ANALISIS TINGKAT PENERIMAAN MAHASISWA TERHADAP E-STUDY DENGAN MODEL UTAUT DI UNIVERSITAS MUHAMMADIYAH JEMBER
Abstract
Universitas Muhammadiyah Jember merupakan salah satu perguruan tinggi yang telah menggunakan teknologi informasi dalam proses belajar mengajar yaitu pembelajaran jarak jauh. Pembelajaran jarak jauh yang digunakan pada perguruan tinggi ini disebut dengan E-study yang bisa diakses oleh dosen dan mahasiswa dalam proses pembelajaran. Dalam kegiatan pembelajaran jarak jauh yang memanfaatkan E-study memiliki dampak pada munculnya perubahan proses belajar mengajar, yang awalnya berlangsung secara tatap muka menjadi bentuk pembelajaran dalam jaringan. Pada proses pemanfaatannya untuk mengetahui tingkat penerimaan pengguna e-study salah satunya dengan menggunakan model Unified Theory of Acceptance and Use of Technology atau biasa disingkat UTAUT. UTAUT merupakan teori untuk menganalisis tingkat penerimaan dari pengguna pada sebuah teknologi informasi. . Model UTAUT sendiri ada empat faktor utama, di antaranya : harapan kinerja, harapan usaha, pengaruh sosial, dan kondisi fasilitas yang mempengaruhi tingkat penerimaan dari suatu sistem. Data diperoleh dari mahasiswa angkatan 2019 – 2021 dengan menggunakan kuisioner. Metode analisis data menggunakan Structural equation model (SEM) sebagai proses analisis statistik dan bahasa pemrograman PHP dengan database mysql sebagai alat menghitung. Hasil perhitungan menyatakan bahwa semua faktor berpengaruh terhadap mahasiswa dengan nilai koefisien 0.077, 0.050, 0.030, dan 0.046 dengan nilai signifikan 1.65, 1.08, 0.64 dan 0.99. jadi dapat disimpulkan harapan kinerja berpengaruh secara signifikan dari faktor yang lain.
Keywords
Full Text:
PDF (Bahasa Indonesia)References
Madhulatha, T. S. (2012). an Overview on Clustering Methods. IOSR Journal of Engineering, 02(04), 719–725.
Mario, A., Herry, S., & Nasution, H. (2016). Pemilihan Distance Measure Pada K-Means Clustering Untuk Pengelompokkan Member Di Alvaro Fitness. Jurnal Sistem dan Teknologi Informasi, 1(1), 1–6.
Patro, S. G. K., & sahu, K. K. (2015). Normalization: A Preprocessing Stage. Iarjset, 20–22.
Rustam, S., Santoso, H. A., & Supriyanto, C. (2018). Optimasi K-Means Clustering Untuk Identifikasi Daerah Endemik Penyakit Menular Dengan Algoritma Particle Swarm Optimization Di Kota Semarang. ILKOM Jurnal Ilmiah, 10(3), 251–259.
Simbolon, T. R. (2017). Analisa Keterkaitan Ketimpangan Pembangunan Antar Daerah Terhadap Pertumbuhan Ekonomi di Wilayah Sumatera.
Singh, N., Singh, S., & Singh, S. B. (2012). HPSO : a New Version of Particle Swarm Optimization Algorithm. Journal of Artificial Intelligence, 3(3), 123–134.
Soemartini, & Supartini, E. (2017). Analisis K-Means Cluster Untuk Pengelompokan Kabupaten/Kota Di Jawabarat Berdasarkan Indikator Masyarakat. Prosiding, (Knpmp Ii), 144–154.
Supianto, A. A., & Mar’i, F. (2018). Clustering Credit Card Holder Berdasarkan Pembayaran Tagihan Menggunakan Improved K-Means Dengan Particle Swarm Clustering Credit Card Holder Based on Billing Payment Using Improved K-Means With Particle Swarm Optimization. Jurnal Teknologi Informasi dan Ilmu Komputer(JTIIK), 5(6), 737–744.
Tan, P.-N. (2006). Introduction to data mining. Journal of School Psychology, 19(1), 51–56.
Tenriawaru, A., & Kunci, K. (2018). Kabupaten/kota provinsi sulawesi tenggara berdasarkan indikator kesejahteraan rakyat. 4(2), 175–182.
DOI: https://doi.org/10.32528/jasie.v4i1.17702
Refbacks
- There are currently no refbacks.
Copyright (c) 2022 JASIE: Jurnal Aplikasi Sistem Informasi dan Elektronika
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.