UJIAN TENGAN SEMESTER

TIGA JURNAL INDIKATOR TENTANG DAYA JUANG

METODOLOGI PENELITIAN
DOSEN PENGAMPU
Dr. Hj. Darmiyati,S.Pd.,M.Pd.

DISUSUN OLEH
KELAS 5E PGSD

MUHAMMAD KURNIA RAMADHAN

NO ABSEN 40
NIM 1910125310055

KEMENTERIAN PENDIDIKAN,KEBUDAYAAN, RISET DAN TEKNOLOGI

UNIVERSITAS LAMBUNG MANGKURAT
FAKULTAS KEGURUAN DAN ILMU PENDIDIKAN
PENDIDIKAN GURU SEKOLAH DASAR
BANJARMASIN
2021

1|Page
Student Motivation for Learning at a Distance: Does
Interaction Matter?
Kathleen D. Kelsey, Ph.D.
Assistant Professor Oklahoma
State University 466
Agricultural Hall
Stillwater, OK 74078
kelseyk@okstate.edu

Alan D'souza, Ph.D.

Director of Research and Development for TRiO Programs Wichita

State University
105 Grace Wilkie Hall
Wichita, KS 67260-0008
dsouzaalan@yahoo.com

Acknowledgement: This research was paid for by the Oklahoma Agricultural Experiment Station
through HATCH funds.

Abstract

The case study evaluated a distance education program offered by a land-grant university
agricultural college. The study used Holmberg's and Moore's theoretical frameworks of didactic
conversation and multiple interactions to determine the importance of interaction on the efficacy of
distance learning. The mixed methods approach used an original survey instrument and long faculty
interviews. While students found the technology manageable, the faculty perceived technology as
a barrier to effective instruction. Both, students and faculty were satisfied with the nature of
interactions between them, although the faculty had individual preferences and faced some barriers
to interaction. The study supported Holmberg's and Moore's contention that interaction may be a
predicating factor for the success of distance education courses. The study also found that student-
student interaction was not considered critical to learning. More research is necessary in the
direction of curriculum modification to suit distance student needs.

Introduction

Offering distance education courses is consistent with the mission of the land-grant university
and is a critical endeavor for the survival of the modern educational institution (Kambutu, 2002).
Keegan (1990) defined distance education as a system characterized by 1) the separation of
instructor and student during most of the instructional process, 2) the influence of an educational
organization, 3) provision of student assessment, 4) use of educational media to deliver course
content, and 5) two-way communication between instructor and student.

With the intent of making university courses more accessible, an agricultural college situated
in a southwestern land-grant university delivered a series of graduate level courses that would lead
to a Master of Science in Agricultural Education or a Master of Agriculture degree. Distance
delivery began in the spring of 2001 and continues today. Five faculty volunteered to teach via

2|Page
distance modes and used a variety of technologies including 1) Interactive Video Conferencing
(IVC), 2) Streaming Video, 3) videotaping the live course and sending a copy of the videotape or a
CD-ROM to distance students, and 4) Blackboard.com®. In the case of IVC courses, studenthad the
option to attend the weekly three-hour lectures live at a remote IVC download site or to view the
Streaming Video of the same lecture on the Internet. Blackboard.com®, videotape, and CD-ROM
courses were asynchronous only.

An important aspect of any distance education program is evaluation for continuous

improvement. Unfortunately, there has been a lack of systematic evaluation research focusing on
distance education courses (Roberts, Irani, Lundy, & Telg, 2003). Only 19 states have developed
systematic evaluation programs to assure the quality of distance education (National Governors
Association, 2003).

Purpose Statement

The purpose of this study was to evaluate the overall distance education program offered by
the college, specifically focusing on the impact of the distance education context on learning using
Holmberg's (1995) and Moore's (1989) theoretical frameworks for interaction in distance education.

The main research questions that guided this study were:

1. Did the student-content and student-interface interactions motivate learners to

favorable learning outcomes?
2. Did the learner-learner interactions motivate learners to favorable learning
outcomes?

Theoretical Framework

Holmberg (1983) believed that within the context of formal education, students learn by
engaging in guided didactic conversations with their instructors. The students express their ideas,
and then the instructor guides the student in elaborating, correcting, or redirecting those ideas.
Public and direct student-instructor conversations are essential characteristics of learning. Guided
didactic conversation promotes a personal relationship between the instructor and the student, thus
creating greater motivation in the student and increased learning outcomes.

Holmberg's theory of distance education was based on seven postulates guided by

characteristics of didactic conversation (Holmberg, 1995, p. 47). They included 1) feelings of
personal relation between the instructor and student to promote study pleasure and motivation; 2)
that such feelings would be supported by well-developed instructional materials and two-way
communications; 3) that study motivation was important for the attainment of study goals; 4) that
the atmosphere of friendly conversation favors feelings of personal relation according to postulate
1; 5) that communications within natural conversation are easily understood and remembered; 6)
that the conversation concept can be successfully translated for use by the media available to
distance students; and that 7) planning and guiding the curriculum were necessary for organized
study at a distance.

Moore (1989) wanted distance educators to include all members of the learning community
in educative interactions, not only the instructor and students. He suggested that when designing
effective distance education courses one should include interactions between the student and their
instructor, students and students, and students and the content. Reciprocity is necessarily built into

3|Page
Moore's theory in that interaction is both unidirectional and bi-directional in distance education.

Learner-content interaction occurs when a student reads a book, views pre-recorded videotape,
or in some way interacts with inanimate learning resources. It is hoped that in order to master the
content, the learner will engage in an internal didactic conversation (Holmberg, 1983).
Learner-instructor interaction is what differentiates self-study from distance education. The
instructor provides the learner with an organized plan, or curriculum, for mastering the content and
communicates with the learner throughout the process as Holmberg (1995) stated in Postulate 7.

Learner-learner interactions take the form of group projects, discussion group members, etc.
The role of learner-learner interactions to the overall effectiveness of distance education in the
literature was mixed. Some students reported that other learners were essential to their success in a
course, while others suggested that fellow learners actually detracted from their success (Biner,
Welsh, Barone, Summers, & Dean, 1997).

Hillman, Willis, and Gunawardena (1994) added learner-interface interaction, the concept of
interaction that occurs between the learner and the technologies used to deliver instruction to
Moore's (1989) framework. Hillman, Willis, and Gunawardena (1994) argued that a student's skill
with the communication medium necessary to participate in a distance education course is positively
correlated with success in that course. In order to gain any meaning from the course content, the
student must be literate in the communication medium's rules of interaction.

Opportunities for guided didactic conversations in the college's distance education courses
came from the use of IVC technology, email, telephone conversations, and face-to-face meetings
between students and their instructors. Students had opportunities for learner-instructor,
learner-content, and in the case of IVC courses, learner-learner interactions. Students were also
required to engage in learner-interface interaction.
Methods

The research design was a case study, the case being the agricultural college distance
education program in its entirety (Stake, 1995; Yin, 1994). The methods used for collecting data
included the university student information system, an original student questionnaire was developed
by the authors using the literature as a framework, and long, semi-structured, face-to-face interviews
with five faculty who taught at a distance (Patton, 2002).

The questionnaire included a variety of response sets such as Yes-No, multiple-choice, fill-in
the blank, Likert-type, demographic, and open-ended questions that were designed to satisfy the
research questions. One of the multiple-choice items listed the frequency of interaction of never,
rarely, frequently, and always. The Likert-type ratings included strongly agree, agree, disagree, and
strongly disagree and were scored 4-1 respectively. Not sure/not applicable was coded 0 for the
analysis. Survey data were analyzed using SPSSâ v. 8.0. The statistics used were mean and
frequency. The Cronbach alpha for reliability of the survey instrument was calculated at 0.72.

A panel of experts consisting of two faculty members with expertise in distance education
confirmed content, construct, and face validity of the survey. The instrument was found to be valid.
Validity of qualitative data was sought by Merrian's (1995) strategy of triangulation, peer
examination, and an audit trail.

To expedite data collection and increase response rate, the students were telephoned and
guided through the survey with the researcher. Due to the small population size (N=88) pilot testing

4|Page
was conducted during the first 5 telephone interviews with students. After each telephone interview
slight modifications were made to the instrument to increase validity, clarity, and the quality of the
data collected.
The qualitative data set (five faculty long interviews) were analyzed and reported following
Creswell's (1998) procedures:

1. Organization of data. The interviews were tape recorded, transcribed, and cleaned
by a research assistant. The transcript was then sent back to the subjects to confirm
accuracy. After confirmation of accuracy the text was loaded into the qualitative data
program ATLAS.ti® for analysis.
2. Categorization of data. The data were clustered into meaningful groups (coded)
using ATLAS.ti® as an organizational tool.
3. Interpretation of the data. Statements that fell into like codes were examined for
specific meanings in relationship to the purpose of the study.
4. Identification of patterns. The data and their interpretations were examined for
themes and patterns that characterized the program and allowed the researchers to
draw conclusions.
5. Synthesis. An overall representation of participants' responses was created where
conclusions and recommendations were drawn based on the data presented.

Findings and Conclusions

Eighty-eight graduate students (Masters and Ph.D.) had successfully completed course work
at a distance from fall 2000 to fall 2002. Thirty-one students completed the telephone questionnaire
for a 35.23 % response rate. Demographic data were downloaded from the student information
system for all 88 students. The mean age of the distance education students was 39.27 years
(sd=11.03) and most were male (n=62, female n=26). Seventy-eight percent of the students were
white, 15.2% were Native American, 4.4% were African American and the remaining 2.2% were
mixed. Seventy-four percent of the students were part-time students and the remaining were
full-time (17.4%) or returning students (8.6%). The mean number of courses taken by the students
was 1.22 (sd=0.75). Students lived a mean distance of 119 miles (sd=88) from the university.

Research Question 1: Did the student-content and student-interface interactions lead to favorable
learning outcomes?

The survey addressed the student-interface interaction construct at several levels. First, the
respondents were asked a series of questions about website support for the course they had taken.
Most students (n=29) indicated that their course had a website to support the course and felt that it
provided them all the information they needed to be successful during the course. Twenty-eight
students (90.3%) also indicated that they got all the course documents and handouts necessary from
the course websites. It is concluded that course websites were successful in delivering course
materials to students, and students were able to access websites without difficulty.

The participants were asked about downloading location, and whether they had problems
downloading content from the Internet (Table 1). The majority of problems students faced with the
technology in the distance education context were associated with the IVC and Streaming Video
technology. In one class, students were only able to download eight of 14 lessons because of
Streaming Video technology failures. It is concluded that the majority of students downloaded course
content from a work computer and that one-half had difficulty downloading the Streaming Video

5|Page
 from the Internet.

Table 1. Location Used for Downloading Distance Education Course Content

Question Frequency Percent

Location where Streaming Video lectures were downloaded
Home 4 22.2
Work Place 13 72.2
Work Place & Home 1 5.6
Total 18 100.0
I had problems downloading the Streaming Video lectures from the
Internet
Yes 15 48.4
No 16 51.6
Total 31 100.0

Respondents indicated the kinds of technology problems they faced at the remote ICV site
they attended. Most complained that either the picture or the sound or both were missing during the
broadcast. Many students faced problems connecting with the university via IVC equipment at the
scheduled time of the lecture. One student indicated that the problems were acute during the first two
weeks of the course, but were resolved subsequently. One respondent indicated that when the
transmission was not working, the instructor would inform them with an email so that they got a
warning. In spite of IVC failures, the respondents indicated that technology failures were not a barrier
to learning. It is concluded that students were satisfied with the IVC download sites if they chose to
attend the lecture live. The sites were well supported with technical assistance (a staff member
employed by the host institution was on site to assist the student during the broadcast) and were
conveniently located to the student's home so that the student did not have to travel more than 20
miles to attend the lecture live.

All five faculty were asked to discuss the technological problems they faced, the conflict
between serving the needs of local and distance students simultaneously, the training they received for
teaching at a distance, and the type of technology support they would prefer.

Faculty were disappointed and frustrated with the technology, specifically IVC and Streaming Video,
used to offer courses at a distance. They felt that either new technology should be adopted, or they
should be provided additional technical support to deal with the constant onslaught of crisis caused
by technology failures during lectures.

The faculty perceived technological problems as two fold: those that affected the students

6|Page
exclusively, and those that affected both the students and faculty. Among those that affected the
students were IVC transmission failures from campus to the remote site. One faculty stated "students
make an effort to show up to this site and then they get nothing; they get no audio and no video. They
try to ask a question and they get cut off." Some faculty members also considered Streaming Video
problematic as no sound or image or both were recorded during the lectures on numerous occasions.

As far as the problems faced by both the faculty and students were concerned, the faculty felt
that the time involved in getting the technology to work was a detractor from teaching and learning. "I
spent more time and effort fighting with the technology than teaching," said one faculty. She felt that
"technology failures were extremely frustrating…and I can only imagine what students were going
through trying to participate in the class." Another faculty pointed out the time lost in communicating
through the IVC system. Voice transmission was choppy and delayed, for example, if a student asked
a question it would take two seconds for the sound to reach the instructor. Thus, people were constantly
talking over each other causing further delays in communication. The outcome was a loss of student
involvement as students learned that it was not worth the effort to ask a question.

Four faculty members declared that the IVC and Streaming Video technology was a major
problem in serving distance education students. One faculty affirmed that the technology was
certainly not appropriate to teach his courses, while another found Streaming Video unimpressive.
One faculty member clearly stated that the technology "did not work. It failed. The technology was a
failure overall."

Faculty received training to teach at a distance by educational technology services staff. The training
consisted of how to switch on and off the system, and how the faculty member could control the display
on the screen and communicate with other sites. Faculty reported that the training was adequate and
they were satisfied with the training.

All five faculty who taught at a distance were supported by a graduate assistant who worked 20 hours
per week. The faculty considered the role of the assistant important; however, felt that the assistant
was not appointed specifically to serve as a distance education assistant. The assistant had no training
regarding trouble-shooting technology problems. So the faculty expected additional technical support
besides a TA for the distance education courses.

It can be concluded that 1) most faculty members were dissatisfied with the technology used to offer
courses at a distance, 2) faculty felt that they could not balance the distance and local students
simultaneously, 3) faculty received adequate training for teaching at a distance, and 4) faculty
required, but did not receive, qualified technical support for teaching at a distance.

Research Question 2: Did the student-instructor and student-student interactions lead to

favorable learning outcomes?

Instructor-student interactions were provided via IVC during the lecture, and by using email,
telephone, and face-to-face meetings. Students chose to use email and telephone as the primary modes
of communication between themselves and faculty (Table 2). Distance students reported that
interactions between themselves and faculty were helpful, frequent, and consistent. Distance students
attending IVC classes reported that the instructor interacted with them frequently during the class as
well (Table 3).

Table 2. Student Modes of Interaction with Faculty

7|Page
 Mode Frequency Percent
Email 25 89.3
Telephone 25 89.3
Letters 5 17.9
Meetings 20 71.4

Student-student interactions were not formally provided in the majority of the courses. One
instructor eliminated team project requirements for distance students because of the logistical
difficulty in coordinating meetings. The same instructor, however, published students' email
addresses, and encouraged students to interact with each other as needed. If distance students attended
an IVC site they may have shared that site with others, but most often the students were alone.
Students reported that student-to-student interactions were not critical to their success and were the
least important form of interaction for them.
Table 3. Nature of Interactions between Students and Faculty

Question Frequency Percent

I contacted the instructor/professor regularly during the course
Rarely 5 16.1
Frequently 21 67.8
Always 5 16.1
Total 31 100.0
I received regular feedback from the instructor/professor
Frequently 13 41.9
Always 18 58.1
Total 31 100.0
The instructor interacted with the distance education students during the
IVC lectures
Never 1 4.3
Rarely 1 4.3
Frequently 9 39.1
Always 12 52.3
Total 23 100.0
Interactions between my instructor and I were helpful
Agree 2 6.5
Strongly Agree 29 93.5
Total 31 100.0

The faculty interviews revealed three issues concerning interactions with distance students: 1) the
mode of communication, 2) the frequency of communication, and 3) problems associated with
communication.

