Anda di halaman 1dari 18

Validasi Model UTAUT: Mempertimbangkan kembali Hubungan Non-Linear Variabel Eksogen dalam

Penelitian Penerimaan Teknologi Pendidikan Tinggi

PENGANTAR

Ini adalah fakta yang tak terbantahkan bahwa abad ke-21 telah dibanjiri dengan teknologi yang jauh di
luar perkiraan. Mengenang jejak usia pendidikan jarak jauh dan perkembangan teknologi selama tiga
hingga empat generasi (Anderson & Dron, 2010), adalah tepat untuk memenuhi syarat usia ini sebagai
era tekno-sentris di mana teknologi telah ada di mana-mana. Integrasi teknologi telah mengacaukan
setiap sudut dan celah masyarakat kita dan tampaknya menjadi pusat utama kinerja.

Infiltrasi belum menyelamatkan lokal kelas karena lingkungan pendidikan saat ini telah menjadikan
teknologi sebagai pusat praktik pedagogis dan andragogis. Ini telah terdaftar istilah teknologi
pendidikan, teknologi instruksional, pembelajaran online dan e-learning, blended learning, untuk
menyebutkan tetapi beberapa. Peresapan teknologi pengganggu ini juga telah membangkitkan
fenomena penerimaan di kalangan pendidikan, baik di pihak instruktur atau siswa, keduanya menjadi
pemangku kepentingan langsung dalam kampanye ini. Yang menarik adalah studi tentang niat untuk
menerima Learning Management Systems (LMS) baik untuk pembelajaran online terpadu maupun
terpadu

Namun, dalam menyelidiki penerimaan atau niat penggunaan teknologi LMS oleh instruktur dan siswa,
sejumlah model dan teori (dimodifikasi, diadaptasi atau diadopsi) telah digunakan. Dari era tua Teori
Difusi Inovasi (IDT) ke Model Penggunaan Komputer Pribadi (MPCU), Teori Penerimaan dan Penggunaan
Teknologi Terpadu (UTAUT) tampaknya menjadi teori yang disukai dan banyak digunakan (Attuquayefio
& Addo, 2015), terutama dalam penelitian penerimaan teknologi LMS pendidikan tinggi. UTAUT sejauh
ini tampaknya menjadi penjelasan perilaku niat yang digunakan oleh para peneliti di sebagian besar
studi penerimaan LMS. Model, seperti yang dikembangkan oleh Venkatesh et al., (2003),
membanggakan dari empat variabel eksogen [Performance Expectancy (PE), Effort Expectancy (EE),
Social Influence (SI) dan Facilitating Conditions (FC)] mempengaruhi variabel endogen , Behavioral
Intention (BI) yang pada akhirnya menginduksi Use Behavior (UB) dengan wacana empat variabel
moderasi (Usia, Jenis Kelamin, Pengalaman dan Kesukarelaan).

Sejauh ini, kelincahan model dalam menjelaskan niat penggunaan berkisar dari yang terendah 36%
(tanpa moderator) hingga setinggi sekitar 76% (dengan moderator) (Khechine et al., 2014) meskipun
dalam pengaturan yang berbeda. Ini menggambarkan kinerja berlebihan dari semua model penerimaan
teknologi lainnya. Namun demikian, pendukung model ini tidak menganggapnya sebagai model yang
terbatas tetapi membuat saran yang mengekspos model untuk modifikasi yang dianggap meningkatkan
daya prediktabilitas. Perhatian dari makalah ini bukan untuk menambahkan variabel baru, tetapi lebih
menguraikan hubungan non-linear yang hilang yang mungkin ada di antara variabel-variabel kunci yang
eksogen dalam model UTAUT yang dihilangkan dalam model serta dalam sebagian besar penelitian
penerimaan LMS.

Membangun argumen hubungan nonlinier, Kock (2016), mendukung Roberts (1986) yang menyatakan
bahwa "kepraktisan dan pentingnya pemodelan nonlinier didukung oleh munculnya jenis hubungan
yang diprediksi dan proporsi substansial dari varians yang mereka pertanggungjawabkan. . Selain itu,
fakta bahwa hubungan serupa muncul di seluruh metode mendukung sifat umum dan konsep yang
mendasari non-linear. Mereka memungkinkan peneliti untuk menangkap perbedaan eksplisit dan
persamaan dalam hasil untuk berbagai komponen dari sebuah konstruksi. Dengan demikian, menjadi
latihan konseptual yang berguna dan awal yang diperlukan untuk menghasilkan penjelasan kausal
”(hal.4). Dia berpendapat bahwa, pembangunan model non-linear secara akurat mencerminkan sifat
fenomena perkembangan utama dan menghasilkan hasil yang memberikan heuristik yang kuat,
meringkas dan mengintegrasikan pengetahuan saat ini dan membentuk dasar untuk pembangunan
kausal dan model proses terperinci. Selain itu, model nonlinier dapat menghasilkan hubungan yang
diprediksi yang berlaku di seluruh metode dan memperhitungkan sebagian besar varians. Dalam kasus
temuan yang tidak konsisten, model tersebut dapat berfungsi sebagai alat untuk mendamaikan dan
mengintegrasikan penelitian dari berbagai sumber (Roberts, 1986). Ini mendukung kebutuhan untuk
penelitian ini.

Model UTAUT yang dikembangkan oleh Venkatesh et al., (2003) menggambarkan model metamorfosis
dari delapan model penerimaan teknologi lainnya. Model mengasumsikan bahwa, hanya hubungan
linear ada antara variabel eksogen kunci [Kinerja Harapan (PE), Effort Expectancy (EE) dan Pengaruh
Sosial (SI) mempengaruhi variabel dependen, Behavioral Intention (BI) yang pada gilirannya bersama
dengan Kondisi Fasilitasi tentukan perilaku aktual (FC)]. Ini digambarkan pada Gambar 1.

Selama lebih dari tiga belas tahun, para peneliti menggunakan model ini untuk mengukur anteseden
kunci berdasarkan empat variabel eksogen ini dalam menjelaskan niat pengguna potensial dan
penggunaan selanjutnya. Ketika keempat prediktor itu signifikan, mereka dipertahankan, sebaliknya
ketika satu atau dua gagal memprediksi BI, mereka dibuang. Kecenderungan dalam literatur ini
tampaknya mengkhawatirkan dengan latar belakang bahwa variabel-variabel eksogen dalam model
mengasumsikan peran prediktor, mediator atau mediasi. Apa yang tampaknya hilang dari model adalah
diskon dari hubungan non-linear yang ada antara dan di antara variabel eksogen yang diabaikan dalam
sebagian besar analisis. Namun, dalam situasi dunia nyata, interaksi atau interaksi variabel tidak pernah
dapat dianggap sebagai garis lurus yang linear tetapi hubungan antar-variabel yang penting ada untuk
lebih memahami dan menjelaskan perilaku variabel.

