Pola Akses Sumber Ajar Daring pada Mahasiswa selama ...
Transcript of Pola Akses Sumber Ajar Daring pada Mahasiswa selama ...
Pola Akses Sumber Ajar Daring pada Mahasiswa selama Pandemi
COVID-19 dengan Menggunakan Social Network Analysis
ICHWAN SUYUDI, FARIDA, BUDI HERMANA UNIVERSITAS GUNADARMA
14 JULI, 2020
1
Pola Akses Sumber Ajar Daring pada Mahasiswa selama Pandemi
COVID-19 dengan Menggunakan Social Network Analysis
Ichwan Suyudi(1), Farida(2), Budi Hermana(3)
(1) Dosen program Studi Sastra Inggris,(2) Dosen Program Studi Sistem Informasi, (3) Dosem program
Studi Magister Manajemen
UNIVERSITAS GUNADARMA
Ringkasan
Pembelajaran Jarak Jauh menjadi pilihan utama di perguruan tinggi di Indonesia,
sesuai dengan kebijakan dan pedoman dari pemerintah. Ketersediaan sumber ajar
pada perguruan tinggi relatif bervariasi antara perguruan tinggi sehingga mahasiswa
dapat mengakses berbagai sumber ajar lainnya di internet. Penelitian ini
menganalisis pola pemanfaatan bahan ajar di internet, baik disediakan oleh
perguruan tingginya, maupun yang dikelola oleh pihak eksternal di internet. Pola
penggunaan berbagai sumber ajar pada penelitian ini menerapkan Social Network
Analysis (SNA) dengan responden sebanyak 262 mahasiswa program studi Sastra
Inggris. Hasil analisis menunjukkan bahwa sumber ajar yang paling populer diakses
mahasiswa adalah melalui internet atau melalui mesin pencari, diikuti oleh sumber
ajar di situs web Universitas Gunadarma. Hasil analisis pola akses menunjukkan
tidak ada perbedaan pola yang signifikan antara mahasiswa dan mahasiswi. Hasil
penelitian ini dapat dijadikan masukan dalam pengembangan bahan ajar yang
variatif, baik dari sisi prilaku mahasiswa maupun jenid konten digital yang menarik
dari perspektif mahasiswa, termasuk penggunaan media sosial dalam mendukung
proses pembelajaran jarak jauh.
Kata kunci: PJJ, Social Network analysis, virtual class, COVID19,
I. PENDAHULUAN
Pembelajaran Jarak Jauh (PJJ) di Indonesia diberlakukan secara masif di
seluruh perguruan tinggi selama Pandemi COVID-19. Kebijakan tersebut mengacu
kepada kebijakan pemerintah, khususnya dari Kementerian Pendidikan dan
Kebudayaan. Kebijakan kementerian tersebut menyusul diberlakukannya
Pembatasan Sosial Berskala Besar (PSBB) menyusul ditemukannya kasus positif di
Indonesia pada bulan Maret 2020. Acuan kebijakan penerapan pembelajaran daring
di Indonesia, di antaranya adalah Surat Keputusan Bersama empat kementerian yaitu
Kementerian Kesehatan, Kementerian Dalam Negeri, dan Kementerian Pendidikan
dan Kebudayaan, dan Kementerian Agama tentang Panduan Penyelenggaraan
Pembelajaran pada Tahun Ajaran 2020/2021 dan Tahun Akademik 2020/2021 di
Masa Pandemi Corona Virus Disease 2019 (COVID-19). Khusus untuk Pendidikan
Tinggi, Kementrian Pendidikan dan Kebudayaan telah menerbitkan pedoman PJJ
untuk perguruan tinggi di Indonesia.
2
Adholay dkk (2018) menyebutkan bahwa: “Online learning has been
interchangeably used with a number of similar terms, including “elearning”,
“distance learning” and “blended learning”. PJJ dalam konteks teknologi informasi
dan komunikasi berhubungan dengan konsep e-learning. Menurut Al-Rahmi,
Othman, & Yusuf (2015), “The electronic learning or e-learning refers to the action
of knowledge acquisition through computer network on the basis of the
environment”. Penerapan PJJ yang relatif drastis dan masif untuk seluruh mahasiswa
sebagai pembelajar dan dosen sebagai pengampu, tentunya memerlukan adaptasi
prilaku yang cepat dan tepat agar keberlangsungan proses pendidikan tetap terjamin.
