KEPUASAN
DAN RETENSI GURU TERHADAP
SISTEM
PELATIHAN JARAK JAUH
BALAI DIKLAT
KEAGAMAAN INDONESIA
Muhammad
Alfarizi*
Ngatindriatun**
*Universitas Bina Nusantara, Indonesia
**Universitas Bina Nusantara, Indonesia
*E-mail:
muhammad.alfarizi@binus.ac.id
**E-mail:
ngatindriatun@binus.ac.id
Abstract
Digital
transformation after the COVID-19 Pandemic has touched the education sector
through the development of e-learning. The use of e-learning media is not only
for formal education learning but has also begun to feel the HR training
department or directorate at state institutions. All ministries and state
agencies in Indonesia must organize online education and training by utilizing
e-learning. The BDK of the Ministry of Religion in Indonesia is very active in
organizing distance education, especially for madrasa teachers, through the
independent development e-learning platform for each BDK of the Ministry of
Religion. This study is intended to investigate the factors driving
satisfaction and retention of MoRA BDK distance training participants using
e-learning. The study was carried out quantitatively based on a survey. It
involved 206 madrasah teacher respondents who had attended the Ministry of
Religion's BDK distance training or distance courses drawn by convenience
sampling. This study found that cognitive uptake and social presence influence
the perceived usefulness and ease of use of e-learning. In addition, this study
determines that perceptions of the usefulness and ease of use of e-learning
significantly influence satisfaction and, ultimately, electronic retention of
MoRA BDK e-learning. This study recommends increasing system capability by combining
utility and intrinsic features and developing a collaborative assignment
system. The instructor's presence must be strengthened via live chat or video
conference scheduling. The Ministry of Religion of the Republic of Indonesia
needs to formulate a more detailed distance training policy, including
appropriate training standards, to achieve the expected competencies of
participants.
Keywords:
e-learning, retention, training, TAM model
Abstrak
Transformasi digital
pasca Pandemi COVID-19 menyentuh hingga sektor pendidikan melalui pengembangan e-learning.
Pemanfaatan media e-learning tidak hanya untuk pembelajaran pendidikan
formal, namun juga mulai menyentuh bagian atau direktorat pelatihan SDM pada
lembaga negara. Saat ini seluruh kementerian dan lembaga negara di Indonesia
dituntut menyelenggarakan pendidikan dan pelatihan secara online dengan
memanfaatkan e-learning. BDK Kemenag di Indonesia sangat aktif
menyelenggarakan pendidikan jarak jauh khususnya bagi guru madrasah melalui
platform e-learning pengembangan mandiri masing-masing BDK Kemenag.
Studi ini ditujukan untuk menginvestigasi faktor yang mendorong kepuasan dan
retensi peserta pelatihan jarak jauh BDK Kemenag dalam menggunakan e-learning.
Studi dilaksanakan secara kuantitatif berbasis survei dan melibatkan 206
responden guru madrasah yang pernah mengikuti pelatihan atau kursus jarak jauh
BDK Kemenag yang ditarik dengan convenience sampling. Studi ini
menemukan bahwa penyerapan kognitif dan kehadiran sosial memiliki pengaruh terhadap
persepsi kegunaan dan kemudahan penggunaan e-learning. Selain itu studi
ini menetapkan persepsi kegunaan dan kemudahan penggunaan e-learning
secara signifikan mempengaruhi kepuasan dan pada ujungnya retensi elektronik
kepada e-learning BDK Kemenag. Studi ini merekomendasikan peningkatakan
kapabilitas sistem melalui penggabungan fitur utilitas dan intrinsik disertai pengembangan
sistem kolaboratif penugasan. Kehadiran instruktur perlu diperkuat baik melalui
fitur live chat ataupun penjadwalan video
conference. Kementerian Agama RI perlu merumuskan kebijakan pelatihan jarak
jauh yang lebih detail termasuk standar pelatihan yang sesuai agar kompetensi
yang diharapkan pada peserta tercapai.
Kata kunci: e-learning, retensi, pelatihan,
model TAM
PENDAHULUAN
Sebelum
internet ada di mana-mana, cara belajar secara tradisional terbatas pada dinding kelas. Namun, di lingkungan
berbasis teknologi internet dan seluler saat ini, peserta didik sekarang memiliki banyak
kesempatan untuk belajar melalui berbagai platform dengan materi yang sama yang
sebelumnya digunakan di ruang kelas tradisional.
Platform teknologi E-Learning kini tidak terbatas
pada kegiatan pembelajaran di kelas,
namun juga sudah menyentuh kegiatan pelatihan atau pengembangan keprofesian
Negara telah memberikan arahan kepada seluruh kementerian
dan lembaga negara agar mulai mengadaptasi teknologi di dalam kegiatan
pelatihan setidaknya berjalan hybrid
Balai Diklat Keagamaan di Indonesia berada di 14 Kota yakni
BDK Aceh, BDK Medan, BDK Padang, BDK Jakarta, BDK Bandung, BDK Semarang, BDK Surabaya,
BDK Banjarmasin, BDK Manado, BDK Makassar, BDK Denpasar, BDK Makassar, BDK
Ambon dan BDK Papua
Gambar 1. Website Pelatihan Jarak Jauh BDK Jakarta
Kegiatan pelatihan jarak jauh yang dilaksanakan BDK
Kemenag salah satunya diadakan untuk tenaga pendidik atau guru Madrasah. Hasil
pantauan peneliti terhadap website BDK secara umum saat masa observasi Bulan
Desember 2022 menemukan berbagai pelatihan keprofesian guru yang sangat selaras
dengan perkembangan keilmuan seperti pelatihan karya tulis ilmiah,
kewirausahaan, moral pancasila dan akseleratif teknologi administrasi. Ini
menunjukkan keseriusan Kementerian Agama RI khususnya BDK Kemenag seluruh kota
di Indonesia mendidik guru madrasah cakap teknologi dan terus belajar dan
berkembang.