Penelitian sebelumnya dalam model yang diusulkan seperti Technology Acceptance Models (TAM1,
TAM2 dan TAM3) menekankan interaksi penting antara Norma Sosial (SN) [mirip dengan SI dalam
UTAUT], Perceived Usefulness (PU) [serupa dengan PE dalam UTAUT], Perceived Ease of Use (PEOU)
[diibaratkan EE in UTAUT] dan Facilitating Conditions (FC) dalam menjelaskan niat penerimaan.
Hubungan yang hilang dari interaksi variabel-variabel ini di UTAUT panggilan untuk penyelidikan apakah
dimasukkannya hubungan non-linear antara variabel dalam model membantu menempatkan sinergi
variabel yang lebih mendalam. Kock (2016) berpendapat bahwa pemodelan nonlinier membantu
peneliti menjelaskan keberadaan nonlinier yang mendasari ketika memperkirakan koefisien hubungan
antara variabel-variabel yang terkait. Hal ini didukung oleh sikap awal Kock dan Gaskins (2014) ketika
mereka menunjukkan itu, mengingat nonlinier kadang-kadang mengarah pada temuan yang jelas
berbeda dari hasil linear konsekuensinya. Menurut Kock (2016), ada keuntungan tambahan
menggunakan model berbasis non-linier karena mereka cenderung menghasilkan koefisien jalur khusus
yang sangat tinggi, memiliki potensi jika tidak diremehkan. Ini lebih baik membantu memahami
hubungan variabel dan memberikan dasar yang kuat untuk pengambilan keputusan berdasarkan hasil
hubungan jalur. Hal ini mengingat bahwa tulisan ini memproyeksikan tujuan di bawah ini.

Tujuan Penelitian

1. Untuk mengetahui hubungan non-linear yang mungkin ada di antara konstruksi kunci penting UTAUT.

2. Untuk mengetahui bagaimana hubungan non-linear lebih baik membantu untuk memahami perilaku
konstruk dalam model untuk pengambilan keputusan.

3. Untuk mengetahui faktor-faktor yang paling menentukan niat perilaku tutor pendidikan jarak jauh
dalam menerima teknologi berdasarkan hubungan linier dan non-linear

Pertanyaan Penelitian

Berdasarkan tujuan di atas makalah ini dipandu oleh pertanyaan penelitian berikut:

1. Apa hubungan non-linear ada di antara variabel-variabel eksogen UTAUT?

2. Bagaimana hubungan non-linear lebih baik membantu memahami perilaku konstruk dalam model
untuk pengambilan keputusan?

3. Faktor apa yang paling baik menentukan niat perilaku tutor pendidikan jarak jauh dalam menerima
teknologi berdasarkan hubungan linier dan non-linear.

MENUJU MODEL KONSEPTUAL DAN PENGEMBANGAN HIPOTESIS

Hubungan Linear UTAUT Asli

Harapan kinerja konstruk mendefinisikan sejauh mana seorang individu percaya bahwa menggunakan
sistem akan memungkinkan dia mencapai keuntungan dalam kinerja pekerjaan (Venkatesh et al., 2003).
Konstruk menjelaskan bahwa sebelum penerimaan teknologi baru apa pun, individu memproyeksikan
bobot dari manfaat yang dimaksudkan untuk diperoleh dalam hal menggunakan teknologi tersebut
sehubungan dengan kinerja pekerjaan atau peningkatan pribadi terhadap pemakaian tanggung jawab
sebelum membuat keputusan akhir mereka untuk menggunakan. Konstruk ini dianggap sebagai
prediktor kunci dan paling kuat dari niat penerimaan LMS. Penulis lain seperti Khechine, Lakhal, Pascot
and Bytha (2014); Percy and Belle (2012); serta Ain, Kuar dan Waheed (2015) yang mengadopsi UTAUT
dalam studi mereka menegaskan hubungan ini. Namun, dalam beberapa kasus seperti Ambali dan
Bakar, (2014) PE bukan prediktor tertinggi BI dan dalam Nicholas-Omoregbe, Azeta, Chiazor, dan
Omoregbe (2017), konstruk tidak memprediksi BI sama sekali, hasil yang konsisten dengan temuan
sebelumnya dari Jairak, Praneetpolgrang, & Mekhabunchakij (2009). Ini menimbulkan kontradiksi tajam
dengan sikap sebelumnya oleh peneliti lain berdasarkan hasil yang diperoleh dari pengaturan yang
berbeda.
Konstruksi kedua yang dipostulasikan dalam model sebagai prediktor langsung dari BI, adalah harapan
usaha. Konstruk menjelaskan sampai tingkat tertentu tingkat kemudahan yang terkait dengan
penggunaan sistem baru (Venkatesh et al., 2003), yang akan menjamin strategi penyesuaian baru oleh
individu dan karenanya penekanan mereka pada kemudahan penggunaan atau sebaliknya. Konstruktor
model mengusulkan bahwa dampak dari konstruk ini sangat dirasakan pada tahap awal integrasi
teknologi atau inovasi LMS, di mana penerapan keterampilan baru sangat diperlukan. Studi seperti
Raman dan Don (2013), Maina dan Nzuki (2015) dan Evans (2013) mengkonfirmasi efek harapan usaha
pada niat perilaku.