Kemampuan adaptasi atau perubahan perilaku di dunia daring tentunya berbeda-beda
antara satu individu dengan individu lainnya. Perbedaan tersebut bisa disebabkan
perbedaan psikologis, perbedaan ketersediaan sumberdaya teknologi daring, atau
motivasi pembelajar. Perbedaan tersebut di antaranya bisa dilihat dari pola
penggunaan berbagai sumber ajar daring yang mungkin berbeda-beda oleh
mahasiswa. Perbedaan pola akses ini menjadi topik utama pada penelitian ini dengan
menerapkan Social Network Analysis (SNA). SNA) sangat luas digunakan pada
berbagai bidang ilmu, dan terutama diterapkan untuk membantu peningkatan
efektivitas dan efisiensi pada pengambilan keputusan pada organisasi (Chambers
dkk, 2012).
II. TINJAUAN PUSTAKA
2.1. Sekilas PJJ di Universitas Gunadarma
Universitas Gunadarma mulai menerapkan PJJ secara penuh untuk semua
perkuliahan untuk jenjang D3 dan S1 pada tanggal 16 maret 2020. Pemberlakuan PJJ
tersebut mengacu ke Surat Keputusan Rektor No. 084/SK/REK/UG/2020 berikut
Surat Edaran Nomor 086.1/REK/UG/III/2020 tentang Keberlanjutan Layanan
Daring. Penerapan PJJ di Universitas Gunadarma menggunakan fasilitas Virtual
Class yang dapat diakses pada alamat URL http://v-class.gunadarma.ac.id.
Mekanisme penerapan PJJ tersebut dapat dilihat pada gambar berikut.
3
Gambar 1. Mekanisme Virtual Class di Universitas Gunadarma
Penggunaan Virtual Class tersebut merupakan bagian dari kebihakan universitas
dalam penerapan E-learning, yaitu pembelajaran elektronik yang digunakan untuk
membantu mahasiswa memahami bahan ajar. Menurut Alenezi, Karim, dan Veloo
(2010), E-learning merupakan alat pendidikan efektif yang dapat diintegrasikan ke
dalam berbagai model pembelajaran yang disediakan oleh lembaga pendidikan. E-
learning menyediakan materi pembelajaran yang dilengkapi dengan audio visual
yang dapat memberikan gambaran suatu konsep yang dapat dilengkapi dengan
contoh visual yang interaktif dan komunikatif. Pemanfaatan E-learning akan
memberikan manfaat pada peningkatan kompetensi mahasiswa dalam memahami
bahan kajian pada setiap mata kuliah sesuai dengan capaian pembelajaran yang
sudah ditetapkan oleh program studi. Bagaimana pemanfaatan PJJ dengan
menggunakan virtual class selama Pandemi Covid-19 dapat di lihat pada gambar
berikut.
4
Gambar 2. Traffic monitoring virtual class
2.2. Social Network Analysis
Penelitian tentang SNA telah menjadi topik yang menarik dalam disiplin ilmu
mulai dari sosiologi hingga pemasaran, kewirausahaan hingga bisnis internasional
(Coviello, 2005). Pengertian Social Network Analysis (SNA) menurut Tsvetovat &
Kouznetsov (2011) yaitu: “Social Network Analysis can be described as a “study of
human relationships by means of graph theory”. SNA merupakan bidang penelitian
tentang pengukuran dan analisis struktur relasional yang terus berkembang (Butts,
2008). SNA memandang hubungan sosial dalam hal teori jaringan yang terdiri dari
nodes dan ties. Ties sering disebut juga dengan edges, links, atau connections. Node
adalah aktor individu dalam jaringan, dan ikatan adalah hubungan antara aktor
(Wasserman & Faust, 1994). Jaringan terdiri dari aktor yang merepresentasikan
individu, organisasi, program, atau entitas lainnya (Luke & Harris, 2007). Meskipun
SNA memiliki akar penelitian antropologis dan etnografi, pengembangan SNA kini
diarahkan pada sifat matematika dari jaringan sosial dengan memanfaatkan teori
graph dan analisis statistik (Bishop & Waring, 2012).
SNA pada awalnya memiliki akar penelitian antropologis dan etnografi,
namun kini pengembangannya dipusatkan pada karakteristik matematika dari
jaringan sosial dengan menggunakan teori graph dan analisis statistik (Bishop &
Waring, 2012). Menurut Borgatti & Everett (1997), matriks dikatakan sebagai 2
mode jika baris dan kolom mengindeks kumpulan entitas yang berbeda, misalnya
5
baris menunjukkan orang sedangkan kolom terkait dengan organisasi.). Graph
dengan format 2-mode disajikan pada gambar berikut.