Mengingat
pentingnya platform e-learning
dan penerapannya dalam aktivitas
pelatihan BDK Kemenag, penting untuk menentukan tingkat
kepuasan dan retensi di antara pengguna sistem tersebut. Ini penting,
terutama karena tidak jelas apakah guru sebagai peserta
pelatihan puas dengan fungsionalitas dan konten
platform e-learning saat ini. Mengingat
kepuasan pengguna menentukan keberhasilan implementasi teknologi apa pun,
penting untuk menentukan faktor spesifik yang dapat membuat pengguna puas dan
tetap menggunakan sistem
Dalam upaya untuk mempelajari dan menjelaskan apa yang
membuat siswa ataupun guru menggunakan dan puas dengan platform e-learning,
oleh karena itu, beberapa model teoritis telah diusulkan, termasuk
theory of reason action, theory of planned behavior, diffusion
innovation theory and technology acceptance model (TAM)
Oleh karena itu studi ini mengintegrasikan penyerapan
kognitif dan kehadiran sosial yang dirasakan, yang ditemukan dapat meningkatkan
tingkat kepuasan dengan konstruksi TAM untuk memprediksi kepuasan dan
retensi di antara guru madrasah sebagai peserta program jarak jauh BDK Kemenag di Indonesia.
Studi ini sangat penting dikarenakan penelitian terdahulu mengenai e-learning
belum pernah menyimpulkan temuan terkait hal ini. Selain itu, tinjauan
ekstensif para peneliti terhadap literatur mengungkapkan kesenjangan besar,
yang menunjukkan bahwa sebagian besar studi sebelumnya sebagian besar telah
mengabaikan bagaimana menggunakan penerimaan teknologi, penyerapan kognitif dan
kehadiran sosial yang dirasakan secara bersamaan untuk memprediksi kepuasan dan
retensi di antara pengguna e-learning. Sehingga pertanyaan besar
penelitian ini yakni “faktor mana yang secara efektif memprediksi kepuasan
elektronik dan retensi elektronik e-learning pelatihan jarak jauh BDK
Kemenag di antara guru madrasah?”.
Studi ini mencoba membangun model dengan memperjelas
model dasar yakni Technology Acceptance Model. Model TAM memiliki dua
konstruksi utama: persepsi kemanfaatan dan persepsi kemudahan penggunaan
Secara khusus, TAM telah diterapkan secara luas dalam
domain e-learning
Dalam studi ini, penyerapan kognitif dan kehadiran sosial
secara bersamaan ditambahkan untuk memperluas TAM dalam menjelaskan kepuasan e-learning
dan retensi elektronik di antara guru madrasah yang pernah mengikuti pelatihan
jarak jauh BDK Kemenag dengan e-learning mandiri BDK Kemenag. Pembangunan
konstruksi dan hipotesis dimulai pada tahap ini.
Konstruksi inti TAM menekankan bagaimana individu
menggunakan sistem tanpa harus mempertimbangkan motivasi mereka
Dimensi penyerapan kognitif telah menjadi subyek
kontroversi di kalangan peneliti. Misalnya, ketika dikatakan bahwa penyerapan
kognitif terdiri dari lima dimensi: "disosiasi temporal, perendaman
terfokus, kenikmatan tinggi, kontrol dan, rasa ingin tahu", yang lain
menyatakan bahwa dua atau tiga dimensi sudah sesuai
Konsep aliran didefinisikan sebagai “keadaan di mana
orang-orang begitu terlibat dalam suatu aktivitas sehingga tidak ada lagi yang
tampak penting”
Konsep
keterlibatan mengacu pada kesenangan yang menyangkut minat intrinsik,
keingintahuan, dan perhatian tanpa harus memiliki persepsi bertanggung jawab
H1: Penyerapan Kognitif berpengaruh signifikan dan positif terhadap
persepsi kemanfaatan.
H2: Penyerapan Kognitif berpengaruh signifikan dan positif
terhadap kemudahan penggunaan.
Kehadiran sosial yang dirasakan mengacu pada perasaan
relasional yang dimiliki seseorang saat menggunakan sistem
Fauzi (2021) dan Girish (2022) berpendapat bahwa
perasaan relasional dalam platform pembelajaran online secara signifikan
memengaruhi kehadiran sosial TI, yang pada akhirnya memperkaya pengalaman
belajar dan menimbulkan motivasi intrinsik
H3: Kehadiran Sosial
Yang Dirasakan berpengaruh signifikan dan positif terhadap persepsi kemanfaatan.
H4: Kehadiran Sosial Yang
Dirasakan berpengaruh signifikan dan positif terhadap kemudahan penggunaan.
Persepsi kemanfaatan adalah salah satu variabel inti dari
TAM
H5: Persepsi kemanfaatan berpengaruh signifikan dan positif
terhadap kepuasan elektronik .
Persepsi kemudahan penggunaan adalah konstruksi lain dari
TAM
Persepsi kemudahan penggunaan relevan dalam penelitian
ini, karena dikaitkan langsung dengan kepuasan belajar berdasarkan penelitian
yang menunjukkan bahwa pengguna dapat diminta untuk membatalkan kursus
tertentu, terutama yang tidak wajib, jika mereka merasa bahwa platform
pembelajaran online menimbulkan kesulitan
H6: Persepsi Kemudahan
Penggunaan berpengaruh signifikan dan positif terhadap kepuasan elektronik
Kepuasan elektronik merupakan persepsi pelanggan tentang
total pengalaman online mereka selama waktu tertentu
Dalam pengaturan tradisional, pelanggan dapat mengeluh
tentang kekurangan layanan yang diberikan langsung ke penyedia layanan, tetapi
dalam lingkungan yang mendukung teknologi saat ini, peluang semakin langka bagi
penyedia layanan karena momen kebenaran cenderung menuju nol
Studi yang menggunakan faktor TAM untuk memprediksi e-satisfaction antara
pengguna e-learning sangat terbatas karena sebagian besar studi yang ada
berkonsentrasi pada niat
H7: e-satisfaction berpengaruh signifikan dan positif terhadap e-retention.