Selain harapan kinerja dan harapan usaha, Venkatesh et al., (2003) lebih lanjut menambahkan bahwa
pengaruh sosial membangun juga memiliki hubungan linier dengan niat perilaku. Venkatesh, Thong dan
Xu (2012) menjelaskan pengaruh sosial sebagai sejauh mana "konsumen atau pengguna baru melihat
bahwa orang lain yang penting (misalnya keluarga, teman, dll.) Percaya bahwa mereka harus
menggunakan teknologi tertentu" (p.159). Dalam kata-kata Taiwo dan Downe (2012), “selain sistem
informasi yang efektif dan mudah digunakan, pengguna akhir mungkin tidak berkewajiban untuk
menggunakan sistem sampai mereka termotivasi oleh orang-orang penting (orang-orang) yang dapat
mempengaruhi sikap dan perilaku mereka. . Mereka berpendapat bahwa dengan cara hidup orang-
orang yang dibentuk di sekitar model peran ... dorongan oleh orang-orang penting seperti referensi
untuk menggunakan sistem dapat memotivasi pengguna potensial untuk menerima sistem informasi
”(Taiwo, Downe & Mahmood, 2013 hal.54). Ini konsisten dengan hasil dari Pardamean dan Susanto
(2012) dan Ambali and Bakar, (2014) dan Šumak et al. (2010). Penelitian sebelumnya oleh Macharia dan
Nyakwende (2010) menunjukkan peran penting yang wakil rektor sebagai model peran bermain dalam
keputusan anggota fakultas untuk menggunakan LMS untuk e-learning. Ini kemudian didukung Selain
harapan kinerja dan harapan usaha, Venkatesh et al., (2003) lebih lanjut menambahkan bahwa
pengaruh sosial membangun juga memiliki hubungan linier dengan niat perilaku. Venkatesh, Thong dan
Xu (2012) menjelaskan pengaruh sosial sebagai sejauh mana "konsumen atau pengguna baru melihat
bahwa orang lain yang penting (misalnya keluarga, teman, dll.) Percaya bahwa mereka harus
menggunakan teknologi tertentu" (p.159). Dalam kata-kata Taiwo dan Downe (2012), “selain sistem
informasi yang efektif dan mudah digunakan, pengguna akhir mungkin tidak berkewajiban untuk
menggunakan sistem sampai mereka termotivasi oleh orang-orang penting (orang-orang) yang dapat
mempengaruhi sikap dan perilaku mereka. . Mereka berpendapat bahwa dengan cara hidup orang-
orang yang dibentuk di sekitar model peran ... dorongan oleh orang-orang penting seperti referensi
untuk menggunakan sistem dapat memotivasi pengguna potensial untuk menerima sistem informasi
”(Taiwo, Downe & Mahmood, 2013 hal.54). Ini konsisten dengan hasil dari Pardamean dan Susanto
(2012) dan Ambali and Bakar, (2014) dan Šumak et al. (2010). Penelitian sebelumnya oleh Macharia dan
Nyakwende (2010) menunjukkan peran penting yang wakil rektor sebagai model peran bermain dalam
keputusan anggota fakultas untuk menggunakan LMS untuk e-learning. Ini kemudian didukung oleh
Chen, Shang, Yu Hou, dan Humaour (2012) yang menekankan bahwa jika penggunaan sistem informasi
didukung oleh para pemimpin lembaga, itu memunculkan perasaan positif dari pengguna untuk
menggunakannya. Namun demikian, efek pengaruh sosial pada niat tidak signifikan dalam studi
sebelumnya oleh Al-Gahtani, Hubona & Wang (2007) dan kemudian Nassuora (2012).
Dimodelkan untuk secara langsung mempengaruhi perilaku penggunaan, konstruk memfasilitasi kondisi,
dijelaskan sebagai "tingkat di mana seseorang percaya infrastruktur organisasi dan teknis ada untuk
mendukung penggunaan sistem" (Venkatesh et al., 2003 p.453). Pengenalan teknologi baru
membangkitkan ketidakstabilan dan kegelisahan tertentu. Untuk melompati ketidakstabilan mental dan
frustrasi kerja, individu berharap bahwa organisasi akan memberikan dukungan yang dibutuhkan (baik
administratif dan teknologi) untuk memudahkan penggunaan sistem. Dengan demikian, infrastruktur TIK
tersedia dan dapat diandalkan sementara kebijakan kelembagaan menghadirkan peluang dan insentif
untuk penggunaan teknologi LMS mempengaruhi penggunaan oleh tutor. Keterikatan yang penting
untuk lingkungan yang kondusif atau sebaliknya ini menghasilkan efek langsung antara memfasilitasi
kondisi dan penggunaan dan bukan niat perilaku (Venkatesh et el., 2003). Meskipun berteori karena
tidak memiliki hubungan langsung dengan niat perilaku, penulis lain seperti Mtebe dan Raisamo (2014)
berpendapat bahwa persepsi awal siswa tentang ketersediaan layanan dukungan dan sumber daya
untuk menyampaikan pembelajaran seluler dan sebaliknya, akan lebih banyak lagi mempengaruhi
keputusan mereka untuk mengadopsi dan kemudian menggunakan perangkat seluler untuk belajar.
Penulis lain kemudian membuktikan bahwa pengetahuan sebelumnya tentang memfasilitasi kondisi
memicu niat sebelumnya untuk digunakan sebagai lawan hanya penggunaan yang sebenarnya.

Misalnya, Kihoro, Oyier, Kiula, Wafula dan Ibukah, (2013) telah membenarkan bahwa kesadaran akan
keberadaan atau kondisi yang menguntungkan di sekitar penggunaan sistem informasi baru yang
potensial, dapat pada keadaan awal mendorong suatu keadaan mental dari niat untuk digunakan
sebelum penggunaan sebenarnya. Hal ini dibuktikan oleh hasil yang mereka peroleh dalam studi mereka
di mana kondisi memfasilitasi prediksi niat perilaku. Ini konsisten dengan hasil yang diperoleh oleh
Mtega, Bernard, Msungu, & Sanare (2012). Menariknya, ketiga studi dilakukan di negara-negara
berkembang di Afrika di mana sumber daya untuk penggunaan teknologi dianggap tidak memadai.
Attuquayefio dan Addo (2014) Oye et al., (2012) Ain et al., (2012) berpendapat bahwa kondisi-kondisi
yang memfasilitasi itu menjadi elemen penting yang menjadi perhatian dalam penelitian penerimaan
LMS terutama di negara-negara berkembang di mana kondisi untuk penggunaan teknologi mungkin
tidak berada di tingkat optimal. Namun, di Malaysia, Ambali dan Bakar (2014), juga menemukan kondisi
yang memfasilitasi untuk menjadi prediktor tertinggi dari niat perilaku. Karena premis yang disebutkan
di atas pada hubungan linear dalam model UTAUT, studi ini berhipotesis bahwa:

H01: Ekspektasi Kinerja akan memprediksi niat Perilaku

H02: Upaya Ekspektasi akan memprediksi niat Perilaku

H03: Pengaruh sosial akan memprediksi niat Perilaku

H04: Kondisi yang memfasilitasi akan memprediksi perilaku Gunakan

H05: Kondisi yang memfasilitasi akan memprediksi niat Perilaku (bukan hipotesis asli dalam UTAUT)

Usulan Hubungan Non-Linear dalam Variabel Eksogen UTAUT


Studi ini sangat bergantung pada kehadiran hubungan non-linear antara konstruksi UTAUT kunci di
samping hubungan linear asli mereka dengan niat Perilaku. Efek dari Perceive Ease of Use (PEOU) (mirip
dengan Effort Expectancy di UTAUT) pada Perceive Usefulness (PU) (mirip dengan Performance
Expectancy di UTAUT), telah lama diperdebatkan dalam TAM 1 (Davis 1989), TAM2 (Davis, Baggozzi &
Warsawa, 1989) dan baru-baru ini, TAM3 (Venkatesh & Bala, 2008). Para pendukung hubungan ini
berpendapat bahwa paparan teknologi baru berkembang dalam persepsi tentang betapa mudah atau
tidaknya hal itu bagi pengguna potensial. Dengan demikian, individu pada tahap penerimaan yang paling
tidak berpengalaman, mengikat hubungan antara upaya untuk menggunakan teknologi dan hasil kinerja.
Oleh karena itu, signifikansi awal terkait antara usaha dan kinerja. Karena penerimaan teknologi
terutama difokuskan pada teknologi baru, di mana pengalaman pengguna adalah minimum, penting
untuk mempertimbangkan hubungan ini. Menurut Venkatesh dan Bala (2008), bahkan setelah
pengalaman awal dengan sistem baru pengguna masih akan menilai persepsi kemudahan penggunaan
dalam membentuk persepsi tentang kegunaannya dalam penggunaan nanti. Jadi, hipotesisnya:

H06: Harapan usaha akan memprediksi Ekspektasi Kinerja

Pengaruh Norma Sosial (SN) pada Perceive Usefulness (PU) yang memiliki kesamaan dengan pengaruh
sosial (SI) dan Performance Expectancy (PE) masing-masing di UTAUT, adalah hubungan tambahan yang
diusulkan dalam model TAM 3 yang dikembangkan oleh Venkatesh dan Bala (2008). Pengaruh positif
atau negatif dari orang yang mereferensikan orang lain pada keputusan niat pemakai yang potensial
meningkatkan kesadaran tentang seberapa penting atau bergunanya suatu teknologi baru. Untuk
teknologi baru dan pengguna yang kurang berpengalaman, saran oleh kenalan sosial yang penting
tentang apakah akan menggunakan teknologi atau tidak menunjuk pada kinerja yang diharapkan berasal
dari penggunaan teknologi tersebut. Dalam TAM2, Davis et al., (1989) berteori bahwa norma dan citra
subjektif adalah dua determinan dari kegunaan yang dirasakan yang mewakili proses pengaruh sosial
(Venkatesh & Bala, 2008). Pengaruh sosial pada gilirannya, secara positif mempengaruhi kegunaan yang
dirasakan melalui proses internalisasi (Venkatesh & Davis, 2000) dan identifikasi (Warsawa, 1980).
Terhadap latar belakang ini, dapat dihipotesiskan bahwa:

H07: Pengaruh sosial akan memprediksi Ekspektasi Kinerja

Kehadiran atau fasilitas untuk mendukung penggunaan teknologi apa pun sangat penting untuk
penerimaannya. Sejauh mana seseorang percaya bahwa sumber daya organisasi dan teknis ada untuk
mendukung penggunaan sistem (Venkatesh et al., 2003) menjelaskan konsep Persepsi Kontrol Eksternal
(PEC) yang mirip dengan Kondisi Fasilitasi (Venkatesh & Bala, 2008 ). Pengadopsi potensial sistem baru
mungkin mengharapkan berbagai tingkat upaya untuk diberikan berlabuh pada persepsi yang mereka
miliki tentang ketersediaan berbagai sumber daya di tempat untuk mendukung penggunaannya. Sikap
awal terhadap penggunaan sistem dan kegunaannya akan sangat tergantung pada sumber daya yang
digunakan oleh pengguna untuk penggunaan. Ketersediaan sumber daya seperti itu memudahkan
harapan individu dalam hal upaya yang diperlukan untuk menggunakan sistem dan sebaliknya. Karena
persepsi kemudahan penggunaan terkait erat dengan kegunaan (Davis et al., 1989), ketersediaan
sumber daya yang dirasakan akan berpengaruh pada ekspektasi kinerja.
Demikian pula, pengaruh pengaruh sosial pada individu juga dapat dikaitkan dengan persepsi lingkungan
yang kondusif seputar penggunaan sistem. Jika individu yakin tentang lingkungan yang memungkinkan
untuk penggunaan sistem, kemungkinan bahwa pandangan referensi orang lain mungkin memiliki efek
minimal atau tidak sama sekali karena mereka akan tergoda untuk mencoba demi rasa ingin tahu. Sikap
positif yang diadopsi oleh kehadiran sumber daya untuk membantu dalam penggunaan sistem,
menggeser mereka ke kategori inovator yang siap untuk mengalami teknologi baru hanya untuk
mencoba sake (Rogers, 2003). Aspek lain dari efek ini adalah bahwa, jika orang lain yang penting
menyadari bahwa kondisi menguntungkan dalam penggunaan sistem baru, mereka cenderung
mendorong pengadopsi potensial. Dalam pandangan ini, penelitian ini berhipotesis bahwa:

H08: Kondisi Fasilitasi akan memprediksi Harapan Usaha

H09: Kondisi Fasilitasi akan memprediksi Ekspektasi Kinerja

H10: Kondisi Fasilitasi akan memprediksi Pengaruh Sosial

Akhirnya, niat Perilaku menentukan sejauh mana pengguna potensial bersedia menerima atau
mengadopsi teknologi tertentu untuk praktik penggunaan (Venkatesh et al., 2003). Penulis sebelumnya
seperti Davis (1986), Davies, et al., (1989) setuju bahwa individu membentuk niat sebelum penggunaan
aktual berdasarkan anteseden tertentu. Ketika determinan ini dipenuhi, maka individu memperluas
motif mereka sekarang ke perilaku penggunaan yang sebenarnya. Gunakan perilaku di sisi lain
menjelaskan luas dan dimensi yang sistem teknologi digunakan dalam organisasi setelah implementasi.
Karena tujuan utama dari integrasi teknologi adalah untuk merangsang kinerja pada tingkat optimal di
luar apa yang dicapai pada mode tradisional pencapaian tugas, hasilnya hanya dapat dicapai pada tahap
pasca penggunaan untuk membandingkan hasil untuk paradigma lama dan baru (tradisional vs.
teknologi). Davies et al., (1989), Venkatesh et al., (2003), serta Venkatesh dan Bala (2008) menegaskan
bahwa, pembentukan niat individu untuk menerima teknologi tertentu pada akhirnya akan mengarah
pada praktik penggunaan. Dengan demikian, hubungan linear akhirnya ada antara dua konstruksi ini.
Dengan demikian, penelitian ini berhipotesis:

H11: Niat perilaku akan memprediksi perilaku Use (hipotesis UTAUT asli)

Model penelitian berdasarkan hipotesis yang diformulasikan digambarkan pada Gambar 2.


METODOLOGI

Pengambilan Sampel, Sampel, dan Pengumpulan Data

Penelitian ini terutama didasarkan pada penerimaan LMS oleh tutor dalam pengaturan pendidikan jarak
jauh di lembaga pendidikan tinggi di seluruh negeri. Namun, target total populasi untuk penelitian ini
sekitar 400 tutor dari jumlah ini; teknik sampling klaster digunakan untuk memilih responden dari
seluruh sepuluh wilayah negara untuk memastikan sampel yang representatif. Mempekerjakan metode
survei, 267 responden diperoleh untuk penelitian. Tanggapan diperoleh dari responden ini berdasarkan
kuesioner terstruktur. Kuesioner berisi dua bagian yang luas. Yang pertama adalah untuk data
demografis (usia, jenis kelamin dan pengalaman tatap muka) dan selanjutnya berdasarkan variabel
kontinu lainnya yang menarik untuk penelitian (harapan kinerja, harapan usaha, pengaruh sosial, kondisi
fasilitasi, niat perilaku dan perilaku penggunaan). Kuesioner didasarkan pada skala Likert lima poin (1-
sangat tidak setuju sampai 5-sangat setuju) mengukur variabel kunci. Item yang diadaptasi dari
Venkatesh et al., (2003), Khechine et al., (2014), dan Evans (2013).

