Kuesioner dalam penelitian ini dirancang berdasarkan Pengukuran Multi-Dimensi sesuai dengan masing-

masing dimensi yang bisa diamati. Ini menggunakan Skala Likert 7 poin untuk mengukur setiap jawaban,
dengan 7 sangat setuju dan 1 sedang sangat tidak setuju. Poin yang lebih tinggi mewakili tingkat
persetujuan yang lebih tinggi, dan sebaliknya. Data dikumpulkan dari sampel dipusatkan, sehingga
jumlah skor yang diberikan untuk semua item kuesioner setelah dikurangi rata-rata adalah nol. Dengan
cara ini, multi-kolinearitas antara variabel independen dan asing akan dihapus untuk memberikan tes
yang lebih baik pengaruh interaktif dari variabel independen pada variabel asing. Persamaan matematika
berikut menggambarkan konsep sentralisasi:

Kuisioner minat belajar dipola setelah yang diusulkan oleh Schraw dan Lehman dan Lai, dengan minat
laten, minat aktual, minat berbasis teks, minat berbasis tugas, dan minat berbasis pengetahuan adalah
lima variabel [9] [12]. Dirancang berdasarkan Pengukuran Multi-Dimensi, kuesioner berisi 20 item secara
total, dengan empat item ditempatkan di bawah masing-masing variabel. Kuisioner jam belajar
mengikuti pola yang diusulkan oleh Lai [9] dan Piaget [18], dengan pembelajaran jam terkait dengan
minat situasional dan jam belajar terkait dengan minat individu menjadi dua variabel. Dirancang
berdasarkan Pengukuran Multi-Dimensi, kuesioner berisi delapan item secara total, dengan empat item
ditempatkan di bawah masing-masing variabel. Kuisioner tentang sikap instruksional guru dibuat sesuai
dengan yang diusulkan oleh Chen, dengan guru penerimaan terhadap perasaan siswa, sikap instruksional
guru sebagai profesional pendidikan dan guru sikap instruksional terhadap peran dan tugasnya menjadi
tiga variabel [25]. Dirancang berdasarkan Multi- Pengukuran Dimensi, kuesioner berisi 12 item secara
total, dengan empat item ditempatkan di bawah masing-masing variabel. Kuisioner hasil pembelajaran
dipola setelah yang diusulkan oleh Loo [34] dan Jones [33], dengan prestasi akademik di sekolah, total
sertifikat pekerjaan yang diperoleh dan ujian eksternal adalah ketiganya variabel. Dirancang berdasarkan
Pengukuran Multi-Dimensi, kuesioner berisi 12 item secara total, dengan 4 item ditempatkan di bawah
masing-masing variabel.

Data Diperoleh dari Kuisioner dan Model Pengukuran Untuk memverifikasi kerangka penelitian yang
diusulkan, Model Persamaan Struktural linear (SEM) diterapkan untuk Konfirmatori Analisis Faktor (CFA)
dari kerangka model penelitian. Kuesioner dibagi menjadi empat variabel laten (mis. minat belajar, jam
belajar, sikap mengajar guru dan hasil belajar), masing-masing berisi beberapa variabel yang dapat
diamati / eksplisit. Survei dilakukan dengan menggunakan variabel yang dapat diamati / eksplisit ini,
dengan beberapa item kuesioner dikategorikan di bawah setiap variabel. Setelah memproses data yang
dikumpulkan dalam survei, file dibuat untuk data primer. walaupun desain kuesioner didasarkan pada
Pengukuran Multi-Dimensi, baik Pengukuran Ganda atau Pengukuran Tunggal diadopsi untuk
memastikan pemrosesan data berbantuan perangkat lunak komputer akan berjalan seperti yang
diharapkan [46].