Dengan kajian literatur dan bukti penelitian yang kuat,
semakin mengukuhkan urgensi riset ini untuk dijalankan. Penelitian ini
bertujuan untuk secara bersamaan menguji pengaruh penyerapan kognitif dan
kehadiran sosial yang dirasakan pada variabel inti model penerimaan teknologi,
kepuasan dan retensi e-learning di antara guru madrasah peserta
pelatihan jarak jauh BDK Kemenag di Indonesia. Studi ini berkontribusi pada
tubuh pengetahuan dalam dua cara. Pertama, para peneliti menggunakan variabel
TAM untuk memprediksi e-satisfaction dan e-retention di antara
peserta pelatihan BDK Kemenag untuk mengisi kesenjangan kelangkaan literatur.
Kedua, dan yang paling penting, penelitian memajukan hubungan baru melalui
integrasi bersamaan dari penyerapan kognitif dan kehadiran sosial yang
dirasakan dengan variabel inti TAM untuk memprediksi kepuasan elektronik dan
retensi elektronik. Meskipun penelitian sebelumnya telah mempertimbangkan
variabel-variabel ini secara independen, sepengetahuan para peneliti, integrasi
bersamaan belum diuji secara empiris sebelum menggunakan platform e-learning
BDK Kemenag. Integrasi ini merupakan celah besar yang diisi oleh studi ini.
METODE
Penelitian
ini bersifat kuantitatif dan melakukan survei dalam mengumpulkan datanya
sejalan dengan penelitian terbaru lainnya. Literatur
yang masih ada secara ekstensif mendukung penelitian kuantitatif karena
objektivitas ilmiahnya, kausalitas variabel dan replikasi instrumen pengukuran.
Model penelitian merupakan hasil kajian teoritis pada
bagian pendahuluan dengan tujuh hipotesis yang tergambarkan lebih lanjut pada
Gambar 2.
Gambar 2. Model Penelitian
Penelitian
ini, oleh karena itu, menggunakan ukuran statistik untuk menguji hubungan
antara variabel yang dipilihnya. Instrumen yang digunakan terdiri dari 32
item. Untuk mengidentifikasi item-item ini, para peneliti meninjau
literatur secara ekstensif dalam domain TAM, penyerapan kognitif dan teori
kehadiran sosial yang dirasakan, kepuasan elektronik serta retensi
elektronik. Penelitian ini
menggunakan skala Likert lima poin. Konstruk, item pengukuran dan sumbernya
disajikan pada Tabel 1.
Tabel 1. Definisi Operasional Variabel
Variabel |
Indikator |
Sumber |
Penyerapan Kognitif |
Saya terkadang waktu saat menggunakan platform e-learning
BDK Kemenag |
(Jalal & Mahmood, 2019;
Salimon et al., 2021a) |
Waktu berlalu dengan cepat saat saya menggunakan e-learning
BDK Kemenag |
||
Saya sering menghabiskan waktu lebih dari yang saya
rencanakan saat online |
||
Saya sering menghabiskan lebih banyak waktu di e-learning
BDK Kemenag daripada yang dimaksudkan |
||
Saat saya menggunakan e-learning BDK Kemenag,
saya memblokir aktivitas lain |
||
Saya selalu asyik dengan aktivitas e-learning
BDK Kemenag |
||
Saat menggunakan e-learning BDK Kemenag, saya
tenggelam dalam tugas yang saya lakukan |
||
Saya bersenang-senang saat menggunakan e-learning
BDK Kemenag |
||
Saya tidak bosan saat menggunakan e-learning BDK
Kemenag |
||
Saya senang menggunakan e-learning BDK Kemenag |
||
Kehadiran Sosial Yang Dirasakan |
Saya menyadari kehadiran teman atau rekan kerja saya
saat menggunakan e-learning BDK Kemenag |
(Opoku, 2020; Rahmawati, 2019; Salimon et
al., 2021a) |
Saya merasakan kehadiran instruktur saat menggunakan e-learning
BDK Kemenag |
||
Saya merasakan keramahan saat menggunakan e-learning BDK
Kemenag |
||
Saya merasakan kehangatan manusia di dalam platform e-learning
BDK Kemenag |
||
Saya merasakan kepekaan manusia di dalam platform e-learning
BDK Kemenag |
||
Saya merasakan kehadiran pengguna lain saat menggunakan
platform e-learning BDK Kemenag |
||
Persepsi Kemanfaatan |
Platform e-learning BDK Kemenag meningkatkan
nilai saya |
(Natasia et al., 2022; Salloum et al.,
2019; Tarhini et al., 2017) |
Platform e-learning BDK Kemenag adalah cara
pelatihan baru yang bermanfaat |
||
Platform e-learning BDK Kemenag berguna dalam
kehidupan sehari-hari saya |
||
Platform e-learning BDK Kemenag menghemat banyak
waktu |
||
Informasi dan materi yang diberikan dalam e-learning
BDK Kemenag sangat berharga |
||
Lingkungan e-learning BDK Kemenag informatif |
||
Persepsi Kemudahan
Penggunaan |
Belajar dengan menggunakan e-learning BDK
Kemenag sangat mudah |
(Natasia et al., 2022; Salloum et al.,
2019; Tarhini et al., 2017) |
Platform e-learning BDK Kemenag sangat
interaktif |
||
Sangat mudah bagi saya menjadi ahli pengguna e-learning
BDK Kemenag |
||
Saya dengan mudah memahami informasi yang tersedia
secara online |
||
Saya merasa tugas e-learning BDK Kemenag mudah |
||
Secara keseluruhan, lingkungan e-learning BDK
Kemenag itu mudah |
||
Kepuasan Elektronik |
Saya merasa puas dengan platform e-learning BDK
Kemenag |
(Pham et al., 2018; Rani et al., 2014) |
Saya merasa gembira saat menggunakan e-learning
BDK Kemenag |
||
Fitur desain e-learning BDK Kemenag membuat saya
puas |
||
Retensi Elektronik |
Saya akan terus menggunakan e-learning BDK
Kemenag |
(Pham et al., 2018; Rani et al., 2014) |
Saya akan merekomendasikan pelatihan online melalui e-learning
BDK Kemenag kepada rekan saya |
||
Saya akan mendorong orang lain untuk menggunakan e-learning
BDK Kemenag |
Proses pengambilan data dilakukan secara online
melalui Google Form dengan waktu penyebaran selama dua bulan
yakni Desember 2022 - Januari 2023. Dikarenakan peneliti mengandalkan
keterjangkauan, maka penarikan sampel dilakukan dengan teknik Convenience
Sampling. Keterwakilan sampel
sebagai representasi alumni Balai Diklat Keagamaan
se-Indonesia dilakukan dengan minimal harus adanya
responden dari Balai minimum 10 BDK Kemenag.