ANALISIS DATA

Profil Responden

Responden terdiri 164 laki-laki dan 103 perempuan, yang mewakili 61,4% dan 38,6% masing-masing
dengan laki-laki memiliki persentase yang lebih tinggi. Kelompok usia peserta berkisar antara (≤35) 67;
(36-46) 102; (47-57) 64 dan (≥58) 34. Kategori usia (36-46) memiliki frekuensi tertinggi pencatatan
38,2%. Akhirnya, pengalaman tutor dalam hal pengalaman tatap muka telah dipastikan. Pengalaman
mereka bertahun-tahun mengamuk dari (≤5yrs) 98; (6-11yrs) 112 dan (≥12yrs) 57. Sebagian besar
peserta memiliki pengalaman tatap muka antara 6-11 tahun yang mewakili sekitar 41,9% dari seluruh
sampel 267.

Hasil untuk Model

Penelitian ini menggunakan perangkat lunak SmartPLS 3.2.6 yang dikembangkan oleh Ringle et al.,
(2016) untuk menjalankan analisis untuk pengukuran dan model struktural. Menurut Hair et al., (2015),
pendekatan dua tahap ini adalah standar untuk mengevaluasi model dan hubungannya dalam Partial
Least Squares (PLS). Sebagai kriteria untuk model reflektif, penelitian ini pertama kali mengevaluasi
model pengukuran berdasarkan pada validitas dan koefisien reliabilitas dari Cronbach's Alpha (CA),
Composite Reliability (CR), Estimasi Varians Rata-rata (AVE), Validitas Diskriminan dan Heterotrait-
Monotrait (HTMT). Ini diikuti dengan menguji signifikansi model struktural berdasarkan, pengujian
hubungan berhipotesis, Ukuran efek (f2), relevansi Prediktif (Q2) dan Importance –Performance Map
Analysis (IPMA).

Penilaian Model Pengukuran

Pendekatan tahap pertama untuk menguji model pengukuran reflektif adalah untuk menilai validitas
konvergen, reliabilitas dan AVE. Dengan mengacu pada Tabel 1, semua hasil pemuatan luar dari
bootstrap lebih tinggi dari ambang 0.708 seperti yang direkomendasikan oleh Hair et al., (2014). Ini
sesuai dengan nilai reliabilitas Komposit antara 0,826-0,953, semua lebih tinggi dari 0,7 (Hair et al.,
2014). Nilai estimasi varians rata-rata berada dalam kisaran 0,626-0,749, lebih tinggi dari nilai minimum
yang dapat diterima 0,5 (Hair et al., 2017). Oleh karena itu model pengukuran mencapai standar
validitas dan reliabilitas

Assessment of Measurement Model


Validitas Diskriminan

Validitas diskriminan mengukur sejauh mana item dalam konstruksi berbeda dari yang lain konstruksi.
Ini menampilkan kekhasan barang untuk membuat langkah-langkah di berbagai konstruksi dalam
sebuah model (Hair et al., 2017). Dalam menentukan ukuran ini, korelasi konstruk dibandingkan dengan
akar kuadrat dari perkiraan varians rata-rata untuk konstruksi tertentu (Fornell & Larcker, 1981). Kriteria
adalah memiliki semua beban diagonal lebih besar daripada rekan-rekan vertikal mereka. Dengan
mengacu pada Tabel 2, semua pembebanan tebal dalam dimensi diagonal lebih tinggi dari pembebanan
vertikal. Ini menunjukkan bahwa item dalam konstruksi diukur secara diskriminatif dari konstruksi lain.
Dengan demikian kriteria validitas diskriminan telah dipenuhi.

Heterotrait-Monotrait Ratio (HTMT)

Seperti yang disarankan oleh Henseler et al., (2015), pendekatan yang lebih kuat untuk mengukur
validitas diskriminan adalah Heterotrait-Monotrait Ratio (HTMT). Ini mengukur korelasi rata-rata dari
indikator di seluruh konstruksi yang mengukur berbagai fenomena, relatif terhadap rata-rata korelasi
indikator dalam konstruk yang sama (Henseler et al., 2015). Kriteria dari penulis yang disebutkan di atas
adalah memiliki nilai HTMT kurang dari 0,85 (dalam arti sempit) atau kurang dari 0,90 (parameter yang
dapat diterima). Dari Tabel 3, hasil konstruksi HTMT semuanya lebih rendah dari kriteria ketat 0,85;
artinya standar HTMT yang lebih tinggi telah dipenuhi.

Deteksi Common Method Bias (CMB) melalui Pendekatan Penilaian Kolinearitas Penuh

Untuk PLS-SEM, Common Method Bias (CMB) dideteksi melalui pendekatan penilaian Collinearity penuh
(Kock, 2015). Hasil statistik VIF ditunjukkan pada Tabel 4. Dari tabel, CMB tidak menjadi masalah karena,
nilai VIF semuanya lebih rendah (antara 1 dan 1.981) dari ambang 3.3 (Hair et al., 2017, Kock, 2015 ). Ini
menunjukkan bahwa model ini bebas dari bias metode umum.

Hasil Model Struktural

Hair et al., (2017) merekomendasikan bahwa penilaian model struktural harus didasarkan pada R2,
koefisien beta dan nilai t-statistik yang sesuai untuk signifikansi. Prosedur bootstrap 5000 sampel
digunakan untuk menghitung signifikansi model hipotesis dalam PLSEM (Hair et al., 2015). Hasil
perhitungan bootstrap disajikan secara grafis oleh Gambar 3 dan dilaporkan secara statistik pada Tabel
5.
Dengan Referensi ke Tabel 5, pertama-tama kami menilai determinan dari niat perilaku, diikuti
oleh perilaku penggunaan, harapan kinerja, harapan usaha dan pengaruh sosial. Dari hasil, PE
(β = 0,133, p≤0,10), EE (β = 0,269, p≤0,01) dan FC (β = 0,212, p≤0,01) semuanya berhubungan
positif dengan niat perilaku (BI). Namun, PE hanya signifikan pada tingkat kesalahan 10%,
yang sangat lemah. Pengaruh sosial (SI) (β = 0,021, p> 0,05) adalah

Dengan Referensi ke Tabel 5, pertama-tama kami menilai determinan dari niat perilaku, diikuti oleh
perilaku penggunaan, harapan kinerja, harapan usaha dan pengaruh sosial. Dari hasil, PE (β = 0,133,
p≤0,10), EE (β = 0,269, p≤0,01) dan FC (β = 0,212, p≤0,01) semuanya berhubungan positif dengan niat
perilaku (BI). Namun, PE hanya signifikan pada tingkat kesalahan 10%, yang sangat lemah. Pengaruh
sosial (SI) (β = 0,021, p> 0,05) tidak signifikan dalam menentukan BI. Yang menarik, Harapan usaha
adalah prediktor terkuat dari BI dengan nilai beta yang relatif lebih tinggi, diikuti oleh kondisi yang
memfasilitasi.

Sehubungan dengan perilaku Use (UB), konstruk BI (β = 0,424, p≤0,01) dan FC (β = 0,24, p≤0,01) adalah
prediktor utama dengan BI sebagai yang lebih kuat.
Konstruksi PE secara signifikan diprediksi oleh EE (β = 0,593, p≤0,01) dengan FC (β = 0,10, p≤0,10),
memiliki hubungan yang lebih lemah. SI (β = 0,032, p> 0,05) bagaimanapun, tidak menunjukkan
hubungan yang signifikan dengan PE.