Mode of communication: All of the faculty members said that they used several modes of
communication to establish contact with their distance students. The most common modes were
email, telephone, and personal meetings. Faculty used each mode of communication according to the
purpose of the communication. "Simple and short communication could be accomplished through
email. If I felt like I wanted to have a dialogue, I called them or asked them to call me" said one
faculty member. Faculty members found email easy to deal with. One faculty member corresponded

8|Page
primarily through email. Email was preferred "due to the flexibility that the person can check it at
leisure."

Phone calls were the next most important mode of communication for faculty. One faculty
member reported that he preferred to talk with students and cited an example of how he prevented
a student from dropping the course via conversation. Another member expressed his dissatisfaction
with not being able to talk to all his students via telephone.

Three faculty members held personal meetings with the distance students as necessary
when students came to campus. One member made a point of inviting students to lunch when
they came to campus to get better acquainted with them.

Frequency of communication: Faculty were satisfied with the frequency of communication

between themselves and their distance students. Email was the most frequently cited form of
communication among faculty and ranged from daily to weekly contacts with distance students.
Personal meetings and telephone contacts were more sporadic.

Problems associated with communication:

Frequency of communication was a problem for two members, who wanted more
communication with their students. However, one member felt that distance students did not
appreciate frequent communication. "To be honest, my feeling was distance students really didn't
want contact… and were not interested in communicating."

Another critical issue that arose was that distance education students were at a disadvantage
as they could not be in the on-campus class. One member said, "the dynamics of a classroom cannot
be replicated in a distance education scenario." Another felt that the college and faculty members
should "make a commitment to do it well, or we should stop doing it." The faculty members
considered poor interaction a major stumbling block for teaching at a distance.

Another barrier to instructor-student interaction was the fact that the instructor had to include
two separated groups of students, local and remote, when teaching using IVC. One faculty member
stated, "a local student asks a question and we are going on for five minutes, and then I click to the
remote people and they are eating pizza, totally disengaged because we haven't been focusing on
them."

While discussing the use of technology used for delivering distance education, two faculty
members felt that the technology became a barrier to interaction with the local students. "You are
bringing in this whole other dimension in the classroom, and you are brining in a whole new team
of people, the technologists and the distance students. It was intimidating for my local students; they
didn't want to talk on camera or they realized that asking a question would take forever because of
the delays in the system so they were extremely reticent to interact with me or the other students."
One instructor felt that the technology was very distracting to his students and it took a lot of time
away from student learning. Another member had a similar experience. "All students were
disappointed, the students at a distance were not happy and the students in class, I know, weren't
happy." The faculty members felt that bothered by having to ignore the
on-campus students' needs while meeting remote students' needs, or vice-versa, or dealing with
technology failures. "I don't want to sacrifice the education of students in class. I don't think it is fair
to them," said one faculty member.

9|Page
 It can be concluded that 1) email was the most frequently used mode of communication
between distance education students and their instructors, 2) faculty were regular and consistent when
communicating with distance education students, 3) faculty members and students had individual
preferences regarding mode and frequency of communications, 4) the primary barrier to
communicating with students using distance education technologies was the IVC during live lectures.

Implications and Recommendations

Although the results of this evaluation study cannot be generalized past the students and
instructors involved, some implications and recommendations are warranted for further practice in
distance education.

As Holmberg (1995) postulated, distance students enjoyed and benefited from interactions with
their instructors. Students communicated with instructors most often through email, using
asynchronous guided didactic conversation strategies. Faculty should continue this form of
communication using telephone and meetings as needed by students.
As Moore (1989) hypothesized student-instructor interaction was very important to both
students and instructors. Both unidirectional (websites, email, Streaming Video) and bi-directional
(email, telephone, meetings, IVC, Blackboard.com®) interactions with the content and with
instructors were used by students in synchronous and asynchronous modes throughout the semester.
IVC and Streaming Video technologies have shown mixed success in facilitating student-instructor
interactions in this case study and should be supplanted with more functional technologies in the
future.

In regard to student-content interactions, students were successful in navigating their way

through the technologies to meet their learning needs. Student-technology interactions were
meaningful when using course websites, email, videotapes, CD-ROMS, and Blackboard.com®, but
were at times dysfunctional when using Streaming Video and IVC technologies. The
lower-cost technologies of email, telephone, videotape, and CD-ROM were satisfying to
students and facilitated all types of learning, including student-content learning; thus, faculty should
further develop these options when delivering courses at a distance and discontinue use of IVC and
Streaming Video as they proved to be unsatisfying for both students and instructors.

Student-student interactions were not critical to the success of students in this case study and
were the least important form of interaction for students. Faculty did not emphasize student-student
interaction and students did not demand it. If Moore (1989) is correct in his theory, faculty should
do more to encourage this form of interaction by assigning team projects to all members of the
course. Chat-rooms, discussion boards, and list serves can also be used to facilitate student-student
interactions.

The case study pointed to several questions for future research. Are distance education students
really interested in interacting with other students enrolled in the same course? Do faculty members
have enough training and expertise to modify the curriculum and methods of instructions to suit
distance education needs? Does evaluation of such programs lead to an improvement in the
program? Follow-up studies are warranted to document improvements in offering courses at a
distance.

References

10 | P a g e
 Biner, P. M., Welsh, K. D., Barone, N. M., Summers, M., & Dean, R. S. (1997). The impact of
remote-site group size on student satisfaction and relative performance in interactive telecourses.
The American Journal of Distance Education, 11(1), 23-33.

Creswell, J. W. (1998). Qualitative inquiry and research design: Choosing among five traditions.
Thousand Oaks, CA: Sage.

Hillman, D. C. A., Willis, D. J., & Gunawardena, C. N. (1994). Learner-interface interaction in

distance education: An extension of contemporary models and strategies for practitioners. The
American Journal of Distance Education, 8(2), 30-41.

Holmberg, B. (1983). Guided didactic conversation in distance education. In D. Sewart, D. Keegan,

& B. Holmberg (Eds.), Distance Education: International Perspectives (p. 114-122). New York: St.
Martin's Press.

Holmberg, B. (1995). The evolution of the character and practice of distance education. Open
Learning, 10(2), 47-53.
Kambutu, J. (2002). Administrators prefer technology-based distance learning. The Quarterly Review
of Distance Education, 3(3), 341-343.

Keegan, D. (1990). Foundations of distance education. London: Routledge.

Merriam, S. B. (1995). What can you tell from an N of 1? Issues of validity and reliability in
qualitative research. PAACE Journal of Lifelong Learning, 4, 51-60.

Moore, M. G. (1989). Three types of interaction. The American Journal of Distance Education, 3(2),
1-6.

National Governors Association. (2003). The state of e-learning in the States. Retrieved June 1, 2003,
from Available: http://www.ecs.org/html/Document.asp?chouseid=2705

Patton, M. Q. (2002). Qualitative evaluation and research methods. (3rd ed.). London: Sage
Publications.

Roberts, T. G., Irani, T, Lundy, L. K., & Telg, R. (2003). Institutional practices in evaluating
distance education among agricultural institutions of higher learning. Proceedings of the Southern
Agricultural Education Research Conference, Mobile, AL, February 2-3, 2003).

Stake, R. E. (1995). The art of case study research. London: Sage Publications.

Yin, R. K. (1994). Case study research: Design and methods. (2nd ed.). Newbury Park, CA: Sage
Publications.

Online Journal of Distance Learning Administration, Volume VII, Number II, Summer 2004 State
University of West Georgia, Distance Education Center
Back to the Online Journal of Distance Learning Administration Contents

11 | P a g e
A Study of the Effects of Digital Learning on Learning Motivation and Learning Outcome
Ming-Hung Lin
Tung-Fang Design Institute, TAIWAN
Huang-Cheng Chen
Tung-Fang Design Institute, TAIWAN
Kuang-Sheng Liu
Tung-Fang Design Institute, TAIWAN

Received 18 October 2016 ▪ Revised 22 February 2017 ▪ Accepted 19 March 2017

ABSTRACT
In the modern society when intelligent mobile devices become popular, the
Internet breaks through the restrictions on time and space and becomes a
ubiquitous learning tool. Designing teaching activity for digital learning and
flexibly applying technology tools are the key issues for current information
technology integrated education. In this study, students are tested and
proceeded questionnaire survey to understand the opinions about digital
learning. To effectively achieve the research objectives and test the research
hypotheses, quasi-experimental research is applied in this study. Total 116
students in 4 classes are selected as the research subjects for the instructional
research. The research results conclude that 1.digital learning presents better
positive effects on learning motivation than traditional teaching does, 2.digital
learning shows better positive effects on learning outcome than traditional
teaching does, 3.learning motivation reveals significantly positive effects on
learning effect in learning outcome, and 4.learning motivation appears
remarkably positive effects on learning gain in learning outcome. It is expected
to combine with current teaching trend and utilize the advantages of digital
learning to develop practicable teaching strategies for the teaching
effectiveness.
Keywords: digital learning, learning motivation, learning outcome

12 | P a g e
INTRODUCTION
In past years, the rapid revolution of the Internet and wireless communication technology has
resulted in the emergence of various interactive multimedia networks, such as mobile learning, mobile
voice, and instant messaging. Using the convenience and popularity of the Internet for applying digital
teaching materials and achieving the objective of national competitiveness would replace traditional
teaching. For this reason, a lot of research on mobile learning is proceeded in order to offer higher
transmission performance and universal utilization. The technology of handy and portable PDAs and
smart phones is getting mature that about everyone has a device in hand. Different from traditional
mechanism to browse the

© Authors. Terms and conditions of Creative Commons Attribution 4.0 International (CC BY 4.0) apply.
Correspondence: Kuang-Sheng, Liu, Department of Interior Design, Tung-Fang Design Institute,
Taiwan. kliu1219@yahoo.com.tw

State of the literature

 Computers and network technology media were applied to learning situations, including
synchronous and asynchronous network learning, to break through the restrictions on time,
location, and schedule.
 Diverse digital teaching materials are produced, and schools have actively introduced distinct
digital teaching platforms to the instruction, expecting to promote students’ learning outcome.

 In the era when knowledge and information flow rapidly, the application of digital learning covers
different fields and industries. Based on distinct positions or points of view, the definitions are
different.

Contribution of this paper to the literature

 Teachers matching with the class teaching to make good use of teaching strategies, according
to the class climate and create the learning situation for students being willing to use digital
learning so that students bravely propose questions in the discussion and increase the online
interactive learning with teachers.
 The key in developing the effectiveness of digital learning on teaching lies in teachers. The
promotion of digital learning could provide alternative innovation of class teaching.
 The design of teaching activity and the flexible application of technology tools or digital learning
therefore become the primary issues for current information technology integrated education.

Internet, a user could link to the server, through the network, to select proper digital teaching
materials for the learning; and the instant tests allow students controlling the contents of digital teaching
materials. Accordingly, practical teaching strategies could be developed by combining with current
teaching trend and extracting the advantages of digital learning to achieve the teaching effectiveness (Lai
et al. 2012).
Under the climate with changing learning modes, the government and businesses have largely
invested in the research and development of digital teaching platforms. The software and hardware for
many digital teaching platforms have been developed, diverse digital teaching materials are produced,
and schools have actively introduced distinct digital teaching platforms to the instruction, expecting to
promote students’ learning outcome. Utilizing the shared education resources on the computer network

13 | P a g e
for shortening the urban-rural education gap has become a common trend globally. It is inevitable for
teachers integrating information technology into subjects to assist in students’ learning with teaching
materials, teaching methods, and diversified teaching media. It is the common responsibility for
educators to have teaching become more efficient, allow students being glad to learn, and cultivate the
new generation with creative and rational communication and critical thinking with technologies and
network information in the new era. Digital teaching aims to have students actively participate in learning
activity to achieve the set learning outcome (Pai & Tu, 2011). The design of teaching activity and the
flexible application of technology tools or digital learning therefore become the primary issues for current
information technology integrated education.

LITERATURE REVIEW
Digital learning
Yoon et al. (2012) stated that digital learning (E-Learning) was first proposed by Jay Cross in
1999. With the advance and development of technology tools, it appeared different explanations and
terminology, such as Internet-based training, web-based training, or on-line learning, network learning,
distance learning. Doris Holzberger et al. (2013) regarded digital learning as delivery with digital forms
of media (e.g. texts or pictures) through the Internet; and, the provided learning contents and teaching
methods were to enhance learners’ learning and aimed to improve teaching effectiveness or promote
personal knowledge and skills. Basically, computers and network technology media were applied to
learning situations, including synchronous and asynchronous network learning, to break through the
restrictions on time, location, and schedule, and to achieve the learner-centered individualized learning
(Kaklamanou et al., 2012). In the era when knowledge and information flow rapidly, the application of
digital learning covers different fields and industries. Based on distinct positions or points of view, the
definitions are different. The most representative one is the definition proposed by American Society of
Training and Education (ASTD). It defines e-learning as the process learners applying digital media to
learning. Digital media contain the Internet, corporate network, computers, satellite broadcasting,
audiotapes, videotapes, interactive TV, and compact disks. The application includes network-based
learning, computer-based learning, virtual classrooms, and digital cooperation. Anttila et al. (2012)
regarded digital learning as a digital tool to acquire digital teaching materials for online or offline learning
activity through wire or wireless networks (Hockly, 2012).
Current literatures therefore reveal different explanations of digital learning among domestic and
international researchers. By comprehensively analyzing the viewpoints of several researchers, digital
learning could be divided into four parts (Keane, 2012).
(1) Digital teaching materials: It emphasizes that learners could learn by extracting some digital
teaching material contents. The so-called digital teaching material contents refer to e-books,
digitalized data, or contents presented with other digital methods.
(2) Digital tools: It stresses on learners proceeding learning activity through digital tools, such as
desktop computers, notebook computers, tablet computers, and smart phones.
(3) Digital delivery: It emphasizes that learners’ learning activity could be delivered through the
Internet, e.g. intranet, internet, and satellite broadcasting.
(4) Autonomous learning: It focuses on learners engaging in online or offline learning activity
through digital learning by themselves. It stresses on personal autonomous learning and
requires the participation of learners with autonomous learning to precede learning activity.
Learning motivation
Block et al. (2013) mentioned that the beginning and bottleneck stages of learning could be guided
by extrinsic motivation. Once it became autonomous, extrinsic incentives would be unnecessary, but
turned to autonomous learning. Both intrinsic and extrinsic motivation would complement one another.
On the other hand, learning also requires some driving force and extrinsic motivation as it is common to
learn for parent expectation, added objectives, and acquisition of some incentives. Learning motivation
is a mediator between stimulation and reaction. In other words, learning motivation is a learner’s
individual opinions about affairs, and learners would present different knowledge acquisition needs
because of distinct opinions. Karim (2012) regarded learning motivation as the inherent belief to guide
individual learning goal, induce learning behaviors to make continuous efforts, reinforce cognition
history, and strengthen and improve the learning outcome. Gruzd et al. (2012) argued that students would
expect to receive incentives from others for the behaviors; in this case, learning was purposive, but could
possibly be transformed from extrinsic into intrinsic motivation. Although students might not be
autonomous, the acquisition of some achievement motivation or the transformation into the needs for
self-growth in the learning process would be a good motivation internalization process. Ones with
intrinsic learning motivation did not need incentives, could independently make decisions, and acquired
fun and sense of achievement in the process. Extrinsic motivation, on the other hand, was the learning
motivation induced by others’ rewards or punishment and identity to certain behavioral value.
Intrinsic motivation might be more autonomous and persistent with high value, but environmental factors
could also influence motivation that incentives and external support were necessary (Im et al., 2011).
Koff & Mullis (2011) regarded learning motivation as student intention or desire to participate in and
make efforts on learning, which was performed on student choice of specific learning activity and the
efforts on such activity. Learning motivation therefore is defined, in this study, as guiding students’
continued learning and efforts on the learning goal set by teachers in the learning process. Chou et al.
(2012) also proved that students preferred independently solving problems on certain work (the behaviors
were driven by intrinsic motivation), but would be helped by teachers to solve some learning problems
(the behaviors are promoted by external stimulation). In learning, students’ intrinsic interests and
teachers’ or parents’ extrinsic rewards could be cooperated to form the learning motivation. According
to above research, intrinsic motivation and extrinsic motivation are used as the measure dimensions of
learning motivation in this study.
Learning outcome
Katz et al. (2011) indicated that the words academic performance, learning outcome, academic
achievement, or learning achievement expressed the same ideas, i.e. students’ academic learning
outcome, or the persistent result through learning history. Learning outcome is an indicator to measure
learners learning effect (Lubega et al., 2014) as well as a major item for the evaluation of teaching quality.
Learning outcome would be affected by learning mode, curriculum design, and teaching (Jude et al.,
2014) that a lot of researchers

discussed the effects of personal characteristics or learning behaviors on learning performance.