Penelitian ini menggunakan model persamaan parsial kuadrat-struktural
(PLS-SEM) menggunakan perangkat lunak SmartPLS 3.0. PLS-SEM adalah
teknik dua fase dan telah digunakan secara luas di berbagai bidang multivariat
karena cocok untuk mengeksplorasi hubungan kompleks yang ditimbulkan oleh
banyak faktor yang saling terkait dalam model tertentu
HASIL DAN PEMBAHASAN
Karakteristik
Responden
Penelitian ini berhasil mendapatkan 206 Responden dengan
rincian mayoritas guru bergender perempuan sebesar 60%, sedangkan sisanya 40%
merupakan laki-laki. Pada sisi usia responden mayoritas masih berusia 26-30
tahun atau guru muda.
Pada sisi demografi, mayoritas responden berasal dari
pulau Jawa, sedangkan Sumatera menjadi peringkat kedua. Tingkatan madrasah
tempat responden mengabdi sebagian besar pada tingkat Madrasah Tsanawiyah.
Terkait asal BDK Kemenag tempat pelatihan jarak jauh, BDK Jakarta dan BDK
Semarang menjadi dua homebase favorit penelitian ini.
Tabel 2.
Karakteristik Responden
Variabel |
Deskripsi |
Frekuensi |
Persentase |
Gender |
Laki-Laki |
82 |
40% |
Perempuan |
124 |
60% |
|
Usia |
23-25 |
27 |
11% |
26-30 |
79 |
32% |
|
31-35 |
68 |
28% |
|
36-40 |
38 |
15% |
|
41-45 |
9 |
4% |
|
46-50 |
20 |
8% |
|
Lebih dari 50 Tahun |
6 |
2% |
|
Demografi |
Sumatera |
34 |
17% |
Jawa |
131 |
64% |
|
Bali-Nusa Tenggara |
17 |
8% |
|
Kalimantan |
13 |
6% |
|
Sulawesi |
7 |
3% |
|
Papua |
4 |
2% |
|
Tingkatan Madrasah |
Madrasah Ibtidaiyah |
31 |
15% |
Madrasah Tsanawiyah |
116 |
56% |
|
Madrasah Aliyah |
59 |
29% |
|
Asal BDK Kemenag |
BDK Medan |
9 |
4% |
BDK Padang |
6 |
3% |
|
BDK Palembang |
19 |
9% |
|
BDK Jakarta |
62 |
30% |
|
BDK Bandung |
27 |
13% |
|
BDK Semarang |
43 |
21% |
|
BDK Surabaya |
16 |
8% |
|
BDK Banjarmasin |
13 |
6% |
|
BDK Makassar |
7 |
4% |
|
BDK Papua |
4 |
2% |
Pengujian Outer Measurement Model
Model
pengukuran reflektif diterapkan untuk mengukur empat aspek: outer loadings, average variant extracted, composite
reliability dan cronbach alpha. Pengukuran validitas terletak pada
nilai outer loadings diharapkan seluruh indikator berada diatas 0,5 dan
idealnya di atas 0,7
Pada Tabel 3 menggambarkan bahwa
hasil model pengukuran yang diperoleh dalam penelitian ini signifikan dan dapat
diterima, karena semua nilai memenuhi ambang batas yang diwajibkan. Sehingga dapat disimpulkan model pengukuran disertai seluruh indikator
variabel telah memenuhi syarat validitas dan reliabilitas. Proses analisis
dapat dilanjutkan pada inner model structural untuk menganalisis
kekuatan model dan uji hipotesis.
Tabel 3. Hasil
Pengujian Outer Model
Variabel |
Indikator |
Outer Loadings
Scale Output |
Average Variant
Extracted |
Composite
Reliability |
Cronbach Alpha |
Penyerapan
Kognitif |
PKF1-PKF10 |
0,730-0,896 |
0,775 |
0,912 |
0,840 |
Kehadiran
Sosial Yang Dirasakan |
KHD1-KHD6 |
0,727-0,864 |
0,704 |
0,904 |
0,864 |
Persepsi
Kemanfaatan |
PKN1-PKN6 |
0,724-0,851 |
0,635 |
0,884 |
0,847 |
Persepsi
Kemudahan Penggunaan |
PKP1-PKP6 |
0,705-0,823 |
0,618 |
0,863 |
0,812 |
Kepuasan
Elektronik |
KEK1-KEK3 |
0,855-0,946 |
0,592 |
0,848 |
0,853 |
Retensi
Elektronik |
REK1-REK3 |
0,706-0,811 |
0,792 |
0,928 |
0,864 |
Pengujian Inner
Model Structural
Model
struktural memungkinkan peneliti untuk menentukan derajat signifikansi
koefisien jalur. Untuk menentukan hal tersebut, peneliti diharuskan
melakukan bootstrap dengan menggunakan subsampel beserta kasus sampel
aktual pada PLS-SEM. Gambar 2 merupakan representasi
dari hasil pengujian Inner Model Structural melalui prosedur Bootstrapping
SmartPLS.
Gambar 2.
Representasi Pengujian Inner Model Structural
Dalam
menilai model struktural, diukur dua aspek besar
yakni koefisien determinasi dan path coefficient. Nilai R2 mewakili
kekuatan penjelas dari model struktural, dan nilai R2 masing - masing 0,75,
0,50 dan 0,25 dianggap substansial, sedang dan lemah
Pada Tabel 4 menunjukkan seluruh nilai konstruk endogen
berada di atas
nilai 0.750 sehingga dapat disimpulkan secara nyata bahwa keseluruhan variabel
eksogen mempengaruhi endogen secara kuat. Ini juga menunjukkan model konstruk
ini sangat kuat.
