadewi, Hendra Perdana, & Betri Wendra Tabel. Panduan praktis uji kecocokan model SEM Status Kecocokan Model Jenis Ukuran Moderat Tinggi db T 3db 0T db Absolut Inkremental Parsimoni SB 0.0 p. value RMSEA p. value 0 RMSEA GFI GFI Semakin kecil nilai NCP semakin baik Semakin kecil nilai ECVI semakin baik 0.80 TLI TLI 0.80 AGFI CFI NFI NFI Semakin kecil nilai AIC semakin baik Semakin kecil nilai CAIC semakin baik Semakin kecil nilai PNFI semakin baik SB 0.90 AGFI 0.90 CFI HASIL DAN PEMBAHASAN Analisis data dilakukan dengan menggunakan software Lisrel Hasil analisis ang disajikan adalah nilai loading faktor. Hasil analisis disajikan di bawah ini Gambar. Output model SEM 46 Seminar Nasional Matematika X Universitas Negeri Semarang 06

7 Analisis Evaluasi Pembelajaran Structural Equations VAR = 0.7*EVAL, Errorvar.= 0.49, R² = 0.5 (0.) (0.6) VAR = 0.85*EVAL, Errorvar.= 0.8, R² = 0.7 (0.08) (0.) VAR3 = 0.68*EVAL, Errorvar.= 0.54, R² = 0.46 (0.086) (0.) Berdasarkan output diatas, terlihat konstruk var, var dan var3 memiliki nilai t.value ang lebih besar daripada batas signifikansi pada level 5% (t-tabel=.65). hal ini berarti bahwa variabel-variabel tersebut berpengaruh secara signifikan terhadap evaluasi pembelajaran. Reliabilitas adalah ukuran konsistensi internal dari indikator-indikator sejauh variabel bentukan ang menunjukkan derajat sampai dimana masing-masing indikator itu mengindikasikan sebuah variabel bentukan ang umum. Nilai dari construct reliabilit adalah minimal 0.70 (Ghozali, 008). CR ij ij Sum standardized loading untuk : Var Var Var Eval j Sum measurement error untuk : Var Var Var Eval Nilai construct reliabilit untuk masing-masing konstruk:.7.7 Var 0.66 Var Var Eval Dapat dilihat bahwa construct reliabilit dari masing-masing konstruk ada ang belum memenuhi sarat reliabilitas. Indeks untuk masing-masing konstruk diperlihatkan dengan jumlah varians ang diekstraksi oleh variabel bentukan ang dikembangkan. Nilai extracted ang tinggi menunjukkan bahwa indikator-indikator itu telah mewakili secara baik variabel bentukan ang dikembangkan. Nilai tersebut dapat diperoleh dengan rumus (Ghozali, 995:34): ij Variance extracted ij j Seminar Nasional Matematika X Universitas Negeri Semarang 06 47

8 Neva Satahadewi, Hendra Perdana, & Betri Wendra Sum of square standardized loading untuk: Var Var Var Eval Maka presentase indeks untuk masing-masing konstruk adalah: Var 0.4 4% Var 0.5 5% Var % Eval % Setelah didapatkan estimasi, langkah berikutna adalah menilai kecocokan (goodness of fit) dari model. Tabel berikut memberikan beberapa ukuran kecocokan model. Tabel. Nilai Kecocokan Model Jenis Kecocokan Absolut Inkremental Parsimoni TSB Nilai Kecocokan Model p. value 0.00 RMSEA GFI 0.93 TLI 0.89 AGFI 0.89 CFI 0.9 NFI 0.9 AIC CAIC PNFI 0.66 Merujuk pada panduan praktis ang tertera di tabel, dapat diberikan evaluasi sebagai berikut: - Berdasarkan kriteria T SB dan p-value, model memiliki kecocokan ang rendah, artina model ang diusulkan tidak konsisten dengan data empirik. Nilai GFI menujukkan kecocokan tinggi dengan data. Tetapi berdasarkan RMSEA model tidak cocok dengan data. - Berdasarkan kriteria TLI dan AGFI model memiliki tingkat kecocokan moderat dengan data. Sedangkan menurut kriteria CFI dan NFI menunjukkan kecocokan tinggi dengan data. - Kriteria AIC, CAIC dan PNFI tidak dapat digunakan untuk menilai kecocokan model, karena tidak adana model pembanding. Dengan dasar pertimbangan-pertimbangan di atas, disimpulkan bahwa model secara relatif kurang cocok atau konsisten dengan data. Meskipun begitu, model tetap dapat digunakan dengan pertimbangan terdapatna ukuran-ukuran kecocokan ang mengindikasikan kecocokan ang tinggi dengan data. 48 Seminar Nasional Matematika X Universitas Negeri Semarang 06

9 Analisis Evaluasi Pembelajaran SIMPULAN Dari proses perhitungan tersebut diperoleh indeks kepuasaan alumni terhadap evaluasi pembelajaran sebesar 9%. Angka 9% merupakan hasil ang kurang menggembirakan. Perguruan tinggi berarti belum berhasil memberikan kepuasaan terhadap alumni dalam hal proses pembelajaran. Hal ini juga didukung dengan penilaian terhadap akademik sebesar 4%, proses pelaanan sebesar 5% dan fasilitas sebesar 39%. Dengan dasar pertimbangan-pertimbangan di atas, disimpulkan bahwa model secara relatif kurang cocok atau konsisten dengan data. Meskipun begitu, model tetap dapat digunakan dengan pertimbangan terdapatna ukuran-ukuran kecocokan ang mengindikasikan kecocokan ang tinggi dengan data. Terdapat beberapa hal ang bisa dimungkinkan menjadi penebab model ang diusulkan ini ditolak, dianatarana adalah spesifikasi model ang kurang tepat. Dengan ditolakna model ang diusulkan, bukan berarti model ang diajukan tersebut salah atau tidak berlaku lagi secara mutlak. Namun perlu dilakukan riset empirik ang lebih mendalam guna mengidentifikasi apa penebab ditolakna model ang diajukan tersebut. Hal ini dikarenakan dalam riset konfirmatori seperti ini, setiap model ang diusulkan haruslah berlandaskan pada justifikasi teori ang sudah mapan. DAFTAR PUSTAKA Bollen, K.A. (989). Structural Equations with Latent Variables. New York: John Wile & Sons. Ferdinand, A. (006). Structural Equation Modeling dalam Penelitian Manajemen. Semarang: Badan Penerbit Universitas Diponegoro. Ghozali, I. dan Fuad (008). Structural Equation Modeling: Teori, Konsep, dan Aplikasi dengan Program LISREL Semarang: Badan Penerbit Wijanto, S.H. (008). Structural Equation Modeling dengan LISREL 8.8. Yogakarta: Graha Ilmu. Seminar Nasional Matematika X Universitas Negeri Semarang 06 49