HASIL DAN ANALISA Analisis Model Struktur Linier CFA adalah pendekatan analitik yang berlawanan
dengan Exploratory Factor Analysis (EFA). Penelitian ini melakukan CFA pada PT empat variabel yang
tidak dapat diobservasi / tersirat (yaitu minat belajar, jam belajar, sikap mengajar guru dan pembelajaran
hasil). Terdiri dari Model Struktural dan Model Pengukuran, SEM memberikan solusi yang efektif untuk
hubungan sebab akibat antara variabel implisit / laten. Model yang diverifikasi dalam penelitian ini dibagi
menjadi tiga bagian: 1) memverifikasi kebaikan Model Pengukuran; 2) memverifikasi kebaikan Model
Struktural; 3) memverifikasi good-of-fit model keseluruhan untuk memastikan itu sesuai dengan indeks
goodness-of-fit. Yaitu, kebaikan yang pas dari keseluruhan SEM dinilai dengan indeks goodness of fit
yang terkait [47]. Menganalisis Fit of Measurement Model Pemuatan faktor variabel laten / implisit dan
variabel manifes / eksplisit terutama mengukur intensitas linier korelasi antara variabel eksplisit dan
implisit. Pemuatan faktor mendekati 1 menunjukkan variabel eksplisit relatif mampu mengukur yang
tersirat. Dalam penelitian ini, semua pemuatan faktor variabel eksplisit adalah antara 0,7 dan 0,9,
karenanya, keandalannya memuaskan. Akibatnya, semua variabel eksplisit / manifes dalam sistem
pengukuran model adalah mampu mengukur secara tepat variabel implisit / laten. Selain itu, Average
Variance Extracted (AVE) adalah digunakan untuk menghitung kekuatan penjelas dari varians antara
variabel implisit / laten versus yang eksplisit / nyata; itu semakin tinggi nilai VE, semakin besar reliabilitas
dan validitas konvergen dari variabel laten / implisit. Biasanya, nilai VE harus lebih besar dari 0,5 untuk
menunjukkan varians penjelas dari variabel eksplisit lebih besar dari kesalahan pengukuran [48]. Dalam
studi ini, semua AVE lebih besar dari 0,5, karenanya, keandalan variabel yang sangat baik dan validitas
konvergen (lihat Tabel 2 dan Gambar 2).

Menganalisis Fit of Structure Model Analisis Jalur Hasil Model Struktur Setelah model keseluruhan lulus
uji goodness-of-fit, Tabel 3 menunjukkan hasil seperti estimasi parameter, SE dan Rasio Kritis (CR) antara
variabel implisit. Di perguruan tinggi Taiwan, minat siswa dalam belajar dan pendidikan sikap
instruksional keduanya memiliki pengaruh interaktif yang signifikan terhadap hasil belajar. Begitu juga
dengan perguruan tinggi kejuruan jam belajar siswa dan sikap mengajar guru keduanya memiliki
pengaruh interaktif yang signifikan terhadap pembelajaran hasil. Dengan kata lain, sikap instruksional
guru memberikan efek asing yang membantu pembelajaran hasil mencapai sinergi.

Koefisien Determinasi Juga dikenal sebagai Korelasi Berganda Kuadrat (SMC), Koefisien Determinasi
adalah tingkat penjelas kekuatan variabel independen sehubungan dengan variabel dependen di bawah
setiap variabel implisit. Dengan kata lain, the Nilai R2 yang ditunjukkan pada Tabel 4a dan Tabel 4b
menunjukkan bahwa variabel independen implisit memiliki kemampuan menjelaskan yang memadai
pada variabel dependen implisit masing-masing.

Indeks Kesesuaian Model Keseluruhan Tujuan mengadopsi SEM dalam fase pemodelan penelitian ini
adalah untuk mengeksplorasi hubungan antara yang tidak dapat diamati variabel dalam Structural
Model, untuk memeriksa apakah Model Pengukuran memiliki keandalan pengukuran atau tidak, dan
juga untuk mengukur keseluruhan efek good-of-fit penelitian ini menggunakan indeks seperti χ2 , d.f.,
GFI, AGFI, NFI, CFI, RMR dan RMSEA. Dalam kebanyakan kasus, diperlukan that2 / DF <5, 1> GFI> 0,9, 1>
NFI> 0,9, 1> CFI> 0,9, RMR <0,05 dan RMSEA <0,05. Good-of-fit dari keseluruhan model dalam penelitian
ini memuaskan, mengingat fakta bahwa .2 / DF <5 dan GFI, AGFI dan NFI semuanya lebih besar dari 0,90,
dengan nilai RMR lebih kecil dari 0,05, seperti yang ditunjukkan pada Tabel 5.Untuk menguji variabel
asing, penelitian ini melakukan analisis regresi hirarkis (lihat Tabel 4a), diikuti oleh analisis regresi hirarkis
terpusat dan uji-t dari Y versus I, T, Mo, I * Mo dan T * Mo. Analisis ini adalah dimaksudkan untuk
menguji apakah signifikansi koefisien regresi c dibuktikan (yaitu apakah c adalah nol atau tidak). Itu hasil
tes ditunjukkan pada Tabel 6.