For example, Mostafa & Esmaeel (2012) discussed the effects of learning style on learning performance
of medical students, and the relationship. Kristen (2011) explored the effects of ability, self-efficacy, and
personal goal on effectiveness and discovered that learning outcome could indeed be affected by learner
traits. Chesser (2011) discussed the effects of training methods, computers self-efficacy, and learning
mode on learning outcome and found out higher learning performance of learners in favor of abstract
concepts. Martin & Herrero (2012) also found out the significant differences between learning mode and
learning outcome, but the effect of learning mode on learning outcome became insignificant after using
multimedia assisted teaching materials. Hsu (2012) pointed out two dimensions in learning outcome.

(1) Learning effect－including test result, time for schedule completion, and academic
achievement.

(2) Learning gain－containing learning satisfaction, achievement, and preference.

Learning effect and learning gain are therefore utilized as the measure dimensions of teaching
effectiveness in this study.
Comparison between traditional teaching and digital learning
McKiernan (2011) pointed out various differences in teaching material contents, learning channels, and
practice methods between traditional teaching and digital learning. For instance, learning contents
focusing on convenience and flexibility were suitable for digital learning, while traditional teaching was
better for courses which required practical operation or teamwork. Although digital learning could not
completely replace traditional teaching, it could achieve the best teaching effect and have learners be glad
to learn by reinforcing traditional teaching with digital learning and comprehensively practicing both
methods in teaching activity. Yien et al. (2011) pointed out the difference between digital learning and
traditional teaching in learning environment and persons. Traditional teaching, with “lecture” in
classrooms, was the most traditional and representative teaching method. In short, it referred to instructors
delivering teaching materials in the teaching activity to learners through interpretation. With the long
history, it has been broadly applied and is still one of favorable teaching methods of instructors.
Sebastian et al. (2012) regarded digital learning as the learning mode the most rapidly developed in past
years as well as the learning mainstream in the future. In addition to the time background, it was rapidly
developed because it broke through traditional teaching modes and presented various strengths. Miyoshi
et al. (2012) organized the advantages of digital learning for the comparison with traditional teaching. (1)
Learning no problem: Digital learning allowed learners not being restricted on time and space as
traditional learning so that learners could select the time and location for online learning and had no
pressure and obstacle of time and space through the instructors’ online interaction mechanism (Jude et
al., 2014). (2) Rich network resources: The Internet covers rich and diverse information that learners
could acquire data simply by searching key words. When a digital learning platform was able to

organize relevant resources for the use or connection of learners, network resources would be effectively
applied through digital learning, and instructors or learners could acquire richer information beyond
teaching materials in the curriculum to enhance the learning effect (Im et al., 2011). (3) Digital learning
contents and tailored learning schedule: Learners were equally treated in traditional teaching for same
teaching schedule and contents, regardless of learners’ level. However, the curriculum design and the
production of teaching materials for digital learning were digital contents that learners could freely select
different courses and teaching materials, according to the level and preference, to achieve the tailored
learning outcome (Sun et al., 2012). (4) Complete records of learners’ learning history: A good
digital learning platform should be able to completely record learners’ learning history so that instructors
could understand learners’ learning conditions and learners could clearly realize the level or learning
outcome for adjustment and improvement. (5) Interactive learning: Digital learning was self-learning that
the production of teaching materials should cover more media pictures, sound, or images than traditional
ones to generate more attractive and lively teaching materials. Moreover, digital teaching platforms would
provide interactive functions like chat room and discussion for more two-way communication between
learners and instructors and among learners (Hockly, 2012). (6) Reduction of teaching costs: The teaching
material contents utilized in a digital teaching platform were kept as digital files that the completed
teaching materials could be repeatedly utilized. In other words, the teaching material contents made by
instructors before lessons allowed learners using for several times and learning repeatedly. Traditional
teaching required all learners gathering at the same time and same place for the instruction that the
teaching costs were increased. (7) Effective accumulation of knowledge: The digital learning mode could
systematically and completely record all online teaching materials and learners’ learning history. For
learners, it could efficiently and step by step accumulated personal knowledge. For instructors, the
teaching material contents could be effectively organized and accumulated through a digital learning
platform and rapidly delivered to learners for effectively implementing knowledge management (Jude et
al., 2014).
(8) Enhancement of learning interests: Instruction could be more vivid and lively through
information technology and the presentation of various media to enhance learners’ interests, make
learning more efficient, and promote learners’ learning persistence (Kaklamanou et al., 2012). (9)
Simultaneous new technology learning: Digital learning stressed on learners learning distinct knowledge
and new technologies of computers and network with digital tools to promote the ability of using
information technology (Shin et al., 2011). In summary, digital learning is attractive because the contents
would not change with media or standards so that learners could easily operate to learn and break through
the restriction on time and space for thorough learning and successful learning. Learning motivation
allows students preparing for learning and would enhance the attention to and absorption of new
knowledge. Consequently, in order to make the best efficiency in learning, Kuo (2011) proposed the
model of motivation affecting effectiveness by understanding students’ learning motivation to explain
the relationship between motivation and effectiveness. Şahbaz (2012) revealed that students with

higher learning motivation would present higher learning outcome, i.e. positive correlations between
learning motivation and learning outcome.
The following hypotheses are therefore proposed in this study.
H1: Digital learning shows better positive effects on learning motivation than traditional teaching does.
H2: Digital learning reveals better positive effects on learning outcome than traditional teaching does.
H3: Learning motivation presents significantly positive effects on learning effect in learning outcome.
H4: Learning motivation appears remarkably positive effects on learning gain in learning outcome.
RESEARCH METHODOLOGY
Measure of research variable
Learning motivation
Referring to Chou et al. (2012), learning motivation is divided into (1) intrinsic orientation and (2)
extrinsic orientation in this study.
Learning outcome
Referring to Hsu (2012), (1) learning effect and (2) learning gain are contained.
Research subject and sampling data
To effectively achieve the research objective and test the research hypotheses, nonequivalent pretest
posttest control group design is utilized for the quasi-experimental research. Total 116 students in 4
classes are selected as the research subjects, where 2 classes (58 students) in the experimental group are
proceeded digital learning and the other 2 classes (58 students) in the control group remain traditional
teaching method of lectures. The 32-week instructional research is preceded for 3 hours per week (total
96 hours). The computer statistics software SPSS is used for the data analysis, and Factor Analysis,
Reliability Analysis, Regression Analysis, and Analysis of Variance are applied to test various
hypotheses.
Analysis method
Analysis of Variance is applied in this study to discuss the effects of digital learning on learning
motivation and learning outcome and Regression Analysis is further used for understanding the
relationship between learning motivation and learning outcome.

Table 1. Variance analysis of digital learning on learning motivation

Variable F P Scheffe post-hoc

Digital Intrinsic orientation 9.38 0.000* digital learning (4.12)>traditional teaching
learning (3.31)
Extrinsic orientation11.46 0.000* digital learning (4.75)>traditional teaching
(3.53)
* stands for p<0.05

Table 2. Variance analysis of digital learning on learning outcome

Variable F P Scheffe post-hoc

Digital Learning effect 13.42 0.000* digital learning (3.95)>traditional
learning teaching (3.15)
Learning gain 15.16 0.000* digital learning (4.27)>traditional
teaching (3.38)
* stands for p<0.05
ANALYSIS RESULT
Reliability and validity analysis
With Factor Analysis, learning motivation is extracted two factors of “intrinsic orientation”
(eigenvalue=3.263, α=0.88) and “extrinsic orientation” (eigenvalue=2.841, α=0.83). The covariance
accumulated achieves 81.623%.
Learning outcome, with Factor Analysis, is extracted two factors of “learning effect” (eigenvalue=2.533,
α=0.86) and “learning gain” (eigenvalue=2.375, α=0.82). The covariance accumulated reaches 84.283%.
Effects of digital learning on learning motivation and learning outcome
1. Variance analysis of digital learning on learning motivation

Applying Analysis of Variance to discuss the difference of digital learning in learning motivation, Table
1, digital learning shows significant differences in intrinsic orientation (4.12), and is higher than
traditional teaching (3.31); and, digital learning reveals remarkable differences in extrinsic orientation
(4.75), and is higher than traditional teaching (3.53).
2. Variance analysis of digital learning on learning outcome

Analysis of Variance is utilized for discussing the difference of digital learning in learning outcome. From
Table 2, digital learning appears notable differences in learning effect (3.95) and is higher than traditional
teaching; and, digital learning shows significant differences in learning gain (4.27), and is higher than
traditional teaching (3.38).
Correlation analysis of learning motivation and learning outcome
(1) Correlation analysis of learning motivation and learning effect

To test H3, the analysis results, Table 3, reveal remarkable effects of intrinsic orientation (β=2.136**)
and extrinsic orientation (β=1.838*) on learning effect that H3 is supported.

Table 3. Analysis between learning motivation and learning outcome

Dependent variable→ Learning outcome
Independent variable↓ Learning effect Learning gain
Learning motivation β Beta β Beta
Intrinsic orientation 2.136** 0.202 1.916* 0.182
Extrinsic orientation 1.838* 0.173 2.386** 0.217
F 28.46 36.25
Significance 0.000*** 0.000***
R2 0.342 0.388
Adjusted R2 0.031 0.036
Note: * stands for p<0.05, ** for p<0.01. Data source: Self-organized in this study
 (2) Correlation analysis of learning motivation and learning gain

To test H4, the analysis results, Table 3, present notable effects of intrinsic orientation
(β=1.916*) and extrinsic orientation (β=2.386**) on learning gain that H4 is supported.
CONCLUSION
The investigation reveals that students agree with the assistance of digital learning in the subject learning.
Particularly, the increasing learning time for students with digital learning relatively enhances the learning
performance.
It relies on teachers matching with the class teaching to make good use of teaching strategies, according
to the class climate and create the learning situation for students being willing to use digital learning so
that students bravely propose questions in the discussion and increase the online interactive learning with
teachers. Integrating digital learning into class teaching does not simply benefit students, but teachers
would also have different gains. In addition to the promotion of personal professionalism, teachers could
perceive that students realize teachers’ efforts and passion on teaching.
SUGGESTION
Aiming at above research results, the following suggestions are proposed in this study.
The teaching effectiveness could be enhanced merely when the system functions are rich and diverse to
be close to user perception and attract students logging in the system for learning. In regard to the dilemma
encountered in the mixed digital learning, the administration of schools could provide teachers with
software and hardware support and assistance, according to the needs, to reduce the doubt of digital
learning and, with encouragement, integrate teachers with interests to form an organization similar to
professional communities to promote digital learning. After all, cooperation of a group could better
prolong the management of digital teaching than an individual to significantly develop the teaching effect.
When there is not a computer assisted teaching team to develop software, teachers could collect relevant
resources from the Internet and self-develop software or make