Memfasilitasi kondisi FC (β = 0,499, p≤0,01), adalah anteseden kuat untuk pengaruh sosial dan harapan
Effort di FC (β = 0,506, p≤0,01). Jadi, dari Tabel 5, hipotesis H1, H2, H4, H5, H6, H8, H9, H10 dan H11
semuanya didukung dengan pengecualian H3 dan H7.

Signifikansi prediktif dari konstruk untuk membangun hubungan lebih lanjut dinilai untuk ukuran efek
mereka menggunakan statistik f2 seperti yang disarankan oleh Hair et al., (2017). Ini penting karena nilai
p hanya dapat memberikan informasi tentang keberadaan atau pengaruh tetapi tanpa indikasi ukuran
sebenarnya dari efek (Sullivan & Feinn, 2012). Hair et al., (2014) menyarankan efek ukuran 0,02, 0,15
dan 0,35 untuk mewakili efek kecil, menengah dan lebih besar masing-masing (Cohen, 1988). Namun,
Hair et al., (2017) mengutip Kenny (2015) yang merekomendasikan ukuran efek 0,005, 0,01 dan 0,025
untuk mewakili ukuran efek kecil, menengah dan lebih besar masing-masing. Dengan mengacu pada
kolom statistik f2 pada Tabel 5, ukuran efek berkisar antara 0,012, 0,014 mewakili ukuran efek sedang;
0,052, 0,07, 0,043; 0,221, 0,332, 0,344 dan 0,456 memiliki ukuran efek yang relatif lebih tinggi.

Selanjutnya, model diperiksa pada nilai R2 dan relevansi prediktif. Tabel 6 menangkap hasilnya. Yang
paling penting, kinerja model keseluruhan untuk varians di BI adalah 35,1%. Hal ini terutama disebabkan
oleh fakta bahwa hanya dua variabel eksogen (EE dan FC) yang diprediksi sangat BI, tanpa moderator
dalam model. Varians di UB adalah 32% oleh prediktor tunggal BI. PE diprediksi oleh EE dan FC pada
varian 44% dengan SI dan EE masing-masing 25% dengan masing-masing satu prediktor. Yang lebih
penting untuk koefisien determinasi adalah relevansi prediktif. Ini dinilai dengan prosedur blindfolding
yang direkomendasikan hanya untuk konstruk endogen dari model reflektif seperti yang disarankan oleh
Hair et al., (2017). Sebagai aturan praktis, nilai Q2 lebih dari 0 diperlukan untuk menunjukkan nilai
prediksi model atau sebaliknya (Hair et al., 2014). Dari Tabel 6, semua angka lebih besar dari 0 dan
berkisar antara 0,22 hingga 0,343, menunjukkan relevansi prediktif menengah dan tinggi untuk variabel
endogen pada ambang batas yang direkomendasikan 0,02, 0,15 dan 0,35, mewakili relevansi prediksi
kecil, menengah dan tinggi masing-masing (Hair et al., 2014).

Analisis Peta Kinerja Penting (IPMA)

The Importance Performance Map Analysis (IPMA) memberikan penekanan lebih lanjut pada perkiraan
PLS dari hubungan model struktural memberikan petunjuk tambahan untuk kinerja dan relevansi setiap
variabel laten dalam model (Hair et al., 2014, Yeap et al., 2015) . Menurut Ringle dan Sarstedt (2016),
total efek mewakili jumlah efek langsung dan tidak langsung dan sehingga IPMA mengacu pada efek
yang tidak standar untuk memfasilitasi interpretasi ceteris paribus dampak konstruk pendahuluan pada
konstruk target. Ini berarti bahwa peningkatan kinerja konstruks pendahulu tertentu akan meningkatkan
kinerja konstruksi target dengan ukuran total efek yang tidak standar (Ringle & Sarstedt, 2016). Untuk
memastikan pentingnya dan relevansi hubungan dalam model, analisis PLS IPMA dihitung secara
terpisah untuk konstruk BI dan PE sebagai variabel endogen. Hasilnya ditunjukkan pada Tabel 7 dan 8
masing-masing.

Analisis Kinerja untuk Behavioral Intention (BI)

Nilai-nilai kinerja menunjukkan bahwa PE memiliki kinerja terkuat tetapi belum relevan dalam
memprediksi BI dalam model dengan efek total (pentingnya) 0,14. Dua konstruk kunci yang relevan
dalam memprediksi BI yaitu, memfasilitasi kondisi dan harapan usaha, dengan efek total (pentingnya)
0,41 dan 0,31 masing-masing seperti yang ditunjukkan dalam peta kinerja pada Gambar 4.

Analisis Kinerja untuk Kinerja Expectancy (PE)

Hasil pada Tabel 8 menunjukkan bahwa harapan usaha tidak hanya memiliki kinerja yang lebih kuat
(68,88) pada ekspektasi kinerja, tetapi juga merupakan prediktor yang paling penting (0,59). Ini diikuti
dengan memfasilitasi kondisi, dengan tingkat kepentingan 0,41 dan 56,53. Dengan demikian
disimpulkan bahwa kedua konstruk tersebut merupakan pendeteksi utama kontras harapan kinerja
terhadap SI yang tidak signifikan. Gambar 5 menunjukkan representasi grafis.
Representasi Grafis dari Model Jalur PLS dan Hasil IPMA

Hasil IPMA keseluruhan untuk model jalur digambarkan secara grafis di bawah ini pada Gambar 6. Ringle
dan Sarstedt (2016), sangat hati-hati pembaca dan analis untuk mendeteksi perbedaan dalam
representasi grafis hasil IMPA dan hasil grafik PLS-SEM di SmartPLS. Misalnya, IPMA menampilkan nilai
kinerja dari setiap variabel laten, bukan nilai R² dari variabel laten endogen dalam model jalur PLS.
Kedua, hasil IPMA menggambarkan bobot luar yang tidak standar dan yang ditingkatkan dari model
pengukuran (formatif atau reflektif) dan bukan beban luar atau bobot yang standar. Dalam hal
penelitian ini, nilai-nilai beta pada model luar pada Gambar 6 menunjukkan pentingnya setiap item
untuk membangun dan bukan beban. Nilai-nilai batin dalam konstruksi individu bagaimanapun,
menggambarkan nilai-nilai kinerja dari masing-masing konstruk dalam kaitannya dengan variabel
endogen.
DISKUSI DAN KESIMPULAN

Ringkasan Temuan

Makalah ini memaparkan hubungan non-linear yang tampak yang dapat menjadi ciri faktor-faktor
eksogen UTAUT dalam penerimaan tutor pendidikan jarak jauh dari LMS. Dibentuk pada premis bahwa
kemungkinan efek non-linear keluar di antara variabel-variabel yang dapat lebih meningkatkan pada
indikator hubungan model keseluruhan di belakang penentuan niat penggunaan tutor untuk
pengambilan keputusan yang lebih baik. Makalah ini awalnya berfokus pada peran prediktif asli dari
variabel eksogen dari variabel endogen utama UTAUT. PE, EE, SI dan FC diasumsikan wajah utama dari
prediktor BI dan kemudian UB. Ini lebih lanjut termasuk hubungan non-linear berdasarkan literatur yang
diulas.