Selanjutnya pada Tabel 4 menunjukkan hasil penerimaan keseluruhan hipotesis
yang diajukan. Penjelasan lebih lanjut mengenai interpretasi hipotesis pada
subbab berikutnya.
Tabel 4. Hasil
Pengujian Inner Model Structural
Penyataan |
Path
Coefficient |
T-Test |
P-Value |
Keputusan |
R-Square |
H1: PKFPKN |
1,019 |
75.495 |
0,000 |
Diterima |
0,790 |
H2: PKFPKP |
0,700 |
56.506 |
0,000 |
Diterima |
0,855 |
H3: KHDPKN |
0,199 |
5.179 |
0,004 |
Diterima |
0,790 |
H4: KHDPKP |
0,304 |
22.544 |
0,000 |
Diterima |
0,855 |
H5: PKNKEK |
1,019 |
53.617 |
0,000 |
Diterima |
0,831 |
H6: PKPKEK |
0,156 |
7.170 |
0,000 |
Diterima |
|
H7: KEKREK |
0,665 |
37.252 |
0,000 |
Diterima |
0,942 |
PEMBAHASAN
Penelitian ini merumuskan tujuh hipotesis untuk
menentukan faktor-faktor yang secara langsung dan tidak langsung mempengaruhi
kepuasan elektronik dan retensi elektronik di kalangan guru madrasah pengguna e-learning
pelatihan jarak jauh BDK Kemenag.
Hasil pengujian hipotesis pertama menemukan penyerapan
kognitif sebagai anteseden persepsi kemanfaatan yang signifikan dan ini sejalan
dengan penelitian terdahulu (Dror et al., 2011; Jalal & Mahmood, 2019; A.
Wong et al., 2012b). Hal ini menunjukkan bahwa persepsi kegunaan e-learning
di kalangan guru madrasah peserta pelatihan BDK Kemenag meningkat, karena
mereka mengalami keterlibatan holistik (yaitu pencelupan terfokus), menikmati
atau memperoleh kesenangan saat berinteraksi dengan platform (yaitu kenikmatan
yang meningkat) dan asyik dengan zona pelatihan online (sementara disosiasi).
Ini semakin memperkuat penyerapan kognitif sebagai faktor motivasi intrinsik di
mana pengguna sistem secara kognitif terjerat hanya demi kesenangan selain
manfaat lainnya.
Demikian pula, penyerapan kognitif secara positif
mempengaruhi persepsi kemudahan penggunaan. Sehingga mengkonfirmasi penyerapan
kognitif sebagai prediktor kemudahan penggunaan. Ini tampaknya menegaskan
kembali fakta bahwa platform pembelajaran online yang secara kognitif
melibatkan pengguna dan melalui mana mereka mendapatkan kesenangan selama
penggunaan akan dianggap lebih mudah digunakan daripada sebaliknya.
Hasil pengujian hipotesis ketiga menunjukkan peran
variabel kehadiran sosial sebagai prediktor signifikan daripada persepsi
kemanfaatan. Hasil ini sejalan dengan temuan Fauzi (2021) dan Girish (2022).
Ini menyiratkan bahwa perasaan kehadiran orang lain membuat persepsi
kemanfaatan sistem meningkat karena pengguna mengalami keterlibatan penuh
dengan platform pembelajaran online sambil menikmati kesenangan konfigurasi,
yang membuat individu merasa bahwa sistem itu bermanfaat.
Selain
itu, hubungan antara kehadiran sosial yang dirasakan dan persepsi kemudahan penggunaan juga signifikan dan positif,
sehingga menggemakan temuan sebelumnya
Berikutnya studi ini berhasil membuktikan persepsi
kemanfaatan memiliki hubungan yang signifikan dan
positif dengan kepuasan elektronik, seperti yang dilaporkan sebelumnya oleh
penelitian lain
Terakhir, studi ini mencatat signifikansi pengaruh kepuasan
terhadap retensi elektronik pada e-learning BDK Kemenag. Hasil ini
sejalan dengan studi terdahulu
KESIMPULAN
Studi
ini menyimpulkan bahwa tujuh hubungan yang diusulkan mendapat dukungan yang
kuat. Persepsi kemanfaatan dan kemudahan penggunaan berpengaruh positif
terhadap kepuasan elektronik. Penyerapan kognitif juga berdampak positif pada
persepsi kemanfaatan dan kemudahan penggunaan, sementara kehadiran sosial yang
dirasakan memprediksi secara positif kemudahan penggunaan. Temuan penelitian
ini menguji pengaruh persepsi kemanfaatan, persepsi kemudahan penggunaan,
penyerapan kognitif, kehadiran sosial yang dirasakan, kepuasan elektronik, dan
retensi elektronik terhadap niat menggunakan e-learning BDK Kemenag oleh
guru madrasah peserta pelatihan jarak jauh. Peneliti membentuk kerangka kerja
yang divalidasi dengan data yang dikumpulkan. Implikasi akademis dari
penelitian ini adalah perluasan TAM dengan penyerapan kognitif dan kehadiran
sosial yang dirasakan untuk memprediksi kepuasan dan retensi elektronik pada
peserta pelatihan jarak jauh BDK Kemenag. Temuan ini memberikan wawasan tentang
penyerapan kognitif dan kehadiran sosial serta integrasinya dengan variabel
inti TAM dalam memprediksi kepuasan dan retensi peserta pelatihan online.
Instruktur platform e-learning dapat menerapkan sistem dengan efektif
untuk meningkatkan niat belajar peserta.