Gambar 3. Graf dengan format 2-mode
III. METODE PENELITIAN
Data penelitian diperoleh dengan menggunakan kuisioner online dengan
responden sebanyak 262 orang yang berasal dari program studi Sastra Inggris di
Universitas Gunadarma. Pertanyaan utama untuk data SNA adalah berbagai sumber
ajar online yaitu: (a) akses mesin pencari secara umum, (b) mengakses materi kuliah
di internet, (c) mengakses perpustakan online, (d) mengakses informasi dan
pembelajaran dari web kampus, (e) mengakses informasi dan pembelajaran dari web
perguruan tinggi lain, (f) mengakses fasilitas khusus e-learning / virtual class, dan
(g) mengakses bahan ajar dari media sosial. Ferekuensi penggunaan berbagai
sumber ajar online tersebut dikonversi menjadi skala biner yaitu 0 dan 1 agar dapat
disajikan dalam bentuk matriks yang akan diolah selanjutnya dengan perangkat lunak
UCINET. Social Network Analysis menggunakan perangkat lunak UCINET yang
mempunyai kemampuan dalam menganalisis berbagai parameter jaringan, seperti:
ukuran sentralitas, identifikasi sub kelompok, analisis peran, teori graf dasar dan
analisis statistik berbasis permutasi (Apostolato, 2013). Visualisasi pola akses
sumber ajar disajikan dalam bentuk graph yang diolah dengan menggunakan
perangkat lunak NetDraw. Menurut Cronin (2015), Netdraw merupakan salah satu
perangkat lunak yang paling paling banyak digunakan untuk visualisasi jaringan
sosial dan memiliki kapasitas analitis yang kuat. Jenis graph yang digunakan adalah
graph theoretic layout dengan ukuran centrality menggunakan degree centrality.
Jenis graph yang digunakan dalam penelitian ini adalah 2-mode graph. Menurut
6
Borgatti & Everett (1997), matriks dikatakan sebagai 2-mode jika baris dan kolom
mengindeks kumpulan entitas yang berbeda. Pada penelitian ini, baris menunjukkan
mahasiswa sedangkan kolom merupakan berbagai sumber ajar daring.
IV. HASIL DAN PEMBAHASAN
4.1. Demografi Responden
Responden penelitian adalah 262 mahasiswa pada program studi Sastra
Inggris Universitas Gunadarma. Profil demografi responden dilihat dari jender dan
lokasi akses PJJ disajikan pada gambar berikut ini.
Jenis Kelamin Lokasi Akses
Gambar 4. Profil responden
Sebagian besar responden adalah mahasiswi yaitu sebanyak 193 orang atau 73,66%,
dengan lokasi akses lebih banyak di Pulau Jawa yaitu sebesar 96,94%. Informasi
mengenai profil responden lainnya dapat dilihat pada tabel berikut.
Tabel 1. Pengalaman menggunakan internat, HP, dan paket data
No. Statistik Minimum Rata-rata Maksimum
1. Pengalaman menggunakan internet
(tahun)
0 8,44 16
2. Pengalaman menggunakan HP (tahun) 1 9,47 20
3. Pengalaman menggunakan paket data di
HP
1 7,67 20
Informasi pada tabel di atas menunjukkan bahwa mahasiswa sudah
mempunyai pengalaman menggunakan beberapa fasilitas TIK yang digunakan untuk
mengakses pembelajaran jarak jauh. Hal tersebut menjadi salah satu faktor
7
pendukung keberhasilan penerapan pembelajaran jarak jauh yang memerlukan
infrastruktur TIK dan koneksi internet yang memadai. Namun ketersedian fasilitas
TIK tersebut belum menjamin mahasiswa benar-benar efektif dalam mengakses
sumber ajar atau konten digital yang relevan dengan materi perkuliahan. Analisis
deskriptif berikutnya dilakukan untuk menelaah hal tersebut seperti dipaparkan pada
bagian di bawah ini.
4.2. Frekuensi Penggunaan Sumber Ajar Daring
Sumber ajar daring yang diteliti pada penelitian ini terdiri dari tujuh media yaitu: (a)
akses mesin pencari secara umum, (b) mengakses materi kuliah di internet, (c)
mengakses perpustakan online, (d) mengakses informasi dan pembelajaran dari web
kampus, (e) mengakses informasi dan pembelajaran dari web perguruan tinggi lain,
(f) mengakses fasilitas khusus e-learning / virtual class, dan (g) mengakses bahan
ajar dari media sosial. Frekuensi penggunaan sumber ajar online tersebut disajikan
pada tabel berikut.