Hasil dari hubungan linier berhipotesis menunjukkan bahwa determinan utama dari niat perilaku oleh
tutor dalam pendidikan jarak jauh adalah Harapan Usaha dan Kondisi Fasilitasi. Efek dari Effort
Expectancy pada Behavioral Intention, menegaskan studi sebelumnya oleh Pardamean dan Susanto
(2012), Šumak et al. (2010) dan Venkatesh et al., (2003). Namun, konstruk menjadi prediktor terkuat
dari Perilaku Niat oleh tutor dalam penelitian ini, berbeda dengan Venkatesh et al., (2003), dan Khechine
et al., (2014). Sifat prediktif dari Memfasilitasi kondisi pada niat adalah selaras dengan hasil oleh Ambali
dan Bakar (2014) dan Nicholas-Omoregbe et al., (2017) meskipun tidak sesuai dengan postulasi UTAUT
asli. Pengaruh harapan Kinerja tidak relevan dengan tutor. Namun penting untuk menambahkan bahwa
PE hanya signifikan pada kesalahan 10% tetapi tidak signifikan terhadap BI pada p <0,05, yang konsisten
dengan hasil oleh Jairak et al., (2009), sedangkan pengaruh pengaruh sosial tidak signifikan terhadap BI,
mengkonfirmasi temuan Nassuora (2012). Hasil ini tidak sesuai dengan yang dari Venkatesh et al.,
(2003), Khechine et al., (2014) dan Ain et al., (2015).

Temuan dari hubungan linear UTAUT asli yang melekat dalam penelitian ini menentukan arah bahwa,
penerimaan LMS oleh pengajar pendidikan jarak jauh dimotivasi oleh persepsi mereka tentang
keberadaan memfasilitasi kondisi yang diperlukan untuk meningkatkan kemudahan penggunaan,
sebagai upaya yang akan diberikan (Effort expectancy). ) adalah yang utama bagi mereka. Pandangan
orang lain dan kegunaan sistem itu tidak menarik bagi mereka. Dampak non-sosial Pengaruh pada
mereka, adalah sebagian karena tutor dalam penelitian ini semua matang dalam hal usia dan
pandangan, maka adalah pemikir independen dan pengaruh rekan-rekan memainkan peran yang sangat
sedikit dalam formasi niat mereka. Dalam hal kegunaan LMS, mereka belum memiliki dampak penuh
setelah tahap uji coba teknologi LMS, setelah berjalan dengan cara tradisional selama lebih dari satu
dekade.

Yang paling penting, sifat harapan kinerja dan pengaruh sosial non-prediktif dalam penelitian ini lebih
baik dijelaskan oleh hubungan non-linear dalam model. Hasil dari hubungan non-linear menunjukkan
bahwa, harapan kinerja ditentukan oleh harapan usaha. Hasil ini mendukung Davis (1986) dan
Venkatesh dan Bala (2008). Sebagai contoh, Davis (1986) berpendapat bahwa ketika individu
dihadapkan pada teknologi baru, mereka perlu menginternalisasi prosedur baru dengan cara asimilasi
dan akomodasi. Kemudahan yang mereka bentuk penyesuaian ini didasarkan pada seberapa liberal atau
sebaliknya penggunaan sistem ini, yang pada akhirnya terkait dengan seberapa berguna sistem itu
nantinya. Maina dan Nzuki (2015) dan Raman and Don (2013), menyarankan bahwa dalam kemampuan
untuk menggunakan, bahwa individu menemukan hasil, kegunaan, dan kepentingan. Ini menggemakan
perdebatan lama antara Clarke, (1994) dan Kozma, (1994) tentang pengaruh teknologi dalam
pembelajaran. Ini bukan teknologi semata, tetapi bagaimana itu dapat digunakan untuk mencapai
tujuan yang dimaksudkan dalam instruksi atau hasil pekerjaan. Untuk Venkatesh dan Bala, (2008),
persepsi ini dapat bertahan bahkan setelah pengalaman awal dengan penggunaan sistem. Selalu, tutor
dalam penelitian ini tergantung pada jumlah usaha yang mereka harapkan untuk dilakukan sebelum
akhirnya menilai kegunaan LMS.

Hasil penting lainnya dari model hubungan non-linear adalah efek langsung positif antara Kondisi
Fasilitasi dan Harapan Usaha. Memfasilitasi kondisi juga merupakan prediktor kuat sejauh mana tutor
merasakan kemudahan penggunaan LMS. Hal ini didukung oleh Lee (2008), yang menekankan bahwa
dukungan intra dan ekstra-organisasi seperti dukungan komputasi, pelatihan, ketersediaan peralatan
dan aksesibilitas, pergi jauh untuk memberikan bantuan yang dibutuhkan untuk mengurangi beban
tugas pada individu terhadap penggunaan sistem . Ketersediaan insentif tersebut dipandang penting
bagi para tutor dalam penelitian ini dalam membentuk harapan mereka terhadap upaya penggunaan
LMS untuk instruksi terpadu. Tutor percaya bahwa jika insentif yang diharapkan (pelatihan, dukungan
teknis, motivasi dll) ada, maka ada kemungkinan bahwa upaya yang diperlukan untuk menggunakan
LMS akan berada di minimum paling sederhana.

Selain itu, efek positif antara Kondisi Fasilitasi dan Perilaku Perilaku dan Perilaku Penggunaan
menimbulkan kekhawatiran tentang bagaimana tutor cenderung mengasosiasikan ketersediaan
dukungan yang dirasakan dengan niat untuk menggunakan dan penggunaan yang sebenarnya. Hal ini
didukung oleh Kihoro dkk., (2013), Mtega dkk., (2012) dan Ambali and Bakar (2014) yang menyarankan
bahwa kesadaran diri akan lingkungan yang baik di sekitar penggunaan teknologi baru dapat membantu
pengguna novel yang baru. untuk membentuk niat penggunaan positif yang akhirnya menghasilkan
penggunaan sistem yang sebenarnya. Dengan demikian, tutor sangat bergantung pada kondisi yang
diperlukan untuk penggunaan untuk menentukan niat sebelum penggunaan. Ada kebutuhan untuk
memberi informasi di awal tutor tentang insentif dan dukungan motivasi yang diperlukan seputar
penggunaan LMS sebelum praktik yang sebenarnya untuk membentuk niat mereka yang nantinya akan
mereka nilai dalam menggunakan pengalaman perilaku untuk menentukan seberapa baik mereka akan
menggunakan LMS.

Postulasi asli oleh Venkatesh et al., (2003) berkenaan dengan FC dan BI sebagai anteseden UB, konsisten
dengan hasil dalam penelitian ini. Namun, dalam penelitian ini, BI membuktikan efek yang lebih kuat
pada UB daripada FC meskipun keduanya sangat relevan. Akibatnya, para pengajar sangat
mementingkan BI mereka secara keseluruhan dalam menentukan penggunaan LMS mereka yang
sebenarnya.