Dalam
hal praktis, BDK Kemenag harus mempertimbangkan persyaratan kognitif pengguna
dan fitur kehadiran sosial dalam mengkonfigurasi sistem e-learning untuk
meningkatkan kegunaan dan kepuasan pengguna. Fitur kehadiran sosial juga
penting untuk meningkatkan kemudahan penggunaan, kepuasan, dan retensi
pengguna. Pengembangan platform
e-learning yang ramah pengguna segala usia penting melalui fitur yang
simpel namun kaya akan pengetahuan. Temuan penelitian ini
mendukung pemerintah dalam merumuskan kebijakan sistem pelatihan jarak jauh
bagi tenaga pendidik, khususnya melalui penyerapan kognitif dan kehadiran
sosial dalam platform e-learning. Standar pelatihan
daring harus ditetapkan agar menjadi ketaatan baik peserta maupun instruktur
dalam proses pelatihan. Studi ini juga menjadi penguat panduan pemerintah dalam
merumuskan kebijakan sistem pelatihan jarak jauh bagi tenaga pendidik.
Balitbangdiklat Kemenag sebagai jangkar utama platform e-learning
sama-sama mengeluarkan anggaran besar untuk memastikan terciptanya proses
pembelajaran e-learning yang efektif.
DAFTAR PUSTAKA
Aburbeian, A.
M., Owda, A. Y., & Owda, M. (2022). A Technology Acceptance Model Survey
of the Metaverse Prospects. AI, 3(2), 285–302.
https://doi.org/10.3390/ai3020018
Alfadda, H.
A., & Mahdi, H. S. (2021). Measuring Students’ Use of Zoom Application in
Language Course Based on the Technology Acceptance Model (TAM). Journal of
Psycholinguistic Research, 50(4), 883–900. https://doi.org/10.1007/s10936-020-09752-1
Al‐hawari, M. A., & Mouakket, S.
(2010). The influence of technology acceptance model (TAM) factors on
students’ e‐satisfaction and e‐retention within the context of UAE
e‐learning. Education, Business
and Society: Contemporary Middle Eastern Issues, 3(4), 299–314.
https://doi.org/10.1108/17537981011089596
Al-Nuaimi, M.
N., & Al-Emran, M. (2021). Learning management systems and technology
acceptance models: A systematic review. Education and Information
Technologies, 26(5), 5499–5533.
https://doi.org/10.1007/s10639-021-10513-3
Al-Salman, S.,
Haider, A. S., & Saed, H. (2022). The psychological impact of COVID-19’s
e-learning digital tools on Jordanian university students’ well-being. The
Journal of Mental Health Training, Education and Practice, 17(4),
342–354. https://doi.org/10.1108/JMHTEP-09-2021-0106
Becker, J.-M.,
Cheah, J.-H., Gholamzade, R., Ringle, C. M., & Sarstedt, M. (2023).
PLS-SEM’s most wanted guidance. International Journal of Contemporary
Hospitality Management, 35(1), 321–346.
https://doi.org/10.1108/IJCHM-04-2022-0474
Boon-itt, S.
(2015). Managing self-service technology service quality to enhance
e-satisfaction. International Journal of Quality and Service Sciences, 7(4),
373–391. https://doi.org/10.1108/IJQSS-01-2015-0013
Cheung, R.,
& Vogel, D. (2013a). Predicting user acceptance of collaborative
technologies: An extension of the technology acceptance model for e-learning. Computers
& Education, 63, 160–175.
https://doi.org/10.1016/j.compedu.2012.12.003
Cheung, R.,
& Vogel, D. (2013b). Predicting user acceptance of collaborative
technologies: An extension of the technology acceptance model for e-learning. Computers
& Education, 63, 160–175.
https://doi.org/10.1016/j.compedu.2012.12.003
Chu, T.-H.,
& Chen, Y.-Y. (2016). With Good We Become Good: Understanding e-learning
adoption by theory of planned behavior and group influences. Computers
& Education, 92–93, 37–52.
https://doi.org/10.1016/j.compedu.2015.09.013
Cinquin,
P.-A., Guitton, P., & Sauzéon, H. (2019). Online e-learning and cognitive
disabilities: A systematic review. Computers & Education, 130,
152–167. https://doi.org/10.1016/j.compedu.2018.12.004
Dash, G.,
& Paul, J. (2021). CB-SEM vs PLS-SEM methods for research in social
sciences and technology forecasting. Technological Forecasting and Social
Change, 173, 121092. https://doi.org/10.1016/j.techfore.2021.121092
Dror, I.,
Schmidt, P., & O’connor, L. (2011). A cognitive perspective on technology
enhanced learning in medical training: Great opportunities, pitfalls and
challenges. Medical Teacher, 33(4), 291–296.
https://doi.org/10.3109/0142159X.2011.550970
Estriegana,
R., Medina-Merodio, J.-A., & Barchino, R. (2019). Student acceptance of
virtual laboratory and practical work: An extension of the technology
acceptance model. Computers & Education, 135, 1–14.
https://doi.org/10.1016/j.compedu.2019.02.010
Fauzi, A.,
Wandira, R., Sepri, D., & Hafid, A. (2021). Exploring Students’ Acceptance
of Google Classroom during the COVID-19 Pandemic by Using the Technology
Acceptance Model in West Sumatera Universities. Electronic Journal of
E-Learning, 19(4), 233–240.
Girish, V. G.,
Kim, M.-Y., Sharma, I., & Lee, C.-K. (2022a). Examining the structural
relationships among e-learning interactivity, uncertainty avoidance, and
perceived risks of COVID-19: Applying extended technology acceptance model. International
Journal of Human–Computer Interaction, 38(8), 742–752.
https://doi.org/10.1080/10447318.2021.1970430
Girish, V. G.,
Kim, M.-Y., Sharma, I., & Lee, C.-K. (2022b). Examining the structural
relationships among e-learning interactivity, uncertainty avoidance, and perceived
risks of COVID-19: Applying extended technology acceptance model. International
Journal of Human–Computer Interaction, 38(8), 742–752.