web pages to achieve the information assisted teaching effect. What is more, the promotion of team
teaching among teachers for collaborative development and promotion of learning web pages would be
more productive and could benefit more students.
The key in developing the effectiveness of digital learning on teaching lies in teachers. In other words,
the promotion of digital learning could provide alternative innovation of class teaching. Making changes
in traditional teaching modes would encounter some difficulties, but such difficulties would be overcome
when teachers often exchange teaching experiences with peers or experts or sharing and learning through
web communities to advance the teaching methods and improve the classroom management as well as to
present he professionalism and self-development. With the advance of information technology and the
relevant technologies, digital learning would be accepted by students and teachers. It is the goal and task
of teachers to have students receive systematic knowledge through network and possess correct use
concepts.
REFERENCES
Anttila, M., Valimaki, M., Hatonen, H., Luukkaala, T., & Kaila M. (2012). Use of web-based patient
education sessions on psychiatric wards. International Journal of Medical Informatics, 81(6), 424- 433.
Block, L., Jesness, R., & Schools, M. P. (2013). One-to-One Learning with iPads: Planning & Evaluation
of Teacher Professional Development. College of Education, Leadership & Counseling. University of
ST.Thomas Minnesota.
Chesser, W. D. (2011). Chapter 5: The E-textbook Revolution. Library Technology Reports, 47(8), 28-
40.
Chou, C. C., Block, & Jesness. (2012). A case study of mobile learning pilot project in K-12 schools.
Journal of Educational Technology Development and Exchange, 5(2), 11-26.
Gruzd, A., Staves, K., & Wilk, A. (2012). Connected scholars: Examining the role of social media in
research practices of faculty using the UTAUT model. Computers in Human Behavior, 28(6), 2340-2350.
Holzberger, D., Philipp, A., & Kunter, M. (2013). How teachers’ self-efficacy is related to instructional
quality: A longitudinal analysis. Journal of Educational Psychology, 105(3), 774-786.
Hsu, T. H. (2012). An Investigation into University Students’ English Reading Motivation. Journal of
Far East University General Education, 6(2), 98.
Hockly, N. (2012). Substitute or redefine? Modern English Teacher, 21(3), 40-42.
Im, I., Hong, S., & Kang, M. S. (2011). An international comparison of technology adoption testing the
UTAUT model. Information & Management, 48(1), 1-8.
Jude, L. T., Kajura, M. A., & Birevu, M. P. (2014). Adoption of the SAMR model to assess ict
pedagogical adoption: A case of Makerere University. International Journal of e-Education, e-Business,
e- Management and e-Learning, 4(2), 106-115.
Kaklamanou, D., Pearce, J., & Nelson, M. (2012). Food and Academies: A Qualitative Study. Department
for Education, 1-23.
Karim, S. (2012). Dynamic assessment of L2 learners’ reading comprehension processes: A Vygotskian
perspective. Science Direct, 321-328.
Katz, D. L., Katz, C. S., Treu, J. A., Reynolds, J., Njike, V., Walker, J., & Michael, J. (2011). Teaching
Healthful Food Choices to Elementary School Students and Their Parents: The Nutrition Detectives™
Program*. Journal of School Health, 81(1), 21-28.
Keane, D. T. (2012). Leading with Technology. The Australian Educational Leader, 34(2), 44.
Koff, L., & Mullis, R. (2011). Nutrition Education and Technology: Can Delivering Messages via New
Media Technology Effectively Modify Nutrition Behaviors of Preschoolers and Their Families?
Journal of Nutrition Education and Behavior, 43(4), S40-S40.
Kristen, E. R. (2011). Analytical Evaluation of the Health Belief Model and the Vulnerable
Populations Conceptual Model Applied to a Medically Underserved, Rural Population. International
Journal of Applied Science and Technology, 1(2), 15-21.
Kuo, Ya-Chu (2011). Intrinsic/Extrinsic motivation and perfectionism of EFL College Freshman
student in Taiwan (thesis). Retrieved from http://ndltd.ncl.edu.tw/cgi-
bin/gs32/gsweb.cgi/login?o=dwebmge
Lai, Y. H., Huang, F. F., & Yang, H. H. (2012). The Effect of Nutrition Education System for
Elementary School Students in Nutrition Knowledge. Journal of Oriental Institute of Technology, 32,
115-123.
Martin, H. S., & Herrero, A. (2012). Influence of the user’s psychological factors on the online
purchase intention in rural tourism: Integrating innovativeness to the UTAUT framework. Tourism
Management, 33(2), 341-350.
McKiernan, G. (2011). Configuring the ‘Future Textbook’. Search, 19(4), 43-47.
Miyoshi, M., & Tsuboyama-Kasaoka, N. (2012). School-based “Shokuiku” program in Japan:
Application to nutrition education in Asian countries. Asia Pacific Journal of Clinical Nutrition, 21(1),
159-162.
Mostafa, P., & Esmaeel, A. (2012). Teacher motivational practice, student motivation, and possible
L2 selves: An examination in the Iranian EFL context. Language Learning, 62(2), 571-594.
Pai, J. C., & Tu, F. M. (2011). The acceptance and use of customer relationship management (CRM)
systems: An empirical study of distribution service industry in Taiwan. Expert Systems with
Applications, 38(1), 579-584.
Şahbaz, N. K. (2012). Evaluation of reading attitudes of 8th grade students in primary education
according to various variables. Educational Research and Reviews, 7(26), 571-576.
Sebastian, D., Ali, S., Ivo, B., Jan, M. L., & Helmut, K. (2012).Determinants of physicians’ technology
acceptance for e-health in ambulatory care. International Journal of Medical Informatics, 81(11), 746-
760.
Shin, D. H., Shin, Y. J., Choo, H., & Beom, K. (2011). Smartphones as smart pedagogical tools:
Implications for smartphones as u-learning devices. Computers in Human Behavior, 27(6), 2207-
2214.
Sun, J. Y., Han, S. H., & Huang, W. (2012). The roles of intrinsic motivators and extrinsic motivators
in promoting e-learning in the workplace: A case from South Korea. Computers in Human Behavior,
28(3), 942-950.
Yien, J. M., Hung, C. M., Hwang, G. J., & Lin, Y. C. (2011).A game-based learning approach to
improving students’ learning achievements in a nutrition course. Turkish Online Journal of
Educational Technology, 10(2), 1-10.
Yoon, J., Kwon, S., & Shim, J. E. (2012). Present Status and Issues of School Nutrition Programs in
Korea.
Asia Pacific Journal of Clinical Nutrition, 21(1), 128-133.
http://iserjournals.com/journals/eurasia
 Research Article doi: 10.12973/eu-jer.10.1.39

European Journal of Educational Research

Volume 10, Issue 1, 39 - 49.
ISSN: 2165-8714

http://www.eu-jer.com/

Motivation and Learning Strategies: Student Motivation Affects Student Learning Strategies

Hasan Hariri* Dedy Hermanto Karwan Een Yayah Haenilah

Universitas Lampung, Universitas Lampung, Universitas Lampung,
INDONESIA INDONESIA INDONESIA

Riswanti Rini Ujang Suparman

Universitas Lampung, INDONESIA Universitas Lampung, INDONESIA

Received: May 5, 2020 ▪ Revised: July 23, 2020 ▪ Accepted: November 11, 2020

Abstract: Despite being a popular research subject internationally, self-regulated learning is relatively under-investigated in the
Indonesian context. This article examined student learning motivation and its use as an indicator to predict student learning strategies
in an Indonesian school context. This article applied quantitative research design, with Motivated Strategies for Learning Questionnaire
(MSLQ) used to collect the data. This questionnaire was completed by 408 public high secondary students randomly selected from the
population in Lampung Province schools, and multiple regression was used to analyze the obtained data. Results show that student
motivation and learning strategies were positively and significantly correlated; three predictor variables of student motivation could
significantly predict learning strategies; and value components of student motivation best predicted learning strategies. Inconclusion,
these findings indicate that, when teachers apply learning strategies, such variables as motivation including value, expectancy, and affective
components should be strongly considered to be in place. It is hoped finally that the students will be self-regulated learners for their
success.
Keywords: Learning strategies, metacognition, motivation, self-regulated learning, student.

To cite this article: Hariri, H., Karwan, D.H., Haenilah, E.Y., Rini, R., & Suparman, U. (2021). Motivation and learning
strategies: Student motivation affects student learning strategies. European Journal of Educational Research, 10(1), 39-49.
https://doi.org/10.12973/eu-jer.10.1.39

Introduction
Background to this Article

Self-regulated learning (SRL) has been a noteworthy research area about how
schoolchildren become self-regulated learners for years (Steffens, 2006; Zimmerman, 2008), in
higher education (Kosnin, 2007) and particularly in schools (Dignath et al., 2008). The research in
this field including motivation orientations and learning strategies (Pintrich et al., 1991) is relatively
diverse (e.g. Pintrich, 2004).
Interest in SRL has been on the rise since the 1980s, and most research examining
metacognitive monitoring accuracy has encompassed tertiary education students (dee Bruin et al.,
2011) as well as school students (Dignath et al., 2008). In addition, the SRL measured using
Motivated Strategies for Learning Questionnaire (MSLQ) (Pintrich et al., 1991) has been in many
other language versions applied by many researchers worldwide, comprising the United States,
the United Kingdom, Turkey, Russia, the Philippines, Malaysia, Japan, Iraq, India, Egypt, Cyprus,
Croatia, China, Chile, Canada, Brazil, Australia, and Argentina (Garcia & McKeachie, 2005), and
recently China (Banisaeid & Huang, 2015), Estonia (Saks et al., 2015), Norway (Ulstad et al., 2016),
the West Indies, Korea (Jo et al., 2016). However, the research is unevenly distributed geographically,
i.e. it is rare in the Indonesian context.
In general, Zumbrunn et al. (2011) outline the important research results, based on their
literature review, that SRL: (a) is considered critical for students to involve in processes of learning
(Järvelä & Järvenoja, 2011; Zimmerman, 2008), (b) is able to help them enhance their habits and skills
of learning (Wolters, 2011), (c) implement strategies of learning to improve educational outcomes,
(d) monitor their performance (Harris et al., 2005) and (e) assess their educational improvement (de
Bruin et al., 2011). As a result, educators including teachers ought to be familiar with the influencing
variables of a student capacity for self-regulating the strategies of learning to enhance SRL.
In particular, findings that SRL positively influences student achievement have been consistently
revealed (e.g., Cleary & Platten, 2013; Zumbrunn et al., 2011). SRL capacity is essential to make
students self-regulated learners (Kosnin, 2007). These learners are capable of both implementing
cognitive learning strategies in academic tasks (Vrieling et al., 2012) and regulating learning to
enhance their outcomes of learning (Steffens, 2006).

SRL Concept

SRL is defined differently (Pintrich & De Groot, 1990). To illustrate, Pintrich (2000), defines
SRL as a learning process where learners activelyand constructivelydetermine learning objectives for
the purpose of monitoring, regulating, and controlling motivation, cognition and behavior.
Zumbrunn et al. (2011) add that SRL constitutes a process to help learners manage their views,
behaviors, and feelings to steer their learning capabilities successfully when the students’ actions are
purposefully directed to acquire skills or information during the process. While, for Corno and
Mandinach (1983), SRL is an action to manipulate and deepen their networking in a specific field
and do monitoring and improvement of the expanding process. Cazan (2013) views academic SRL
as self-generalized views, spirits, and intended to accomplish educational aims.
However, despite being differently defined, students generally could actively self-regulate
learning to some extent in behavior, metacognition, and motivation (Zimmerman, 1986).
Behaviorally, the students choose structure and make physical and social environments optimizing
learning acquisition. Metacognitively, they carried out planning, organizing, self-instructing and
self-evaluating at different stages during learning acquisition. Motivationally, they are intrinsically
motivated, self-efficacious, and autonomous. Hence, students become effectively responsive to
practical relationships between both their social and environmental outcomes and their thought and
action patterns. Through SRL, students’ cognition, behaviors, and motivation are activated and
sustained. These three aspects are methodically in favor of the accomplishment of their objectives
(Kadhiravan & Suresh, 2008).
Conceptual Framework for SRL

SRL, according to Pintrich’s conceptual framework, is a procedure that enables students to

enthusiastically involve in determining aims as well as attempting to use the four stages: (1)
forethought, planning, and activation, (2) monitoring, (3) control, and (4) reaction and reflection.
These stages cut the four self-regulation context areas: (1) cognition, (2) motivation/affect, (3)
behavior, and (4) context) (Kadhiravan & Suresh, 2008; Pintrich, 2000; Schunk, 2005; Xu, 2008). The
stages are also interactive in that individually the students might simultaneously engage in more than
one stages (Kadhiravan & Suresh, 2008). They need to be actively engaged in their learning by
applying the four stages and the context areas of self-regulation to be self-regulated learners. Such
learners are behaviorally, metacognitively, and motivationally active participants in learning
(Zimmerman, 1990).

Motivated Strategies for Learning Questionnaire (MSLQ)

This 81-item questionnaire (Pintrich et al., 1991) was a widely used to measure SRL
(Zimmerman, 2008), refined in 1986, 1987, 1988, and 1991 (Garcia & McKeachie, 2005), and
finalized in 1993, reflecting a decade of extensive work (Pintrich et al., 1993).
The instrument comprises two parts: motivation and learning strategies. These two parts consist of
the scales. First, the motivation part (consisting of 31 items) is composed of three scales: (1) value,
(2) expectancy, and (3) affect. Value comprises three elements: orientation of intrinsic goal,
orientation of extrinsic goal, and task. Expectancy comprises two elements: self-efficacy and control
of learning. Affect comprises one element: anxiety of test. Second, the learning strategies part
composes of 31 cognitive-metacognitive items and 19 behavior items. The former comprises five
elements: (1) elaboration, (2) rehearsal, (3) critical thinking, (4) organization, and (5) metacognitive
self-regulation. The latter comprises four elements: (1) effort management, (2) time and study
environment, (3) help seeking, and (4) peer learning (Pintrich et al., 1991).

Prior Studies on SRL Using MSLQ

Studies on SRL have been widely conducted (Montalvo & Torres, 2004; Ng et al., 2017) and
nowadays SRL gradually has been conducted in various learning settings (Schunk, 2005)
particularly in the United States (Cleary & Platten, 2013; Hardy, 2013; Pintrich & De Groot, 1990;
Zimmerman & Kitsantas, 2014) and many other countries such as Australia (Neville & Bennett,
2004), the Netherlands (Vrieling et al., 2012), China (Banisaeid & Huang, 2015), Germany and China
(Wang et al., 2013), seven countries (Australia, Canada, India, Malaysia, Taiwan, Thailand, and the
United States (Credé & Phillips, 2011), Singapore (Chang & Smith, 1998; Ng et al., 2017),
Philippines and Korea (Turingan & Yang, 2009), Turkey (Ozan et al., 2012; Şen et al., 2014;
Tanriseven, 2014), Malaysia (Kosnin, 2007), and South Africa (Tsemrekal, 2013).
SRL as measured by the MSLQ has been widely used in such countries to make learners self-
regulated. SRL capacity is essential for students to intervene in their learning in order for them to
be self-regulated learners (Kosnin, 2007). These learners are capable of implementing cognitive
learning strategies in academic tasks (Vrieling et al., 2012) and able to regulate learning to enhance
learning outcomes (Steffens, 2006).
Kosnin (2007) asserts that research investigating SRL in relationship with student achievement
have generally revealed positive correlation between both across subject areas and education levels.
Also, studies have consistently revealed that SRL positively affects student achievement over years
(Cleary & Platten, 2013; Zumbrunn et al., 2011).
However, SRL has not yet been comprehensively investigated (Tsemrekal, 2013), particularly
little is known in the literature about SRL in an Indonesian context, particularly focusing on student
motivation orientations in association with, and predictors of, student learning strategies.
Therefore, this article examined student learning motivation (consisting of value, expectancy,
and affective components) in association with, and predictors of, student learning strategies in in
Lampung schools, Indonesia. This aim is answered with the research questions below.
Research Questions of this Article
Three research questions are proposed to help achieve the aim of this article:
(3) What are the relationships between student motivation (value, expectancy, affective components) and learning
strategies?

(4) Can the student motivation significantly predict the learning strategies?
(5) Which predictor best predicts the learning strategies?

Such research questions are important to guide the researchers to be on the tract in the research processes
to investigate the research problem.
Methodology
Research Design, Population and Sample

This article used quantitative research design based on survey questionnaire (MSLQ) to address the
research questions.
This article area had a population of 160,100 students throughout 691 junior secondary schools in
Lampung Province. Like in Thai school system, Indonesian students take three years to pass this
school level, after six years of primary schools (Nownaisin et al., 2020). A sample of 500 students
was randomly selected from 50 schools in five districts out of 15 districts in the province
(Dirjendikdasmen, 2017), using multi-stage random sampling with three stages: provincial level,
district level, and school level. In the first stage, five districts (Metro, Bandar Lampung, Pesawaran,
Pringsewu, and Lampung Timur) were selected from the 15 districts in the Province of Lampung. In
the second stage, 50 schools were selected from the five districts (10 schools from each district). In
the last stage, 500 students were selected from the selected schools. These students are from various
ethnic groups in Indonesia, mostly Javanese descents and Sumatran origins. Completed responses
were gained from 408 participants (an 81.60% response rate). This sample number is considered
sufficient to predict learning strategies for the population (Smith, 2013; Taherdoost, 2017).
Description of Participants

Authors surveyed such participants’ demographics as sex, ethnical background, and school location.
The following are their descriptive statistics (Table 1).