Perlu dicatat bahwa dua hubungan non-linier dihipotesiskan dalam penelitian ini yaitu, FC dan SI bukan
anteseden PE yang signifikan. Pengajar pendidikan jarak jauh tidak percaya bahwa kehadiran atau
kebijaksanaan lain dari kondisi yang menguntungkan terhadap penggunaan sistem dan pengaruh sosial
adalah indikator bahwa LMS berguna untuk tujuan instruksional mereka. Hasil ini konsisten dengan
Davis et al., (1989) dan Venkatesh dan Bala (2008) dalam postulasi TAM mereka. Untuk tutor, Kondisi
Fasilitasi tidak selalu berarti bahwa hasil penggunaan LMS akan berguna, itu hanya untuk membantu
mereka menilai seberapa banyak upaya yang diperlukan untuk menggunakannya. Baik pengaruh sosial
menjamin bukti pasti bahwa LMS berguna. Diperlukan waktu bagi mereka untuk menekankan kegunaan
dari LMS untuk proses pedagogis mereka setelah banyak menggunakan waktu lembur dan berbagi hasil
positif.

Implikasi untuk Teori

Studi ini membuktikan bahwa hubungan non-linear ada di antara dan di antara konstruksi eksogen
UTAUT. Ini diperlukan untuk memberikan wawasan yang lebih baik ke dalam perilaku konstruk
(terutama hubungan linier) dalam model. Temuan tersebut menggambarkan bahwa niat untuk
menerima LMS oleh tutor dalam pendidikan jarak jauh adalah produk dari dua faktor kunci: Harapan
Usaha dan Kondisi Fasilitasi. Yang paling penting adalah hubungan rumit yang ada di antara PE, EE, FC,
dan SI. Yang menarik adalah hubungan baru yang ditemukan antara FC dan SI.

Studi ini menetapkan preseden untuk penelitian lain untuk memodelkan hubungan non-linear dalam
UTAUT untuk lebih menjelaskan efeknya. Analisis dari penelitian ini diperpanjang untuk memasukkan
relevansi prediktif dari hubungan non-linear dan ukuran efeknya serta analisis indeks kinerja dan
pentingnya mereka, yang semuanya dikeluarkan dalam studi sebelumnya.

Temuan dari penelitian ini juga menunjukkan bahwa masyarakat yang berbeda dan konteks budaya
menghasilkan hasil yang berbeda dari perilaku variabel, oleh karena itu, secara akademis tidak tepat
untuk menyamaratakan hasil hubungan variabel lintas batas budaya. Oleh karena itu kekhususan
konteks sering merupakan cara sederhana untuk mendekati temuan penelitian.

Akhirnya, studi ini mengusulkan kombinasi model UTAUT berbasis hubungan linier dan non-linier
dengan semua moderator awal. Hal ini digambarkan pada Gambar 7. Meskipun model UTAUT awal agak
sedikit pelit daripada yang komprehensif yang diusulkan dalam penelitian ini, baik parsimoni dan
kelengkapan memiliki nilai mereka sendiri dalam pengembangan teori. Sementara kelengkapan
memastikan bahwa semua faktor yang relevan dan hubungan terlibat dalam teori (Whetten, 1989,
Bacharach, 1989, Venkatesh & Bala, 2008) untuk lebih memahami fenomena yang diteliti tanpa
kehilangan rincian penting atau nitigritas, parsimony menentukan apakah beberapa faktor harus
dihapus karena mereka menambahkan sedikit atau tidak ada nilai untuk memahami fenomena.
Akibatnya, parsimony hanya dicapai setelah kelengkapan berdasarkan pengujian empiris.

Implikasi untuk Berlatih

Hasil dari penelitian menunjukkan sebagian besar hubungan yang dihipotesiskan menjadi signifikan.
Terlepas dari ini, beberapa disorot oleh Analisis Peta Kinerja Penting (IPMA) sebagai penting dalam
pembentukan niat penggunaan dan penggunaan aktual LMS oleh pengajar pendidikan jarak jauh.
Prioritas faktor-faktor ini akan memungkinkan pihak berwenang di perguruan tinggi pendidikan jarak
jauh dan pembuat keputusan lain untuk fokus pada determinan tertentu yang perlu dikelola dengan
baik atau ditingkatkan karena keduanya memiliki efek penjelas pada faktor-faktor penting lainnya dan
yang memiliki kinerja rendah.

Tutor telah menunjukkan beberapa tanda-tanda niat positif untuk menerima LMS; Namun, elemen yang
menarik adalah memfasilitasi kondisi dan harapan usaha. Dengan demikian, pihak berwenang dan
pengambil keputusan sekarang harus fokus pada bagaimana memperbaiki kondisi yang memungkinkan
karena mereka secara signifikan menentukan bagaimana tutor mudah membayangkan penggunaan
LMS, perilaku niat, pengaruh sosial dan perilaku penggunaan. Sehubungan dengan ini, mereka harus
meningkatkan inisiatif dukungan teknis dan administratif yang akan memungkinkan tutor melihat
kemudahan dalam menggunakan LMS dan kegunaannya untuk mempengaruhi mereka dan rekan-rekan
mereka untuk memiliki niat untuk menggunakan dan kemudian menggunakan LMS untuk tujuan
pedagogis. Paket motivasi seperti promosi dan peningkatan tunjangan harus dikaitkan dengan
penggunaan LMS.

Selain itu, pihak berwenang dan pengambil keputusan harus berusaha untuk membuat penggunaan
sistem semudah mungkin bagi para tutor. Hal ini dapat dicapai melalui penyediaan panduan pengguna,
lebih banyak tutorial interaktif, kesempatan pelatihan yang sering dan forum untuk diskusi bagi para
tutor untuk berbagi pengalaman dan frustrasi, untuk segera menyediakan penangkal. Tim dukungan
teknis siaga harus selalu siap dan bersedia untuk mengambil panggilan atau membalas pesan yang
menjamin bantuan dari tutor berkaitan dengan penggunaan LMS. Ini karena harapan tutor tentang
upaya yang diperlukan untuk penggunaan melekat pada ekspektasi kinerja dan niat penggunaan.

KeterbatasanPenelitian dilakukan tanpa moderator dan studi lain dapat mereplikasi dengan
menambahkan moderator ke hubungan non-linear untuk membandingkan model UTAUT asli (dengan
moderator) dalam hal koefisien determinasi (R2) dan relevansi prediktif (Q2).Selain itu, hanya dua
variabel eksogen yang secara signifikan meramalkan niat perilaku pada (p≤0.01 *** dan p≤0.05 **)
sehingga mencegah tingginya tingkat varian total yang dijelaskan oleh model.PENGAKUANKami
mengakui dukungan dari semua staf, koordinator dan pengajar kursus dari College of Distance
Education, Universitas Cape Coast, Ghana.