https://doi.org/10.1080/10447318.2021.1970430
Granić, A.,
& Marangunić, N. (2019). Technology acceptance model in educational
context: A systematic literature review. British Journal of Educational
Technology, 50(5), 2572–2593. https://doi.org/10.1111/bjet.12864
Hair, J.,
& Alamer, A. (2022). Partial Least Squares Structural Equation Modeling
(PLS-SEM) in second language and education research: Guidelines using an
applied example. Research Methods in Applied Linguistics, 1(3),
100027. https://doi.org/10.1016/j.rmal.2022.100027
Headar, M. M.,
Elaref, N., & Yacout, O. M. (2013). Antecedents and Consequences of
Student Satisfaction with e-Learning: The Case of Private Universities in
Egypt. Journal of Marketing for Higher Education, 23(2),
226–257. https://doi.org/10.1080/08841241.2013.867919
Hsia, J.-W.,
Chang, C.-C., & Tseng, A.-H. (2014). Effects of individuals’ locus of
control and computer self-efficacy on their e-learning acceptance in high-tech
companies. Behaviour & Information Technology, 33(1), 51–64.
https://doi.org/10.1080/0144929X.2012.702284
Hu, P. J.,
Chau, P. Y. K., Liu Sheng, O. R., & Tam, K. Y. (1999). Examining the
Technology Acceptance Model Using Physician Acceptance of Telemedicine
Technology. Journal of Management Information Systems, 16(2),
91–112. https://doi.org/10.1080/07421222.1999.11518247
Huang, T.-H.,
Liu, F., Chen, L.-C., & Tsai, C.-C. (2021). The acceptance and impact of
Google Classroom integrating into a clinical pathology course for nursing
students: A technology acceptance model approach. PLOS ONE, 16(3),
e0247819. https://doi.org/10.1371/journal.pone.0247819
Ilgaz, H.,
& Gülbahar, Y. (2015). A snapshot of online learners: e-Readiness,
e-Satisfaction and expectations. The International Review of Research in
Open and Distributed Learning, 16(2).
https://doi.org/10.19173/irrodl.v16i2.2117
Indriati, F.,
& Agustina, P. (2018). The influence of UTAUT factors on E-retention with
E-satisfaction as mediating variable in E-learning. Hasanuddin Economics
and Business Review, 2(1), 19–33.
Jalal, A.,
& Mahmood, M. (2019). Students’ behavior mining in e-learning environment
using cognitive processes with information technologies. Education and
Information Technologies, 24(5), 2797–2821.
https://doi.org/10.1007/s10639-019-09892-5
Kelders, S.
M., van Zyl, L. E., & Ludden, G. D. S. (2020). The Concept and Components
of Engagement in Different Domains Applied to eHealth: A Systematic Scoping
Review. Frontiers in Psychology, 11.
https://doi.org/10.3389/fpsyg.2020.00926
Kemp, A.,
Palmer, E., & Strelan, P. (2019). A taxonomy of factors affecting
attitudes towards educational technologies for use with technology acceptance
models. British Journal of Educational Technology, 50(5),
2394–2413. https://doi.org/10.1111/bjet.12833
Kong, S.-C.
(2021). Delivery and evaluation of an e-Learning framework through computer-aided
analysis of learners’ reflection text in a teacher development course. Research
and Practice in Technology Enhanced Learning, 16(1), 28.
https://doi.org/10.1186/s41039-021-00172-w
Konstantinidis,
Kl., Apostolakis, I., & Karaiskos, P. (2022). A narrative review of
e-learning in professional education of healthcare professionals in medical
imaging and radiation therapy. Radiography, 28(2), 565–570.
https://doi.org/10.1016/j.radi.2021.12.002
Liao, Y.-K.,
Wu, W.-Y., Le, T. Q., & Phung, T. T. T. (2022). The Integration of the
Technology Acceptance Model and Value-Based Adoption Model to Study the
Adoption of E-Learning: The Moderating Role of e-WOM. Sustainability, 14(2),
815. https://doi.org/10.3390/su14020815
Mehta, A.,
Morris, N. P., Swinnerton, B., & Homer, M. (2019). The Influence of Values
on E-learning Adoption. Computers & Education, 141, 103617.
https://doi.org/10.1016/j.compedu.2019.103617
Mishra, V. K.
(2021). An overview on cognitive load theory and concepts of human-computer
interaction. Asian Journal of Multidimensional Research, 10(12),
591–597.
Natasia, S.
R., Wiranti, Y. T., & Parastika, A. (2022). Acceptance analysis of NUADU
as e-learning platform using the Technology Acceptance Model (TAM) approach. Procedia
Computer Science, 197, 512–520.
https://doi.org/10.1016/j.procs.2021.12.168
Nugraha, F.,
Restendi, D., & Triyanto, A. (2020). Pengembangan sistem pelatihan jarak
jauh berbasis moodle di Balai Diklat Keagamaan Bandung. Andragogi: Jurnal
Diklat Teknis Pendidikan Dan Keagamaan, 8(2), 540.
Opoku, D.
(2020). Determinants of e-learning system adoption among ghanaian university
lecturers: An application of information system success and technology
acceptance models. American Journal of Social Sciences and Humanities, 5(1),
151–168.
Oyman, M.,
Bal, D., & Ozer, S. (2022). Extending the technology acceptance model to
explain how perceived augmented reality affects consumers’ perceptions. Computers
in Human Behavior, 128, 107127.
https://doi.org/10.1016/j.chb.2021.107127
Pal, D., &
Vanijja, V. (2020). Perceived usability evaluation of Microsoft Teams as an
online learning platform during COVID-19 using system usability scale and
technology acceptance model in India. Children and Youth Services Review,
119, 105535. https://doi.org/10.1016/j.childyouth.2020.105535
Persico, D.,
Manca, S., & Pozzi, F. (2014). Adapting the Technology Acceptance Model to
evaluate the innovative potential of e-learning systems. Computers in Human
Behavior, 30, 614–622. https://doi.org/10.1016/j.chb.2013.07.045
Pinho, C.,
Franco, M., & Mendes, L. (2021). Application of innovation diffusion
theory to the E-learning process: higher education context. Education and
Information Technologies, 26(1), 421–440.
https://doi.org/10.1007/s10639-020-10269-2
Pituch, K. A.,
& Lee, Y. (2006). The influence of system characteristics on e-learning
use. Computers & Education, 47(2), 222–244.
https://doi.org/10.1016/j.compedu.2004.10.007
Prasetyo, Y.