Tabel 2. Frekuensi akses sumber ajar daring
No. Sumber Frekuensi (%)
1 2 3 4 5
a. Mesin pencari secara umum 0,8 0,8 9,9 28,2 60,3
b. Akses materi kuliah di internet 0,0 0,8 21,0 38,5 39,7
c. Akses perpustakan online 17,9 24,0 29,4 22,5 6,1
d. Akses informasi dan pembelajaran dari
web kampus
3,4 9,9 25,2 31,3 30,2
e. Akses informasi dan pembelajaran dari
web perguruan tinggi lain
23,7 24,0 32,8 14,5 5,0
f. Akses fasilitas khusus e-learning /
virtual class
10,3 12,2 33,2 29,4 14,9
g. Akses bahan ajar dari media sosial 14,1 13,4 22,5 29,4 20,6 Keterangan: 1=tidak pernah, 2=jarang, 3=cukup, 4=sering, 5=selalu
Informasi yang dapat disimpulkan pada tabel di atas adalah sampel penelitian
lebih banyak menggunakan mesin pencari untuk pencarian informasi secara umum.
Responden juga lebih banyak mengakses informasi dan pembelajaran dari internet
dengan persentase yang frekuensinya sering dan selalu sebesar 78,2%. Persentase
yang sering dan selalu mengakses web Universitas Gunadarma untuk informasi
8
akademik dan pembelajaran sebesar 61,5%. Jika ditambah dengan yang cukup
sering, persentase responden yang mengakses web Universitas Gunadarma sebesar
86,7%. Persentase tersebut lebih besar dibandingkan pencarian dari web perguruan
tinggi lain (19,5%). Responden yang secara khusus sering dan selalu mengakses e-
learning atau virtual class juga tergolong tinggi yaitu sebesar 44,3%, sedangkan
yang cukup sering sebesar 33,2%, atau total sebesar 77,5%. Persentase responden
yang sering atau selalu mencari bahan ajar melalui media sosial sebesar 50%,
sedangkan sumber daring yang relatif paling rendah frekuensi aksesnya adalah
perpustakaan online yaitu sebesar 28,6% untuk yang sering atau selalu
mengaksesnya.
4.3. Pola Akses dengan SNA
Penggambaran pola akses sumber ajar dengan menggunakan SNA diawali
dengan mengkonversi data frekuensi yang tadinya skala likert ke skala biner yaitu 0
dan 1. Frekuensi akses yang sebelumnya “tidak pernah” atau “jarang” dikonversi
menjadi “0”, sedangkan yang “cukup sering”, “sering” dan “selalu” dikonversi
menjadi “1”. File datanya dalam bentuk exccel yang dibuka dengan Ucinet dan
disajikan graphnya dengan NetDraw. Graph tersebut dapat dilihat pada gambar
berikut.
9
Gambar 5. Hasil Graph Theoretic Layout dengan NetDraw
Graph tersebut menunjukkan bahwa pencarian materi ajar di internet paling
populer dibandingkan dengan cara lainnya, yang diikuti dengan penggunaan mesin
pencari seacara umum serta pencarian bahan ajar dari situs web yang dikelola oleh
Universitas Gunadarma. Parameter centrality degree untuk masing-masing sumber
daring tersebut disajikan pada tabel berikut.
Tabel 3. Parameter degree of centrality
Peringkat Sumber
Degree of
Centrality
1. Akses materi kuliah di internet 260
2. Mesin pencari secara umum 258
3. Akses informasi dan pembelajaran dari web
Universitas Gunadarma
227
4. Akses fasilitas khusus e-learning/virtual
class
203
5. Akses bahan ajar dari media sosial 190
6. Akses perpustakan online 152
7. Akses informasi dan pembelajaran dari
web perguruan tinggi lain
137
Pola perbedaan akses dilihat dari jender responden dapat dilihat dari graph
theoretical layout pada dua gambar berikut ini.
10
Gambar 6. Hasil Graph Theoretic Layout untuk responden wanita
Gambar 6. Hasil Graph Theoretic Layout untuk responden pria
Popularitas sumber ajar daring secara umum tidak berbeda antara responden
pria dan wanita seperti dapat dilihat pada dua gambar di atas. Hasil ini menunjukkan
tidak ada perbedaan jender untuk kasus pembelajaran jarak jauh oleh mahasiswa di
program studi Sastra Inggris. Menurut Mutua dkk (2013), jender adalah konstruksi
sosial yang mendefinisikan peran yang berbeda antara pria dan wanita, namun
perbedaan peran tersebut tidak terlihat signifikan dalam kasus PJJ dalam penelitian
ini. Hasil penelitian ini juga berbeda dengan pernyataan dari Reinen & Plomp (1997)
yang menyebutkan bahwa wanita kurang tahu tentang teknologi informasi dan lebih
banyak merasakan masalah dengan perangkat lunak. Penelitian ini menunjukkan
11
bahwa PJJ sudah relatif biasa atau menjadi hal yang terbiasa digunakan tanpa melihat
perbedaan jender.