Dari Tabel 3, diketahui bahwa Koefisien Jalur I * Mo versus Y adalah 0,691 dan T * Mo versus Y adalah
0,672, menunjukkan efek asing dari I * Mo dan T * MO pada Y. Analisis yang disebutkan di atas
menghasilkan berikut hasil yang diverifikasi: 1. Minat siswa dalam belajar memberikan efek positif dan
signifikan pada hasil belajar di perguruan tinggi Taiwan dengan 0,46 koefisien jalur standar yang
mendukung H 1 (Hipotesis dibuktikan); 2. Jam belajar siswa memberikan efek positif dan signifikan
terhadap hasil belajar di perguruan tinggi Taiwan dengan a 0,45 koefisien jalur standar yang mendukung
H2 (Hipotesis dibuktikan); 3. Sikap mengajar guru memberikan efek positif yang signifikan terhadap hasil
belajar di perguruan tinggi Taiwan dengan 0,44 koefisien jalur standar yang mendukung H3 (Hipotesis
dibuktikan); 4. Minat siswa dalam belajar dan sikap mengajar guru keduanya memiliki interaksi positif
dan signifikan pengaruh pada hasil belajar di perguruan tinggi Taiwan, dengan koefisien jalur standar
0,69 yang mendukung H4 (Hipotesis dibuktikan); 5. Jam belajar siswa dan sikap mengajar guru keduanya
memiliki interaksi positif dan signifikan pengaruh pada hasil belajar di perguruan tinggi Taiwan, dengan
koefisien jalur terstandarisasi 0,67 yang mendukung H5 (Hipotesis dibuktikan)

KESIMPULAN DAN SARAN Kesimpulan Kesimpulan spesifik berikut telah diperoleh dari analisis dan hasil
data yang disebutkan di atas: • Adapun verifikasi SEM, SEM yang didirikan dalam penelitian ini memiliki
good-of-fit yang memuaskan dalam hal Model Pengukuran, Model Struktural dan struktur keseluruhan,
karenanya, model pas yang baik. • Kesimpulan yang berkaitan dengan verifikasi praktik di perguruan
tinggi Taiwan: - Minat siswa dalam belajar dan sikap mengajar guru keduanya memiliki pengaruh
interaktif yang signifikan tentang hasil belajar di perguruan tinggi Taiwan; - Jam belajar siswa dan sikap
mengajar guru keduanya memiliki pengaruh interaktif yang signifikan hasil belajar di perguruan tinggi
Taiwan. Para peneliti mengetahui bahwa ketika sikap mengajar guru memberikan efek luar yang positif,
H1, H2 dan H3 tampak relatif tidak signifikan, dibandingkan dengan peningkatan signifikansi H4 dan H5
secara statistik [46].

Kontribusi dari Studi ini Aplikasi Metodologi yang Inovatif: Literatur sebelumnya yang berkenaan dengan
mahasiswa kejuruan di Taiwan miliki biasanya melibatkan penelitian eksplorasi menggunakan analisis
multi-regresi dan jarang menggunakan penelitian berbasis CFA kerangka kerja yang mempertimbangkan
efek asing variabel implisit. Tapi sejak dimensi utama penelitian ini adalah variabel implisit, CFA dan SEM
linear tampak cocok sebagai alat dan model pengukuran kerangka kerja, masing-masing. Itu menjelaskan
mengapa penelitian ini relatif inovatif dalam hal metodologi. Kontribusi terhadap Praktek di Kolese
Taiwan: Sementara studi sebelumnya tentang siswa sekolah kejuruan di Taiwan miliki Cenderung
berfokus pada EFA, penelitian ini melakukan pemodelan pada hasil ringkasan literatur sebelumnya yang
terkait bidang. Itu juga memverifikasi kebaikan model yang cocok untuk mencari tahu, apakah model ini
memiliki efek kecocokan yang baik. Akibatnya, penelitian ini adalah berbasis CFA yang membahas topik
penting tentang praktik sekolah. Bukan hanya itu saja topik layak penelitian lebih lanjut di bidang yang
relevan, hasil penelitian juga memberikan referensi bagi para pembuat keputusan di Perguruan tinggi
Taiwan dalam hal operasi sekolah yang berkelanjutan. Ini menjelaskan mengapa penelitian ini dapat
berfungsi sebagai referensi yang sangat berharga. Keterbatasan dan Saran 1. Mengingat terbatasnya
sumber daya penelitian, penelitian ini mengadopsi non-probability, convenience sampling metode untuk
tujuan kenyamanan, dengan sampel dipilih hanya pada kedekatan dan basis yang mudah diukur. Ini,
Namun, menghasilkan bias pengambilan sampel yang besar dan keandalan yang berkurang. Karena itu,
penelitian selanjutnya disarankan gunakan sampling acak sederhana atau stratified random sampling
sebagai gantinya; 2. Selama proses pembangunan model, studi berbasis CFA ini harus memastikan model
verifikasi sesederhana itu mungkin dan hindari yang rumit dengan good-of-fit yang buruk [46]. Itu
sebabnya penelitian ini hanya berfokus pada bagaimana minat siswa dalam belajar dan jam belajar
mereka mempengaruhi hasil belajar, dengan instruksi guru Sikap menjadi variabel asing. 3. Karena studi
ini hanya berfokus pada CFA perguruan tinggi Taiwan, studi selanjutnya dapat mempertimbangkan untuk
memperpanjang ruang lingkup penelitian atau memverifikasi good-of-fit perusahaan di berbagai industri
lain, sehingga untuk mengetahui apakah goodness-of-fit bervariasi di antara industri dalam model yang
sama.