T., Ong, A. K. S., Concepcion, G. K. F., Navata, F. M. B., Robles, R. A. v.,
Tomagos, I. J. T., Young, M. N., Diaz, J. F. T., Nadlifatin, R., & Redi,
A. A. N. P. (2021). Determining Factors Affecting Acceptance of E-Learning
Platforms during the COVID-19 Pandemic: Integrating Extended Technology
Acceptance Model and DeLone & McLean IS Success Model. Sustainability,
13(15), 8365. https://doi.org/10.3390/su13158365
Rahman, M. A.,
Amarullah, R., & Hidayah, K. (2020). Evaluasi Penerapan Model Pembelajaran
E-Learning pada Pelatihan Dasar Calon Pegawai Negeri Sipil. Jurnal Borneo
Administrator, 16(1), 101–116.
https://doi.org/10.24258/jba.v16i1.656
Rahmawati, R.
N. (2019). Self-efficacy and use of e-learning: A theoretical review
technology acceptance model (TAM). American Journal of Humanities and
Social Sciences Research, 3(5), 41–55.
Rahmawati, R.
N., & Narsa, I. M. (2019). Penggunaan e-learning dengan Technology
Acceptance Model (TAM). Jurnal Inovasi Teknologi Pendidikan, 6(2),
127–136.
Raspopovic,
M., & Jankulovic, A. (2017). Performance measurement of e-learning using
student satisfaction analysis. Information Systems Frontiers, 19(4),
869–880. https://doi.org/10.1007/S10796-016-9636-Z/TABLES/8
Revythi, A.,
& Tselios, N. (2019a). Extension of technology acceptance model by using
system usability scale to assess behavioral intention to use e-learning. Education
and Information Technologies, 24(4), 2341–2355.
https://doi.org/10.1007/s10639-019-09869-4
Revythi, A.,
& Tselios, N. (2019b). Extension of technology acceptance model by using
system usability scale to assess behavioral intention to use e-learning. Education
and Information Technologies, 24(4), 2341–2355.
https://doi.org/10.1007/s10639-019-09869-4
Saade, R.,
& Kira, D. (2009). Computer Anxiety in E-Learning: The Effect of Computer
Self-Efficacy. Proceedings of the 2009 InSITE Conference, 8.
https://doi.org/10.28945/3386
Salimon, M.
G., Sanuri, S. M. M., Aliyu, O. A., Perumal, S., & Yusr, M. M. (2021a).
E-learning satisfaction and retention: a concurrent perspective of cognitive
absorption, perceived social presence and technology acceptance model. Journal
of Systems and Information Technology, 23(1), 109–129.
https://doi.org/10.1108/JSIT-02-2020-0029
Salimon, M.
G., Sanuri, S. M. M., Aliyu, O. A., Perumal, S., & Yusr, M. M. (2021b).
E-learning satisfaction and retention: a concurrent perspective of cognitive
absorption, perceived social presence and technology acceptance model. Journal
of Systems and Information Technology, 23(1), 109–129.
https://doi.org/10.1108/JSIT-02-2020-0029
Salloum, S.
A., Qasim Mohammad Alhamad, A., Al-Emran, M., Abdel Monem, A., & Shaalan,
K. (2019). Exploring Students’ Acceptance of E-Learning Through the
Development of a Comprehensive Technology Acceptance Model. IEEE Access,
7, 128445–128462. https://doi.org/10.1109/ACCESS.2019.2939467
Setiyani, L.,
Effendy, F., & Slamet, A. A. (2021). Using Technology Acceptance Model 3
(TAM 3) at selected private technical high school: google drive storage in
e-learning. Utamax: Journal of Ultimate Research and Trends in Education,
3(2), 80–89.
Silva, P.
(2015). Davis’ technology acceptance model (TAM)(1989). Information Seeking
Behavior and Technology Adoption: Theories and Trends, 205–219.
Sukendro, S.,
Habibi, A., Khaeruddin, K., Indrayana, B., Syahruddin, S., Makadada, F. A.,
& Hakim, H. (2020). Using an extended Technology Acceptance Model to
understand students’ use of e-learning during Covid-19: Indonesian sport
science education context. Heliyon, 6(11), e05410.
https://doi.org/10.1016/j.heliyon.2020.e05410
Tarhini, A.,
Hone, K., Liu, X., & Tarhini, T. (2017). Examining the moderating effect
of individual-level cultural values on users’ acceptance of E-learning in
developing countries: a structural equation modeling of an extended technology
acceptance model. Interactive Learning Environments, 25(3),
306–328. https://doi.org/10.1080/10494820.2015.1122635
Wong, A.,
Leahy, W., Marcus, N., & Sweller, J. (2012a). Cognitive load theory, the transient
information effect and e-learning. Learning and Instruction, 22(6),
449–457. https://doi.org/10.1016/j.learninstruc.2012.05.004
Wong, A.,
Leahy, W., Marcus, N., & Sweller, J. (2012b). Cognitive load theory, the
transient information effect and e-learning. Learning and Instruction, 22(6),
449–457. https://doi.org/10.1016/j.learninstruc.2012.05.004
Wong, W.
P.-M., Lo, M.-C., & Ramayah, T. (2014). The effects of technology
acceptance factors on customer e-loyalty and e-satisfaction in Malaysia. International
Journal of Business and Society, 15(3), 477.
Wu, C.-C.,
& Hsu, C.-L. (2015). How to Improve E-Satisfaction and E-Loyalty and Strengthen
the Links Between Them: Value From Regulatory Fit. Human Factors and
Ergonomics in Manufacturing & Service Industries, 25(3),
353–369. https://doi.org/10.1002/hfm.20549
Zardari, B.
A., Hussain, Z., Arain, A. A., Rizvi, W. H., & Vighio, M. S. (2021).
Development and Validation of User Experience-Based E-Learning Acceptance
Model for Sustainable Higher Education. Sustainability, 13(11),
6201. https://doi.org/10.3390/su13116201