Table 1. Demographic characteristics of participants (n = 408)

Characteristics Freq. % of Total

Sex
Female 277 67.89
Male 131 32.11
Ethnic Group
Javanese 279 68.38
Lampungnese 81 19.85
Sundanese 21 5.15
Others 27 6.62
School Location
Urban 259 63.48
Rural 149 36.52
Total 408 100.00
 Table 1 shows that the number of the participants was a total of 408 students consisting of 277
females (32%) and 131 males (32%), with the number of Javanese students being 279 (68%) as the
majority, followed by Lampungnese students (81 or 20%), and Sundanese students (21 or 5%),
and the rest from other ethnic groups (27 or 7%). Most students (259 or 63%) went to urban
schools (in cities or district capitals) and the rest (149 or 37%) went to rural schools. These results
indicate that students in state junior high schools in Lampung Province are dominated by female
students, and these students are mostly Javanese with a percentage of above 50% of all the 408
students, while Lampungese students stand at the second place, occupying only 20%. The
participants mostly attend schools in the cities and in the district capitals.
Research Instrument and Procedure

In collecting the data, this article used self-designed demographic questionnaire and the MSLQ
developed by Pintrich et al., (1991, 1993). The latter has been in the public domain so that
permission to use the instrument is not needed (Pintrich et al., 1991); Holland et al., 2018). The
Demographic Questionnaire was self-developed and used to describe participants’ demographics:
gender or sex, ethnical background, and school location.
In this article, the MSLQ was used to measure the students’ SRL, particularly value,
expectancy, and affective components in association with, and used as predictors of, learning
strategies. The participants responded using seven- point ratings ranging “from not all true of me to
very true of me” (Zimmerman, 2008, p. 168).
For this article, the MSLQ was translated into Bahasa Indonesia from English and vice versa
by two independent experts from Indonesia. This way of translation is as carried out by other
researchers (for example Hariri, Monypenny, & Prideaux, 2012, 2014, 2016).
Validity and Reliability

Studies show that the MSLQ widely used in various languages all over the world has confirmed
its validity and reliability. It is adaptable for a variety of purposes (e.g., researchers, students, and
educators) (Garcia & McKeachie, 2005; Garrido-Vargas, 2012). In particular, Garrido-Vargas
(2012) asserts that the studies during the MSLQ developmental stages have led to the sufficient
validity and reliability establishment of the questionnaire (Pintrich & De Groot, 1990), including
confirmation of convergent and discriminative validity for its construct (Zimmerman and
Martinez-Pons, 1988).
Pintrich et al. (1991) reported acceptable reliability ranging from 0.52 to 0.93. Garrido-Vargas
(2012) adds the facts that the MSLQ was adequately reliable with Cronbach's alpha value of 0.95 for
this questionnaire, 0.91 for the scale of motivation, and 0.88 for the scale of learning strategies, and the
instrument was also found to have good and adequate internal reliability with Cronbach's alpha
values between 0.52 and 0.93 (White et al., 2012). For this article sample (N=50), the MSLQ has
acceptable reliability with Cronbach's alpha value of 0.84 for this instrument, 0.79 for the scale of
motivation, 0.79 for the scale of learning strategies, 0.85 for subscale of value components, 0.81 for
the subscale of expectancy components, 0.91 for the subscale of affective components, 0.79 for
the subscale of cognitive and metacognitive strategies, and 0.82 for the subscale of resource
management strategies.

Scoring
For scoring in this article, the scale scores of MSLQ were average ones, obtained from score of four
items summed and then they were divided by the number of scale items to create mean score. Items
negatively worded are firstly reversed prior to computing individual scores (Pintrich et al., 1991).
Data Analysis

The MLQ measured the students’ SRL in terms of value, expectancy, affective components, and
learning strategies. This article used descriptive statistics particularly to depict participants and
variables, and the data were analyzed with linear regression.
Descriptive Analysis

This descriptive analysis presents the data obtained from the research project carried out in state
junior high schools in five out of the fifteen districts in the Province of Lampung, Indonesia. The five
districts are Metro, Bandar Lampung, Pesawaran, Pringsewu, and Lampung Timur. The research
project from which the data were obtained was conducted between 16 August and 16 October 2018.
The MSLQ as well as demographic questionnaire was addressed to 500 students, but 408 students
completed the questionnaire (an 81.60% response rate).
Their participation was suggested to be voluntary, items honestly responded, and responses kept
confidential. The 81 questions were addressed to the students and they were asked to answer by
giving an X on each question number considered closest to their feeling on their motivation and
learning strategies.
Description of Variables

The four variables (value, expectancy, affective components) and learning strategies were used in this
article. The data were collected using MSLQ and analyzed using SPSS on a seven-point Likert rating
scales. The descriptive statistics in this article was used to describe the attributes of the variables as
shown in Table 2.

Table 2. Descriptive statistics of student-perceived variables (n = 408)

Mean Std.Dev Skewness Kurtosis

Variables
Stats Stats Stats Std.Error Stats Std. Error

Value
5.75 0.64 -0.80 0.12 0.94 0.24
components
Expectancy
5.55 0.66 -0.41 0.12 -0.03 0.24
components
Affective
4.28 1.16 -0.17 0.12 -0.56 0.24
components
Learning
4.86 0.57 -0.30 0.12 0.17 0.24
Strategies

Table 2 lists the measures particularly mean, standard deviation, skewness, and kurtosis used as
a basis to interpret results. Skewness and kurtosis were used to test normal distribution of data. In this
case, the data analysis resulted in the values of skewness ranging from -0.80 to -0.17, while those of
kurtosis ranging from -0.56 to 0.94.
 General Assumptions

Results and discussion are preceded by general assumptions for parametric data and
assumptions for multiple regressions. General assumptions of parametric were checked before
running statistical analysis to ensure accurate results. These assumptions include random sampling,
continuous measures (interval or ratio level), normality, variance homogeneity, and observation
independence (Field, 2009).
All these assumptions were confirmed. Continuous measures were met by rescaling data from
qualitative into continuous variables following the methods suggested by the authors of MSLQ
(Pintrich et al., 1991). Random sampling was met in the step of research design stage. The normality
of data was confirmed using kurtosis and skewness with the values ranging between +2 and -2
(Garson, 2010). The independent observations were confirmed, any other observation did not
influence those observations (Pallant, 2007). Variance homogeneity was assessed using Levene’s
test revealing that the variances were equal for the participants, F (31, 371) ≥ 0.05, NS, for all the
variables, indicating homogeneity of the variances. Having met the general assumptions, the data
were then analyzed using multiple regressions.
Results

Multiple Regression

Multiple regression was carried out for the data analysis to answer the research question. This
analysis is preceded by checking its assumptions as a part of interpretation of output from multiple
regressions as previously outlined in Data Analysis section. Then, results and discussion were
presented in response to the research questions.
Standard multiple regression was used for data analysis of this article. The assumptions include
multicollinearity, linearity and homoscedasticity, residual normality, and residual independence.
6. Multicollinearity. This assumption was checked using the relationships of the four variables (see Table 3).

Table 3. Variable Relationships

Variables 1 2 3 4
Pearson 1 Learning Strategies 1.00
Correlation 2 Value components 0.67 1.00
3 Expectancy components 0.61 0.73 1.00
4 Affective components 0.22 0.08 0.12 1.00
Sig. (1-tailed) 1 Learning Strategies 0.000 0.000 0.000
2 Value components 0.000 0.000 0.045
3 Expectancy components 0.000 0.000 0.009
4 Affective components 0.000 0.045 0.009
Table 3 shows the relationships between the predictor variables with an individual magnitude of
less than 0.80 as required for the variables to be retained (Pallant, 2007).
7. Homoscedasticity and linearity. The *ZRESID against *ZPRED was plotted using SPSS resulting in
confirmation of the two assumptions (Field (2005). In this article, the plot produced the graph shown in Figure 1.

Figure 1 Scatterplot of residuals

Figure 1 displays the randomly dispersed residuals, treated being homoscedastic. This condition
shows evidence that the homoscedasticity and linearity assumptions are confirmed (Field, 2005),
and this way of checking such assumptions was also used by Hariri et al. (2016).
8. Residual normality. This assumption applying to the dependent variable (learning strategies) was tested using
histogram as shown in Figure 2.

Figure 2 Histogram of standardized residuals of learning strategies

Figure 2 displays symmetrical histogram, indicating normally distributed residuals (Field, 2005).
9. Residual independence. All the values of the outcome variable in this article were assumed to be independent due
to the use of cross-sectional data (Field, 2005).

All the assumptions of multiple regressions for the data for this article were met to ensure the fitting
between the model produced from the analysis and the data. Thus, the data analyses proceed to
answering the research questions using multiple regression analysis.
 Results of RQ1

RQ 1 is: What are the relationships between student motivation (value, expectancy, affective
components) and learning strategies?
This RQ1 is analyzed when multicollinearity was checked as shown in Table 3. Table 3 shows that,
in general, there are positive and significant relationships between student motivation (value,
expectancy, affective components) and learning strategies (p < 0.0001). Specifically, the strongest
relationship is between value components and expectancy components (r = 0.73), followed by the
relationship between value components and learning strategies (r = 0.67), then the relationship
between expectancy components and learning strategies (r = 0.61). Weak relationship is between
affective components and learning strategies (r = 0.22), followed by weaker relationship between
affective components and expectancy components (r = 0.12), and the weakest relationship between
affective components and value components (r = 0.08).

Results of RQ2 and RQ3

RQ 2 is: Can the student motivation (value, expectancy, and affective components) significantly
predict learning strategies of students?
RQ 3 is: Which predictor best predicts the learning strategies?
These two questions were addressed using a standard multiple regression analysis. Value, expectancy,
and affective components are the sets of the independent (predictor) variables. Learning strategies are
the dependent variable. The multiple regression analysis was employed and produced significant
predictor variables of the learning strategies (α = 0.05).

Table 4. Coefficients with three predictor variables

Unstd Coeff. Std Coeff. 95% Confidence Relationships Col. Stats

Model B SE β t Sig. LB UB ZO Partial Part Tol. VIF
1 (Constant) 0.899 0197 4,566 0.000 0.512 1,286
Value 0.433 0.046 0.485 9,441 0.000 0.343 0.524 0.670 0.425 0.331 0.466 2,146
Expectancy 0.204 0.045 0.236 4,587 0.000 0.117 0.292 0.609 0.222 0.161 0.463 2,160
Affective 0.077 0.017 0.156 4,422 0.000 0.043 0.111 0.225 0.215 0.155 0.986 1,014

Dependent variable: Learning strategies

As seen in Table 4, the analysis of the regression resulted in three significant predictors (affective
components, value components, and expectancy components) of learning strategies (α = 0.05),
with the total contribution of 50% as shown in Table 5.
Table 5. Model summary

Model R R Sq. Adj. R Sq. SE of the Estimate

1 0.710a 0.504 0.500 0.406
a. Predictors: (Constant), Value, Expectancy, and Affective
b. Dependent Variable: Learning Strategies
 The research questions are: Can student motivation (value, expectancy, and affective
components) significantly predict learning strategies of students? Which best predicts learning
strategies? The SPSS output box labelled coefficients provides answers to these questions (see
Table 4). The β-values are the standardized coefficients applied to see the differences between the
variables. While, the B values are the unstandardized coefficients used to make the equation of
regression (Pallant, 2007).
When the β-values are larger, the contribution of the predictors to learning strategies will be stronger.
The regression analysis resulted in a β-value of 0.485 as the largest β coefficient obtained by value
components, followed by expectancy components with a β-value of 0.236, and affective
components with a β-value of 0.156. These three predictors significantly contributed to predicting
learning strategies (α = 0.05).

Discussion
Discussion of RQ1 Result

Analysis of the data addressing the first research question using Pearson Correlation reveals positive
and significant relationships between student motivation factors (value, expectancy, affective
components) and learning strategies. This result indicates that all elements that make up student
motivation need to consider when in teaching and learning process. For example, teachers need to
know characteristics individual students in terms of their intrinsic and extrinsic motivation, value of
the tasks assigned to them. Learning that students feel valuable will make their motivation emerge and
improve when students feel that what they learn is valuable (Ginsberg & Wlodkowski, 2019).
Also, the result highlights learning self-efficacy, particularly learners with high anxiety (Roick &
Ringeisen, 2017). It is evidence that learning strategies, task value anxiety, and self-efficacy are
correlated as noted by Chou (2019). In particular, learners with high anxiety need to be paid attention
since anxiety could negatively influence their learning (Oplaz, 2019).
This result is also in line with what Adesola and Li (2018) revealed that self-efficacy had
high relationship with cognitive strategy and self-regulation. Anxiety and learning outcomes were
highly correlated. Self-regulation was highly correlated with cognitive strategy. In achieving their
learning goals, students who showed high self-regulation implemented self-efficacy and cognitive
strategy.
The positive and significant relationships between the motivation scales and learning strategies show
a good indication as Pintrich (2004) emphasizes that learners have capability of regulating their
cognition, affect and motivation.
Discussion of RQ2 and RQ3 Results

Regarding RQ2, the findings suggest that motivation (value, expectancy, and affective components)
can significantly predict learning strategies of the students.
This finding adds to our understanding that in general learning strategies of students are an important
aspect that is in influenced by motivation, leading to the students being regulated learners. This
finding also confirms that learning strategies need to support learning processes (Järvelä & Järvenoja,
2011; Zimmerman, 2008), improve study skills and learning habits (Wolters, 2011), and thus increase
academic outcomes and performance (Harris, Friedlander, Saddler, Frizzelle, & Graham, 2005),
academic achievement of the students (e.g., Cleary & Platten, 2013; Zumbrunn et al., 2011), and thinking
skills (Tohir et al., 2020).
Regarding RQ3, the findings indicate that the value components best predict learning strategies. These
findings suggest that:
3. The three predictor variables (value, expectancy, and affective components) can significantly
predict learning strategies.

4. The value components best predict learning strategies.

5. The three predictors together explain 50% of the variance in the learning strategies of students
(see Table 5), indicating this model does not account for the other 50%.

This model gained a statistical significance of p < 0.0001. The adjusted R² value was 0.500, nearly
the same as the R² value of 0.504 (a very little decrease of only 0.4%). Hence, this model can be
regarded as a very good one to predict student learning strategies (Field, 2005, p. 188).
The findings of the three questions of this article were little known in the literature on the SRL even
though researchers have conducted many studies on the SRL. Thus, these findings have partly closed
this gap. The findings are significant because SRL, particularly regarding orientations of motivation
and strategies of learning of the students, positively and significantly affects their academic
achievement (Cleary & Platten, 2013; Zumbrunn et al., 2011).
The significant findings of this article support previous findings showing that SRL capacity is
essential for students to intervene in their learning (Kosnin, 2007, p. 221). These learners are
capable of implementing cognitive learning strategies in academic tasks (Vrieling et al., 2012) and
good at regulating learning to enhance their outcomes of learning (Steffens, 2006). Also, it is
essential to highlight that increased use of learning strategies is followed by increased level of
academic outcomes (Oflaz, 2019), and it is evidence that SRL leads to positive academic outcomes
(Kayacan & Sonmez Ektem, 2019).
Conclusion
Findings of this article show, first, positive and significant relationships between motivation factors
(value, expectancy, affective) and learning strategies. Second, the findings show that the three
predictor motivation variables can significantly predict learning strategies of the students. Third,
the value components variable best predicts learning strategies. In short, these findings indicate that,
when teachers apply learning strategies, such variables as value, expectancy, and affective
components should be strongly considered to be in place.
Theoretically, the findings of this article will extend the body of knowledge and contribute to an
increased understanding of SRL in terms of motivation and learning strategies in an Indonesian
school context.

Suggestions
For teachers, findings can be used as basis to apply in their activities to facilitate the pupils to be
capable of self- regulated learners. For school principals, the findings can be used as input to plan a
training program for teachers to help teachers have capacity to facilitate students to be
motivationally, metacognitively, and behaviorally good at learning process. Educational district
offices, particularly, in Lampung Province, can use to set policy based on the findings of this article
to help school principals as well as teachers to apply teaching and learning processes in ways that
facilitate the schoolchildren to effectively regulate their own learning.
For future researchers, the results of this article give opportunity to study students’ feelings on their
learning by including qualitative method using in-depth interview to deeply understand the students’
feelings of their learning process that cannot be explored in this article.