V. KESIMPULAN DAN SARAN
Dukungan fasilitas TIK dari sisi mahasiswa relatif memadai untuk penerapan PJJ di
program studi Sastra Inggris, namun pola dan frekuensi penggunaan berbagai sumber
ajarnya relatif berbeda. Mahasiswa cenderung sudah terbiasa menggunakan mesin pencari
dan pencarian bahan ajar melalui internet atau media daring. Pemanfaatan informasi dan
pembelajaran dari web yang dikelola Universitas Gunadarma relatif lebih tinggi
dibandingkan dengan sumber dari web perguruan tinggi lain atau melalui media sosial.
Popularitas sumber ajar secara umum menunjukkan bahwa penggunaan mesin pencari untuk
keperluan umum masih paling populer, diikuti oleh pencarian bahan ajar melalui internet.
Pola penggunaan bahan ajar tersebut secara umum tidak ada perbedaan dilihat dari perspektif
jender.
Hasil penelitian ini dapat digunakan untuk penguatan bahan ajar yang disediakan oleh
Universitas Gunadarma mengingat sebagian besar responden reltaif masih mengandalkan
web Universitas Gunadarma sebagai sumber utama pembelajaran. Salah satu bentuk
penguatan tersebut adalah peningkatan variasi konten digital agar lebih menarik dilihat dari
perpektif mahasiswa sehingga mendukung proses pendidikan yang efektif. Penelitian
lanjutan bisa diarahkan pada model evaluasi PJJ untuk fasilitas khusus seperti virtual class.
Evaluasi kinerja tersebut dapat menggunakan berbagai model, misalnya IS Success Model,
Technology Acceptance Model, Model UTAUT, yang dilengkapi dengan faktor individu /
psikologis pengguna atau faktor eksternal lainnya. Penelitian ini juga daat diperluas ke
program studi lain di Universitas Gunadarma.
DAFTAR PUSTAKA
Aldholay, A., Isaac, O., Abdullah, Z., Abdulsalam, R., and Al-Shibami, A.H. 2018.
An extension of Delone and McLean IS success model with self-efficacy: Online
learning usage in Yemen. The International Journal of Information and Learning
Technology, Vol. 35 Issue: 4, pp.285-304
Alenezi, A.R., A.M. Abdul Karim and A. Veloo. 2010. An Empirical Investigation
into The Role of Enjoyment, Computer Anxiety, Computer Self-Efficacy And
Internet Experience in Influencing The Students’ Intention to Use E-Learning: A
Case Study from Saudi Arabian Governmental Universities. The Turkish Online
Journal of Educational Technology, volume 9 Issue 4.
12
Al-Rahmi, W.M., Othman, M.S., & Yusuf, L.M. 2015. Exploring the Factors that
Affect Student Satisfaction through Using E-Learning in Malaysian Higher
Education Institutions. Mediterranean Journal of Social Sciences, Vol.6, No.4, pp.
299-310.
Bishop, S., & Waring, J. 2012. Discovering healthcare professional‐practice
networks: The added value of qualitative SNA. Qualitative Research in
Organizations and Management: An International Journal, 7(3), 308-322.
Borgatti, S. P., & Everett, M. G. 1997. Network analysis of 2-mode data. Social
Network, 19(1997), 243-269.
Butts, Carter T. 2007. Social network analysis: A methodological introduction. Asian
Journal of Social Psychology, 11, 13–41.
Chambers, D., Wilson, P., Thompson, C.,& Harden, M. 2012. Social Network
Analysis in Healthcare Settings: A Systematic Scoping Review. Plos One, vol.7,
issue 8. Pp.1-10.
Coviello, Nicole E. (2005). Integrating qualitative and quantitative techniques in
network analysis. Qualitative Market Research: An International Journal, 8(1), 39-
60.
Luke, D. A., & Harris, J. K. 2007. Network analysis in public health: history,
methods, and applications. Annual Review of Public Health, 28, 69-93.
Mutua, M.N., Kimathi, K. P. G., & Kitung’u, K. M. 2013. Gender Issues in
Information Technology. International Journal of Mechanical Engineering Research
& Applications, 1(3), 1-7.
Reinen, I. J., & Plomp, T. 1997. Information Technology and Gender Equality: A
Contradiction in Terminis? Computers Education, 28(2), 65-78.
Wasserman, S. and Faust, K. 1994. Social Network Analysis: Methods and
Applications. Cambridge University Press, Cambridge.