Acknowledgements
The authors would specially thank P.R. Pintrich, D. A. F. Smith, T. Garcia, and W. J. McKeachie for having
made the MSLQ public domain. Also, the authors’ thanks would go to the Rector of Universitas Lampung
for financially supporting this work.
References
Adesola, S. A., & Li, Y. (2018). The relationship between self-regulation, self-efficacy, test anxiety
and motivation.
International Journal of Information and Education Technology, 8(10), 759-763.

Banisaeid, M., & Huang, J. (2015). The role of motivation in self-regulated learning and language learning strategy. In the
case of Chinese EFL learners. International Journal of Applied Linguistics and English Literature, 4(5), 36-43.

Cazan, A.-M. (2013). Teaching self-regulated learning strategies for psychology students. Procedia-Social and Behavioral
Sciences, 78, 743-747.
Chang, A. S. C., & Smith, I. D. (1998, December 3-5). Self-regulated learning of Singapore students [Paper presentation].

The 1998 Educational Research Association Conference, Singapore.

Chou, M.-H. (2019). Predicting self-efficacy in test preparation: Gender, value, anxiety, test performance,
and strategies.
The Journal of Educational Research, 112(1), 61-71.

Cleary, T. J., & Platten, P. (2013). Examining the correspondence between self-regulated learning
and academic achievement: A case study analysis. Education Research International, 2013,
1-18. https://doi.org/10.1155/2013/272560
Corno, L., & Mandinach, E. B. (1983). The role of cognitive engagement in classroom learning
and motivation.
Educational Psychologist, 18(2), 88-108.

Credé, M., & Phillips, L. A. (2011). A meta-analytic review of the Motivated Strategies for Learning
Questionnaire.
Learning and Individual Differences, 21(4), 337-346.

de Bruin, A. B., Thiede, K. W., Camp, G., & Redford, J. (2011). Generating keywords improves meta
comprehension and self-regulation in elementary and middle school children. Journal of
Experimental Child Psychology, 109(3), 294- 310.
Dignath, C., Buettner, G., & Langfeldt, H.-P. (2008). How can primary school students learn self-
regulated learning strategies most effectively? A meta-analysis on self-regulation training
programmes. Educational Research Review, 3(2), 101-129.
Dirjendikdasmen. (2017). Data pokok pendidikan dasar dan menengah [Main data of basic and
secondary education]. Direktorat Jenderal Pendidikan Dasar dan Menengah, Kementerian
Pendidikan dan Kebudayaan [Directorate General of Basic and Secondary Education,
Ministry of Education and Culture]. http://dapo.dikdasmen.kemdikbud.go.id/sp/1/120000.
Garcia, T. D., & McKeachie, W. J. (2005). The making of the motivated strategies for learning
questionnaire. Educational Psychologist, 40(2), 117-128.
Garrido-Vargas, M. (2012). Relationship of self-regulated learning and academic achievement among English
language learners [Unpublished doctoral dissertation]. The University of Arizona.

Ginsberg, M. B., & Wlodkowski, R. J. (2019). Intrinsic motivation as the foundation for culturally
responsive social- emotional and academic learning in teacher education. Teacher Education
Quarterly, 46(4), 53-66.
Hardy, D. L. (2013). Learning Strategies and Motivational Patterns, as Measured by the Motivated Strategies for
Learning Questionnaire, Among Students Pursuing Nursing and Allied Health Careers [Unpublished Doctoral
Dissertation]. University of Akron.
Hariri, H., Haenilah, E. Y., Rini, R., & Karwan, D. H. (2018, November 13 – 14). Pengaruh motivasi intrinsik dan ekstrinsik
siswa terhadap efikasi diri siswa: Studi pada SMPN di Provinsi Lampung [Effects of students' intrinsic and
extrinsic motivation on students' self-efficacy: Study at Public Junior High Schools in Lampung Province] [Paper
Presentation]. Dissemination of Research Results in Supporting Sustainable Development, Lampung, Indonesia.

Hariri, H., Monypenny, R., & Prideaux, M. (2012). Principalship in an Indonesian school context: Can
principal decision- making styles significantly predict teacher job satisfaction? School
Leadership & Management, 32(5), 453-471.
Hariri, H., Monypenny, R., & Prideaux, M. (2014). Leadership styles and decision-making styles in an
Indonesian school context. School Leadership & Management, 34(3), 284-298.
Hariri, H., Monypenny, R., & Prideaux, M. (2016). Teacher-perceived principal leadership styles,
decision-making styles and job satisfaction: how congruent are data from Indonesia with the
Anglophile and Western literature? School Leadership & Management, 36(1), 41-62
Harris, K. R., Friedlander, B. D., Saddler, B., Frizzelle, R., & Graham, S. (2005). Self-monitoring of
attention versus self- monitoring of academic performance effects among students with ADHD
in the general education classroom. The Journal of Special Education, 39(3), 145-157.
Holland, D. F., Kraha, A., Zientek, L. R., Nimon, K., Fulmore, J. A., Johnson, U. Y., Ponce, H. F., Aguilar,
M. G., & Henson, R. K. (2018). Reliability generalization of the motivated strategies for learning
questionnaire: a meta-analytic view of reliability estimates. SAGE Open, 8(3), 1-28.
Järvelä, S., & Järvenoja, H. (2011). Socially constructed self-regulated learning and motivation
regulation in collaborative learning groups. Teachers College Record, 113(2), 350-374.
 Jo, I.-H., Park, Y., Yoon, M., & Sung, H. (2016). Evaluation of online log variables that estimate learners’ time
management in a Korean online learning context. The International Review of Research in Open and Distributed
Learning, 17(1), 195-213.

Kadhiravan, S., & Suresh, V. (2008). Self-regulated behaviour at work. Journal of the Indian Academy of Applied
Psychology, 34 (Special Issue), 126-131.

Kayacan, K., & Sonmez Ektem, I. (2019). The effects of biology laboratory practices supported
with self-regulated learning strategies on students' self-directed learning readiness and their
attitudes towards science experiments. European Journal of Educational Research, 8(1), 313-
299.
Kosnin, A. M. (2007). Self-regulated learning and academic achievement in Malaysian undergraduates. International
Education Journal, 8(1), 221-228.

Montalvo, F. T., & Torres, M. C. G. (2004). Self-regulated learning: Current and future directions. Electronic Journal of
Research in Educational Psychology, 2(1), 1-34.

Neville, V. M., & Bennett, S. (2004). Using self-regulated learning to manage the discomfort of becoming fluent
with information technology. Faculty of Engineering and Information Sciences - Papers: Part A. 4743. University
of Wollongong. https://ro.uow.edu.au/cgi/viewcontent.cgi?article=5770&context=eispapers.
Ng, B., Wang, C. J., & Liu, W. C. (2017). Self-regulated learning in Singaporean context: a congeneric approach of
confirmatory factor analysis. International Journal of Research & Method in Education, 40(1), 91-107.

Nownaisin, P., Koul, R., Chomsuwan, K., Poondej, C., & Lerdpornkulrat, T. (2020). Linking social
relatedness with motivational goals and bachelor degree aspirations of vocational students.
European Journal of Educational Research, 9(4), 1581-1589.
Oflaz, A. (2019). The effects of anxiety, shyness and language learning strategies on speaking skills and academic
achievement. European Journal of Educational Research, 8(4), 999-1011.

Ozan, C., Gundogdu, K., Bay, E., & Celkan, H. Y. (2012). A study on the university students’ self-
regulated learning strategies skills and self-efficacy perceptions in terms of different variables.
Procedia-Social and Behavioral Sciences, 46, 1806-1811.
Pintrich, P. R. (2000). The role of goal orientation in self-regulated learning. In P. R. P. M. Boekaerts, & M.
Zeidner (Eds.),
Handbook of self-regulation. Academic Press.

Pintrich, P. R. (2004). A conceptual framework for assessing motivation and self-regulated learning in college
students.
Educational psychology review, 16(4), 385-407.

Pintrich, P. R., & De Groot, E. V. (1990). Motivational and self-regulated learning components of classroom academic
performance. Journal of educational psychology, 82(1), 33–40.
Pintrich, P. R., Smith, D. A. F., Garcia, T. D., & McKeachie, W. J. (1991). A manual for the use of the Motivated Strategies
for Learning Questionnaire (MSLQ). University of Michigan, National Center for Research to Improve
Postsecondary Teaching and Learning. https://eric.ed.gov/?id=ED338122.
 Pintrich, P. R., Smith, D. A. F., Garcia, T. D., & McKeachie, W. J. (1993). Reliability and predictive
validity of the Motivated Strategies for Learning Questionnaire (MSLQ). Educational and
Psychological Measurement, 53(3), 801-813.
Roick, J., & Ringeisen, T. (2017). Self-efficacy, test anxiety, and academic success: A longitudinal validation. International
Journal of Educational Research, 83(1), 84-93.
Saks, K., Leijen, Ä., Edovald, T., & Õun, K. (2015). Cross-cultural adaptation and psychometric properties of the Estonian
version of MSLQ. Procedia-Social and Behavioral Sciences, 191, 597-604.

Schunk, D. H. (2005). Commentary on self-regulation in school contexts. Learning and Instruction, 15(2), 173-177.

Şen, Ş., Yilmaz, A., & Yurdugul, H. (2014). An Evaluation of the Pattern between Students’
Motivation, Learning Strategies and Their Epistemological Beliefs: The Mediator Role of
Motivation. Science Education International, 24(3), 312-331.
Smith, S. (2013). Determining sample size: How to ensure you get the correct sample size. Qualtrics.
https://qualtrics.com/blog/determining-sample-size/

Steffens, K. (2006). Self‐regulated learning in technology‐enhanced learning environments: Lessons

of a European peer review. European Journal of Education, 41(3‐4), 353-379.
Taherdoost, H. (2017). Determining sample size: How to calculate survey sample size. International Journal of
Economics and Management Systems, 2, 237-239.

Tanriseven, I. (2014). A Tool that can be effective in the self-regulated learning of pre-service teachers: The
mind map.
Australian Journal of Teacher Education, 39(1), 65-80.
Taylor, R. T. (2012). Review of the motivated strategies for learning questionnaire (MSLQ) using reliability
generalization techniques to assess scale reliability [Unpublished doctoral dissertation]. Auburn University.

Tohir, M., Maswar, M., Atikurrahman, M., Saiful, S., & Pradita, D. A. R. (2020). Prospective
teachers' expectations of students' mathematical thinking processes in solving problems.
European Journal of Educational Research, 9(4), 1735-1748.
Tsemrekal, T. M. (2013). The relationship between parenting style, self-regulated learning and academic achievement in
selected primary schools in Ethiopia [Unpublished Doctoral Dissertation], University of South Africa.

Turingan, J. P., & Yang, Y.-C. (2009). A cross-cultural comparison of self-regulated learning skills
between Korean and Filipino college students. Asian Social Science, 5(12), 3-10.
Ulstad, S. O., Halvari, H., Sørebø, Ø., & Deci, E. L. (2016). Motivation, learning strategies, and
performance in physical education at secondary school. Advances in Physical Education,
6(01), 27-41.
Vrieling, E., Bastiaens, T., & Stijnen, S. (2012). Effects of increased self-regulated learning opportunities on student
teachers' motivation and use of metacognitive skills. Australian Journal of Teacher Education (Online), 37(8),
102- 117.

Wang, C., Schwab, G., Fenn, P., & Chang, M. (2013). Self-efficacy and self-regulated learning strategies for English
language learners: Comparison between Chinese and German college students. Journal of Educational and
Developmental Psychology, 3(1), 173-191.
White, G., Cordato, D., O’Rourke, F., Mendis, R., Ghia, D., & Chan, D. (2012). Validation of the stroke rehabilitation
motivation scale: a pilot study. The Asian Journal of Gerontology and Geriatrics, 7(2), 80-87.

Wolters, C. A. (2011). Regulation of motivation: Contextual and social aspects. Teachers College Record, 113(2), 265-283.

Xu, M. (2008). The relation between parental involvement, self-regulated learning and reading achievement of fifth
graders: A path analysis using the ECLS-K database [Unpublished doctoral dissertation]. University of Akron.

Zimmerman, B. J. (1986). Becoming a self-regulated learner: Which are the key subprocesses? Contemporary
Educational Psychology, 11(4), 307-313.

Zimmerman, B. J. (1990). Self-regulated learning and academic achievement: An overview. Educational psychologist,
25(1), 3-17.
Zimmerman, B. J. (2008). Investigating self-regulation and motivation: Historical background, methodological
developments, and future prospects. American Educational Research Journal, 45(1), 166-183.

Zimmerman, B. J., & Kitsantas, A. (2014). Comparing students’ self-discipline and self-regulation
measures and their prediction of academic achievement. Contemporary Educational
Psychology, 39(2), 145-155.
Zimmerman, B. J., & Martinez-Pons, M. (1988). Construct validation of a strategy model of student self-regulated
learning. Journal of Educational Psychology, 80(3), 284-290.

Zumbrunn, S., Tadlock, J., & Roberts, E. D. (2011). Encouraging self-regulated learning in the classroom: A review of the
literature. Metropolitan Educational Research Consortium (MERC), Virginia Commonwealth University.
http://scholarscompass.vcu.edu/merc_pubs/18
 Motivasi Siswa untuk Belajar dari Jarak Jauh: Apakah
Interaksi Itu Penting?
Kathleen D. Kelsey, Ph.D.
Asisten profesor Universitas
Negeri Oklahoma

466 Balai Pertanian Air

tenang, OK 74078
kelseyk@okstate.edu

Alan D'souza, Ph.D.

Direktur Penelitian dan Pengembangan Program TRIO Universitas

Negeri Wichita

105 Grace Wilkie Hall Wichita, KS

67260-0008 dsouzaalan@yahoo.com

Pengakuan: Penelitian ini dibiayai oleh Oklahoma Agricultural Experiment Station melalui dana
HATCH.

Abstrak

Studi kasus mengevaluasi program pendidikan jarak jauh yang ditawarkan oleh perguruan tinggi pertanian universitas
hibah tanah. Penelitian ini menggunakan kerangka teoritis Holmberg dan Moore dari percakapan didaktik dan interaksi
ganda untuk menentukan pentingnya interaksi pada kemanjuran pembelajaran jarak jauh. Pendekatan metode
campuran menggunakan instrumen survei asli dan wawancara panjang fakultas. Sementara siswa menemukan bahwa
teknologi dapat dikelola, fakultas menganggap teknologi sebagai penghalang untuk pengajaran yang efektif.
Kedua, mahasiswa dan fakultas puas dengan sifat interaksi antara mereka, meskipun fakultas memiliki preferensi
individu dan menghadapi beberapa hambatan untuk interaksi. Studi ini mendukung pendapat Holmberg dan Moore
bahwa interaksi mungkin menjadi faktor predikat untuk keberhasilan program pendidikan jarak jauh. Studi ini juga
menemukan bahwa interaksi siswa-siswa tidak dianggap penting untuk pembelajaran. Penelitian lebih lanjut
diperlukan dalam arah modifikasi kurikulum agar sesuai dengan kebutuhan siswa jarak jauh.

PENGANTAR
Menawarkan kursus pendidikan jarak jauh konsisten dengan misi universitas hibah tanah dan merupakan
upaya kritis untuk kelangsungan hidup lembaga pendidikan modern (Kambutu, 2002). Keegan (1990) mendefinisikan
pendidikan jarak jauh sebagai sistem yang ditandai dengan 1) pemisahan pengajar dan siswa selama sebagian besar proses
pembelajaran, 2) pengaruh organisasi pendidikan, 3) penyediaan penilaian siswa, 4) penggunaan media pendidikan untuk
menyampaikan materi pelajaran, dan 5) komunikasi dua arah antara pengajar dan siswa.
Dengan maksud membuat program universitas lebih mudah diakses, sebuah perguruan tinggi pertanian yang
terletak di universitas hibah tanah barat daya memberikan serangkaian program tingkat pascasarjana yang akan
mengarah ke gelar Master of Science dalam Pendidikan Pertanian atau gelar Master of Agriculture. Pengiriman jarak
jauh dimulai pada musim semi 2001 dan berlanjut hingga hari ini. Lima fakultas secara sukarela mengajar melalui mode
jarak jauh dan menggunakan berbagai teknologi termasuk 1) Konferensi Video Interaktif (IVC), 2) Streaming Video, 3)
merekam video kursus langsung dan mengirim salinan rekaman video atau CD-ROM ke siswa jarak jauh , dan 4)
Blackboard.com®. Dalam kasus kursus IVC, siswa

memiliki pilihan untuk menghadiri kuliah tiga jam mingguan secara langsung di situs pengunduhan IVC jarak jauh
atau untuk melihat Video Streaming dari kuliah yang sama di Internet. Kursus Blackboard.com®, videotape, dan
CD-ROM hanya asinkron.

Aspek penting dari setiap program pendidikan jarak jauh adalah evaluasi untuk perbaikan berkelanjutan. Sayangnya,
ada kekurangan penelitian evaluasi sistematis yang berfokus pada program pendidikan jarak jauh (Roberts, Irani, Lundy,
& Telg, 2003). Hanya 19 negara bagian yang telah mengembangkan program evaluasi sistematis untuk menjamin
kualitas pendidikan jarak jauh (National Governors Association, 2003).

Maksud pernyataan

Tujuan dari penelitian ini adalah untuk mengevaluasi program pendidikan jarak jauh secara keseluruhan yang
ditawarkan oleh perguruan tinggi, khususnya berfokus pada dampak konteks pendidikan jarak jauh pada
pembelajaran menggunakan kerangka teori Holmberg (1995) dan Moore (1989) untuk interaksi dalam
pendidikan jarak jauh.

Pertanyaan penelitian utama yang memandu penelitian ini adalah:

1. Apakah interaksi siswa-konten dan siswa-antarmuka memotivasi pelajar untuk hasil belajar yang
menguntungkan?
2. Apakah interaksi pelajar-pelajar memotivasi pelajar untuk hasil belajar yang
menguntungkan?

Kerangka Teoritis

Holmberg (1983) percaya bahwa dalam konteks pendidikan formal, siswa belajar dengan terlibat dalam percakapan
didaktik yang dipandu dengan instruktur mereka. Siswa mengungkapkan ide-ide mereka, dan kemudian instruktur
membimbing siswa dalam mengelaborasi, mengoreksi, atau mengarahkan kembali ide-ide tersebut. Percakapan
siswa-instruktur publik dan langsung adalah karakteristik penting dari pembelajaran. Percakapan didaktik yang
dipandu mempromosikan hubungan pribadi antara instruktur dan siswa, sehingga menciptakan motivasi yang lebih
besar pada siswa dan meningkatkan hasil belajar.
Teori Holmberg tentang pendidikan jarak jauh didasarkan pada tujuh postulat yang dipandu oleh karakteristik
percakapan didaktik (Holmberg, 1995, hlm. 47). Mereka termasuk 1) perasaan hubungan pribadi antara instruktur dan
siswa untuk meningkatkan kesenangan dan motivasi belajar; 2) bahwa perasaan tersebut akan didukung oleh bahan
ajar yang dikembangkan dengan baik dan komunikasi dua arah; 3) bahwa motivasi belajar penting untuk pencapaian
tujuan belajar; 4) bahwa suasana percakapan yang bersahabat mendukung perasaan hubungan pribadi menurut postulat
1; 5) bahwa komunikasi dalam percakapan alami mudah dipahami dan diingat; 6) bahwa konsep percakapan dapat
berhasil diterjemahkan untuk digunakan oleh media yang tersedia untuk siswa jarak jauh;
Moore (1989) ingin pendidik jarak jauh untuk memasukkan semua anggota komunitas belajar dalam interaksi edukatif,
tidak hanya instruktur dan siswa. Dia menyarankan bahwa ketika merancang program pendidikan jarak jauh yang
efektif, seseorang harus memasukkan interaksi antara siswa dan instruktur mereka, siswa dan siswa, dan siswa dan konten.
Timbal balik perlu dibangun ke dalam teori Moore dalam interaksi yang baik searah dan dua arah dalam pendidikan
jarak jauh.
Interaksi pelajar-konten terjadi ketika seorang siswa membaca buku, melihat rekaman video, atau dalam beberapa
cara berinteraksi dengan sumber belajar mati. Diharapkan untuk menguasai konten, pembelajar akan terlibat dalam
percakapan didaktik internal (Holmberg, 1983). Interaksi pelajar-instruktur adalah apa yang membedakan belajar mandiri
dari pendidikan jarak jauh. Instruktur menyediakan pelajar dengan rencana terorganisir, atau kurikulum, untuk menguasai
konten dan berkomunikasi dengan pelajar sepanjang proses sebagai Holmberg (1995) dinyatakan dalam Postulat 7.

Interaksi pelajar-pelajar mengambil bentuk proyek kelompok, anggota kelompok diskusi, dll Peran interaksi pelajar-
pelajar terhadap efektivitas keseluruhan pendidikan jarak jauh dalam literatur dicampur. Beberapa siswa melaporkan
bahwa pelajar lain sangat penting untuk keberhasilan mereka dalam kursus, sementara yang lain menyarankan bahwa
sesama pelajar benar-benar mengurangi kesuksesan mereka (Biner, Welsh, Barone, Summers, & Dean, 1997).

Hillman, Willis, dan Gunawardena (1994) menambahkan interaksi pelajar-antarmuka, konsep interaksi yang terjadi antara
pelajar dan teknologi yang digunakan untuk menyampaikan instruksi ke (1989) kerangka Moore. Hillman, Willis, dan
Gunawardena (1994) berpendapat bahwa keterampilan siswa dengan media komunikasi yang diperlukan untuk
berpartisipasi dalam kursus pendidikan jarak jauh berkorelasi positif dengan keberhasilan dalam kursus itu. Untuk
mendapatkan makna apa pun dari konten kursus, siswa harus melek dalam aturan interaksi media komunikasi.

Peluang untuk percakapan didaktik terpandu dalam kursus pendidikan jarak jauh perguruan tinggi berasal dari
penggunaan teknologi IVC, email, percakapan telepon, dan pertemuan tatap muka antara siswa dan instruktur mereka.
Siswa memiliki kesempatan untuk pelajar-instruktur, pelajar-konten, dan dalam kasus kursus IVC, interaksi pelajar-pelajar.
Siswa juga diminta untuk terlibat dalam interaksi pelajar-antarmuka.
METODE

Desain penelitian adalah studi kasus, kasusnya adalah program pendidikan jarak jauh perguruan tinggi pertanian secara
keseluruhan (Stake, 1995; Yin, 1994). Metode yang digunakan untuk mengumpulkan data termasuk sistem informasi
mahasiswa, kuesioner mahasiswa asli dikembangkan oleh penulis menggunakan literatur sebagai kerangka kerja, dan
wawancara tatap muka yang panjang, semi-terstruktur dengan lima fakultas yang mengajar jarak jauh. (Patton, 2002).

Kuesioner mencakup berbagai rangkaian tanggapan seperti Ya-Tidak, pilihan ganda, isian yang kosong, tipe Likert,
demografis, dan pertanyaan terbuka yang dirancang untuk memenuhi pertanyaan penelitian. Salah satu soal pilihan
ganda mencantumkan frekuensi interaksi tidak pernah, jarang, sering, dan selalu. Peringkat tipe Likert termasuk sangat
setuju, setuju, tidak setuju, dan sangat tidak setuju dan masing-masing diberi skor 4-1. Tidak yakin/tidak berlaku diberi
kode 0 untuk analisis. Data survei dianalisis menggunakan SPSSâ v. 8.0. Statistik yang digunakan adalah mean dan
frekuensi. Alpha Cronbach untuk keandalan instrumen survei dihitung pada 0,72.
Sebuah panel ahli yang terdiri dari dua anggota fakultas dengan keahlian dalam pendidikan jarak jauh menegaskan isi,
konstruksi, dan validitas wajah survei. Instrumen tersebut ternyata valid. Validitas data kualitatif dicari dengan strategi
Merrian (1995) yaitu triangulasi, pemeriksaan sejawat, dan jejak audit.
Untuk mempercepat pengumpulan data dan meningkatkan tingkat respon, para siswa ditelepon dan dipandu melalui
survei dengan peneliti. Karena ukuran populasi yang kecil (N=88) uji coba dilakukan selama 5 wawancara telepon
pertama dengan siswa. Setelah setiap wawancara telepon dilakukan sedikit modifikasi pada instrumen untuk
meningkatkan validitas, kejelasan, dan kualitas data yang dikumpulkan.
Kumpulan data kualitatif (lima wawancara panjang fakultas) dianalisis dan dilaporkan mengikuti prosedur Creswell
(1998):

1. Organisasi data. Wawancara direkam, ditranskripsi, dan dibersihkan oleh asisten peneliti. Transkrip kemudian
dikirim kembali ke subjek untuk mengkonfirmasi akurasi. Setelah konfirmasi akurasi, teks dimuat ke dalam program
data kualitatif ATLAS.ti® untuk dianalisis.
2. Kategorisasi data. Data dikelompokkan ke dalam kelompok yang bermakna (dikodekan) menggunakan
ATLAS.ti® sebagai alat organisasi.
3. Interpretasi data. Pernyataan-pernyataan yang masuk ke dalam kode-kode sejenis diperiksa maknanya secara
spesifik dalam hubungannya dengan tujuan penelitian.
4. Identifikasi pola. Data dan interpretasinya diperiksa untuk tema dan pola
yang menjadi ciri program dan memungkinkan peneliti untuk menarik kesimpulan.
5. Perpaduan. Representasi keseluruhan dari tanggapan peserta dibuat di mana kesimpulan dan rekomendasi diambil
berdasarkan data yang disajikan.

Temuan dan Kesimpulan

Delapan puluh delapan mahasiswa pascasarjana (Magister dan Ph.D.) telah berhasil menyelesaikan pekerjaan
kursus pada jarak dari musim gugur 2000 hingga musim gugur 2002. Tiga puluh satu siswa menyelesaikan kuesioner
telepon dengan tingkat respons 35,23%. Data demografi diunduh dari sistem informasi siswa untuk semua 88 siswa.
Rerata usia siswa pendidikan jarak jauh adalah 39,27 tahun (sd=11.03) dan sebagian besar adalah laki-laki (n=62,
perempuan n=26). Tujuh puluh delapan persen siswa berkulit putih, 15,2% adalah penduduk asli Amerika, 4,4%
adalah Afrika Amerika dan sisanya 2,2% adalah campuran. Tujuh puluh empat persen siswa adalah siswa paruh waktu
dan sisanya adalah siswa penuh waktu (17,4%) atau siswa kembali (8,6%). Rata-rata jumlah mata kuliah yang diambil
oleh siswa adalah 1,22 (sd=0,75). Siswa tinggal dengan jarak rata-rata 119 mil (sd=88) dari universitas.

Pertanyaan Penelitian 1: Apakah interaksi siswa-konten dan siswa-antarmuka mengarah

pada hasil belajar yang menguntungkan?
 Survei tersebut membahas konstruksi interaksi siswa-antarmuka di beberapa tingkatan. Pertama, responden
ditanyai serangkaian pertanyaan tentang dukungan situs web untuk kursus yang mereka ambil. Sebagian besar siswa
(n=29) menunjukkan bahwa kursus mereka memiliki situs web untuk mendukung kursus dan merasa bahwa situs itu
memberi mereka semua informasi yang mereka butuhkan untuk berhasil selama kursus. Dua puluh delapan siswa
(90,3%) juga menunjukkan bahwa mereka mendapatkan semua dokumen kursus dan materi yang diperlukan dari situs
web kursus. Disimpulkan bahwa website mata kuliah berhasil menyampaikan materi kuliah kepada mahasiswa, dan
mahasiswa dapat mengakses website tanpa kesulitan.

Para peserta ditanya tentang lokasi pengunduhan, dan apakah mereka memiliki masalah dalam mengunduh konten dari
Internet (Tabel 1). Sebagian besar masalah yang dihadapi siswa dengan teknologi dalam konteks pendidikan jarak jauh
terkait dengan teknologi IVC dan Video Streaming. Dalam satu kelas, siswa hanya dapat mengunduh delapan dari 14
pelajaran karena kegagalan teknologi Video Streaming. Disimpulkan bahwa sebagian besar siswa mengunduh konten
kursus dari komputer kerja dan setengahnya mengalami kesulitan mengunduh Video Streaming dari Internet.

Tabel 1. Lokasi yang Digunakan untuk Mengunduh Konten Kursus Pendidikan Jarak Jauh

Pertanyaan Frekuensi Persen

Lokasi di mana Video Streaming kuliah diunduh
Rumah 4 22.2
Tempat Kerja 13 72.2
Tempat Kerja & Rumah 1 5.6
Total 18 100.0
Saya mengalami masalah saat mengunduh ceramah Video
Streaming dari Internet
Ya 15 48.4
Tidak 16 51.6
Total 31 100.0

Responden menunjukkan jenis masalah teknologi yang mereka hadapi di lokasi ICV terpencil yang mereka hadiri.
Sebagian besar mengeluh bahwa gambar atau suara atau keduanya hilang selama siaran. Banyak mahasiswa
menghadapi masalah berhubungan dengan universitas melalui peralatan IVC pada waktu kuliah yang
dijadwalkan. Seorang siswa menunjukkan bahwa masalahnya akut selama dua minggu pertama kursus, tetapi
diselesaikan kemudian. Salah satu responden menunjukkan bahwa ketika transmisi tidak berfungsi, instruktur akan
memberi tahu mereka melalui email sehingga mereka mendapat peringatan. Terlepas dari kegagalan IVC,
responden menunjukkan bahwa kegagalan teknologi bukanlah penghalang untuk belajar. Disimpulkan bahwa
mahasiswa puas dengan situs download IVC jika memilih untuk mengikuti kuliah secara langsung.

Kelima fakultas diminta untuk mendiskusikan masalah teknologi yang mereka hadapi, konflik antara melayani
kebutuhan siswa lokal dan jarak jauh secara bersamaan, pelatihan yang mereka terima untuk mengajar jarak jauh, dan
jenis dukungan teknologi yang mereka inginkan.
Fakultas kecewa dan frustrasi dengan teknologi, khususnya IVC dan Video Streaming, yang digunakan untuk
menawarkan kursus jarak jauh. Mereka merasa bahwa baik teknologi baru harus diadopsi, atau mereka harus
diberikan dukungan teknis tambahan untuk menghadapi serangan gencar terus-menerus dari krisis yang
disebabkan oleh kegagalan teknologi selama kuliah.

Fakultas menganggap masalah teknologi sebagai dua kali lipat: yang mempengaruhi siswa secara eksklusif, dan yang
mempengaruhi baik siswa maupun fakultas. Di antara yang mempengaruhi siswa adalah kegagalan transmisi IVC dari
kampus ke lokasi terpencil. Salah satu fakultas menyatakan "siswa berusaha untuk muncul ke situs ini dan kemudian
mereka tidak mendapatkan apa-apa; mereka tidak mendapatkan audio dan video. Mereka mencoba untuk
mengajukan pertanyaan dan mereka terputus." Beberapa anggota fakultas juga menganggap Streaming Video
bermasalah karena tidak ada suara atau gambar atau keduanya direkam selama kuliah pada banyak kesempatan.

Sejauh masalah yang dihadapi oleh fakultas dan mahasiswa yang bersangkutan, fakultas merasa bahwa waktu yang
terlibat dalam mendapatkan teknologi untuk bekerja adalah penghalang dari belajar mengajar. "Saya menghabiskan
lebih banyak waktu dan tenaga untuk berjuang dengan teknologi daripada mengajar," kata salah satu fakultas. Dia
merasa bahwa "kegagalan teknologi sangat membuat frustrasi...dan saya hanya bisa membayangkan apa yang dialami
siswa saat mencoba berpartisipasi di kelas." Fakultas lain menunjukkan waktu yang hilang dalam berkomunikasi melalui
sistem IVC. Transmisi suara terputus-putus dan tertunda, misalnya, jika seorang siswa mengajukan pertanyaan,
dibutuhkan dua detik agar suara tersebut sampai ke instruktur. Dengan demikian, orang-orang terus-menerus
membicarakan satu sama lain menyebabkan penundaan lebih lanjut dalam komunikasi. Hasilnya adalah hilangnya
keterlibatan siswa karena siswa belajar bahwa tidak ada gunanya mengajukan pertanyaan.

Empat anggota fakultas menyatakan bahwa teknologi IVC dan Video Streaming menjadi masalah utama dalam
melayani mahasiswa pendidikan jarak jauh. Satu fakultas menegaskan bahwa teknologi itu tentu tidak tepat untuk
mengajar mata kuliahnya, sementara yang lain menganggap Video Streaming tidak mengesankan. Seorang anggota
fakultas dengan jelas menyatakan bahwa teknologi itu "tidak berfungsi. Itu gagal. Teknologi itu secara keseluruhan
gagal."

Fakultas menerima pelatihan untuk mengajar jarak jauh oleh staf layanan teknologi pendidikan. Pelatihan terdiri
dari cara menghidupkan dan mematikan sistem, dan bagaimana anggota fakultas dapat mengontrol tampilan
di layar dan berkomunikasi dengan situs lain. Fakultas melaporkan bahwa pelatihan sudah memadai dan mereka
puas dengan pelatihan tersebut.

Kelima fakultas yang mengajar jarak jauh didukung oleh asisten lulusan yang bekerja 20 jam per minggu. Fakultas
menganggap peran asisten penting; Namun, merasa asisten tersebut tidak diangkat secara khusus untuk menjabat sebagai
asisten pendidikan jarak jauh. Asisten tidak memiliki pelatihan mengenai masalah teknologi pemecahan masalah. Jadi
fakultas mengharapkan dukungan teknis tambahan selain TA untuk kursus pendidikan jarak jauh.
Dapat disimpulkan bahwa 1) sebagian besar anggota fakultas tidak puas dengan teknologi yang digunakan untuk
menawarkan kursus jarak jauh, 2) fakultas merasa tidak dapat menyeimbangkan jarak dan siswa lokal secara bersamaan,

3) fakultas menerima pelatihan yang memadai untuk mengajar jarak jauh. , dan 4) fakultas membutuhkan, tetapi
tidak menerima, dukungan teknis yang memenuhi syarat untuk mengajar jarak jauh.

Pertanyaan Penelitian 2: Apakah interaksi siswa-guru dan siswa-siswa mengarah pada hasil
belajar yang menguntungkan?

Interaksi dosen-mahasiswa diberikan melalui IVC selama perkuliahan, dan dengan menggunakan email, telepon, dan
pertemuan tatap muka. Siswa memilih untuk menggunakan email dan telepon sebagai mode utama komunikasi antara
mereka dan fakultas (Tabel 2). Siswa jarak jauh melaporkan bahwa interaksi antara mereka dan fakultas sangat
membantu, sering, dan konsisten. Siswa jarak jauh yang menghadiri kelas IVC melaporkan bahwa instruktur juga sering
berinteraksi dengan mereka selama kelas (Tabel 3).

Tabel 2. Mode Interaksi Mahasiswa dengan Fakultas

Mode Frekuensi Persen

Surel 25 89.3
Telepon 25 89.3
Surat 5 17.9
Rapat 20 71.4

Interaksi mahasiswa-mahasiswa tidak secara formal disediakan di sebagian besar kursus. Seorang instruktur
menghilangkan persyaratan proyek tim untuk siswa jarak jauh karena kesulitan logistik dalam rapat koordinasi.
Instruktur yang sama, bagaimanapun, menerbitkan alamat email siswa, dan mendorong siswa untuk berinteraksi satu
sama lain sesuai kebutuhan. Jika siswa jarak jauh menghadiri situs IVC, mereka mungkin telah berbagi situs itu dengan
orang lain, tetapi paling sering siswa itu sendirian. Siswa melaporkan bahwa interaksi siswa-ke-siswa tidak penting
untuk keberhasilan mereka dan merupakan bentuk interaksi yang paling tidak penting bagi mereka.
 Tabel 3. Sifat Interaksi
Mahasiswa dan Dosen
Pertany Frekuensi Persen
aan
Saya menghubungi instruktur/profesor secara teratur selama kursus
Jarang 5 16.1
Sering 21 67.8
Selalu 5 16.1
Total 31 100.0
Saya menerima umpan balik reguler dari instruktur/profesor
Sering 13 41.9
Selalu 18 58.1
Total 31 100.0
Instruktur berinteraksi dengan siswa pendidikan jarak jauh selama kuliah IVC

1 4.3
Tidak pernah
Jarang 1 4.3
Sering 9 39.1
Selalu 12 52.3
Total 23 100.0
Interaksi antara instruktur saya dan saya sangat membantu
Setuju 2 6.5
Sangat setuju 29 93.5
Total 31 100.0
Wawancara fakultas mengungkapkan tiga isu mengenai interaksi dengan siswa jarak jauh:
1) cara komunikasi, 2) frekuensi komunikasi, dan 3) masalah yang terkait dengan komunikasi.

Modus komunikasi: Semua anggota fakultas mengatakan bahwa mereka menggunakan beberapa mode
komunikasi untuk menjalin kontak dengan siswa jarak jauh mereka. Modus yang paling umum adalah email,
telepon, dan pertemuan pribadi. Fakultas menggunakan masing-masing mode komunikasi sesuai dengan tujuan
komunikasi. “Komunikasi yang sederhana dan singkat dapat dilakukan melalui email. Jika saya merasa ingin
berdialog, saya menelepon mereka atau meminta mereka untuk menelepon saya” kata salah satu dosen.
Anggota fakultas menganggap email mudah ditangani. Salah satu anggota fakultas berkorespondensi terutama
melalui email. Email lebih disukai "karena fleksibilitas bahwa orang tersebut dapat memeriksanya di
waktu luang."

Panggilan telepon adalah cara komunikasi terpenting berikutnya bagi fakultas. Salah satu anggota fakultas
melaporkan bahwa dia lebih suka berbicara dengan siswa dan menyebutkan contoh bagaimana dia mencegah
seorang siswa untuk tidak melanjutkan pelajaran melalui percakapan. Anggota lain mengungkapkan
ketidakpuasannya karena tidak dapat berbicara dengan semua muridnya melalui telepon.
Tiga orang dosen mengadakan pertemuan pribadi dengan mahasiswa jarak jauh seperlunya saat mahasiswa
datang ke kampus. Salah satu anggota membuat poin mengundang siswa untuk makan siang ketika mereka
datang ke kampus untuk mengenal mereka lebih baik.

Frekuensi komunikasi: Fakultas puas dengan frekuensi komunikasi antara mereka dan siswa jarak mereka.
Email adalah bentuk komunikasi yang paling sering dikutip di antara fakultas dan berkisar dari kontak harian
hingga mingguan dengan mahasiswa jarak jauh.
Pertemuan pribadi dan kontak telepon lebih sporadis.
Masalah yang berhubungan dengan komunikasi:
Frekuensi komunikasi menjadi masalah bagi dua anggota, yang menginginkan lebih banyak komunikasi dengan
siswa mereka. Namun, salah satu anggota merasa bahwa siswa jarak jauh tidak menghargai komunikasi yang
sering. "Sejujurnya, perasaan saya adalah siswa jarak benar-benar tidak ingin kontak ... dan tidak tertarik untuk
berkomunikasi."
Masalah kritis lain yang muncul adalah bahwa siswa pendidikan jarak jauh berada pada posisi yang kurang
menguntungkan karena mereka tidak dapat berada di kelas di kampus. Seorang anggota berkata, "dinamika kelas
tidak dapat direplikasi dalam skenario pendidikan jarak jauh." Yang lain merasa bahwa anggota perguruan tinggi dan
fakultas harus "membuat komitmen untuk melakukannya dengan baik, atau kita harus berhenti melakukannya."
Anggota fakultas menganggap interaksi yang buruk sebagai batu sandungan utama untuk mengajar jarak jauh.
Hambatan lain untuk interaksi instruktur-siswa adalah fakta bahwa instruktur harus memasukkan dua kelompok siswa
yang terpisah, lokal dan terpencil, ketika mengajar menggunakan IVC. Salah satu anggota fakultas menyatakan,
"seorang mahasiswa lokal mengajukan pertanyaan dan kami akan berlangsung selama lima menit, dan kemudian saya
klik ke orang- orang terpencil dan mereka makan pizza, benar-benar terlepas karena kami belum fokus pada
mereka."
Saat membahas penggunaan teknologi yang digunakan untuk memberikan pendidikan jarak jauh, dua anggota
fakultas merasa bahwa teknologi menjadi penghalang untuk berinteraksi dengan mahasiswa lokal. "Anda membawa
seluruh dimensi lain ini ke dalam kelas, dan Anda membawa tim baru yang terdiri dari orang-orang, teknolog, dan
siswa jarak jauh. Itu menakutkan bagi siswa lokal saya; mereka tidak ingin berbicara di depan kamera atau mereka
menyadari bahwa mengajukan pertanyaan akan memakan waktu lama karena penundaan dalam sistem sehingga
mereka sangat enggan untuk berinteraksi dengan saya atau siswa lain." Seorang instruktur merasa bahwa teknologi itu
sangat mengganggu siswanya dan membutuhkan banyak waktu untuk belajar siswa. Anggota lain memiliki pengalaman
serupa. “Semua siswa kecewa, siswa di kejauhan tidak senang dan siswa di kelas, saya tahu, tidak senang." Anggota
fakultas merasa terganggu karena harus mengabaikan kebutuhan siswa di kampus sambil memenuhi kebutuhan siswa
terpencil, atau sebaliknya. sebaliknya, atau menghadapi kegagalan teknologi. “Saya tidak ingin mengorbankan
pendidikan siswa di kelas. Saya rasa itu tidak adil bagi mereka," kata salah satu dosen.
Dapat disimpulkan bahwa 1) email adalah mode komunikasi yang paling sering digunakan antara mahasiswa
pendidikan jarak jauh dan instruktur mereka, 2) fakultas teratur dan konsisten ketika berkomunikasi dengan
mahasiswa pendidikan jarak jauh, 3) anggota fakultas dan siswa memiliki preferensi individu mengenai mode dan
frekuensi komunikasi, 4) hambatan utama untuk berkomunikasi dengan siswa yang menggunakan teknologi
pendidikan jarak jauh adalah IVC selama kuliah langsung.
IMPLIKASI DAN REKOMENDASI
Meskipun hasil studi evaluasi ini tidak dapat digeneralisasikan melewati siswa dan instruktur yang terlibat, beberapa
implikasi dan rekomendasi diperlukan untuk praktik lebih lanjut dalam pendidikan jarak jauh.
Sebagai Holmberg (1995) mendalilkan, jarak siswa menikmati dan manfaat dari interaksi dengan instruktur mereka.
Siswa paling sering berkomunikasi dengan instruktur melalui email, menggunakan strategi percakapan didaktik
terpandu asinkron. Fakultas sebaiknya melanjutkan bentuk komunikasi ini melalui telepon dan pertemuan sesuai
kebutuhan mahasiswa.
Sebagai Moore (1989) hipotesis interaksi siswa-instruktur sangat penting untuk kedua siswa dan instruktur. Baik
interaksi searah (situs web, email, Streaming Video) dan dua arah (email, telepon, rapat, IVC, Blackboard.com®)
dengan konten dan dengan instruktur digunakan oleh siswa dalam mode sinkron dan asinkron sepanjang semester.
Teknologi IVC dan Video Streaming telah menunjukkan keberhasilan yang beragam dalam memfasilitasi interaksi
siswa-instruktur dalam studi kasus ini dan harus diganti dengan teknologi yang lebih fungsional di masa depan.
Berkenaan dengan interaksi siswa-konten, siswa berhasil menavigasi jalan mereka melalui teknologi untuk
memenuhi kebutuhan belajar mereka. Interaksi siswa-teknologi sangat berarti saat menggunakan situs web kursus,
email, kaset video, CD-ROM, dan Blackboard.com®, tetapi terkadang tidak berfungsi saat menggunakan Video
Streaming dan teknologi IVC. Teknologi email, telepon, videotape, dan CD- ROM berbiaya lebih rendah memuaskan
siswa dan memfasilitasi semua jenis pembelajaran, termasuk pembelajaran konten siswa; oleh karena itu, fakultas
harus lebih mengembangkan opsi ini saat menyampaikan kursus dari jarak jauh dan menghentikan penggunaan IVC
dan Video Streaming karena terbukti tidak memuaskan bagi siswa dan instruktur.
Interaksi siswa-siswa tidak kritis terhadap keberhasilan siswa dalam studi kasus ini dan merupakan bentuk interaksi
yang paling tidak penting bagi siswa. Fakultas tidak menekankan interaksi mahasiswa-mahasiswa dan mahasiswa
tidak menuntutnya. Jika Moore (1989) benar dalam teorinya, fakultas harus berbuat lebih banyak untuk mendorong
bentuk interaksi ini dengan menugaskan proyek tim untuk semua anggota kursus. Ruang obrolan, papan diskusi, dan
daftar layanan juga dapat digunakan untuk memfasilitasi interaksi siswa- siswa.
Studi kasus menunjukkan beberapa pertanyaan untuk penelitian masa depan. Apakah siswa pendidikan jarak jauh
benar- benar tertarik untuk berinteraksi dengan siswa lain yang terdaftar dalam kursus yang sama? Apakah anggota
fakultas memiliki pelatihan dan keahlian yang cukup untuk memodifikasi kurikulum dan metode pengajaran agar
sesuai dengan kebutuhan pendidikan jarak jauh? Apakah evaluasi program-program tersebut mengarah pada
peningkatan program?
Studi tindak lanjut dijamin untuk mendokumentasikan perbaikan dalam menawarkan kursus di kejauhan.

Referensi
Biner, PM, Welsh, KD, Barone, NM, Summers, M., & Dean, RS (1997). Dampak ukuran kelompok situs jarak jauh
pada kepuasan siswa dan kinerja relatif dalam kursus jarak jauh interaktif. Jurnal Pendidikan Jarak Jauh Amerika,
11(1), 23-33.
Creswell, JW (1998). Penyelidikan kualitatif dan desain penelitian: Memilih di antara lima tradisi. Thousand Oaks,
CA: Sage.
Hillman, DCA, Willis, DJ, & Gunawardena, CN (1994). Interaksi pelajar-antarmuka dalam pendidikan jarak jauh:
Perpanjangan model kontemporer dan strategi untuk praktisi. Jurnal Pendidikan Jarak Jauh Amerika, 8(2), 30-41.
Holmberg, B. (1983). Percakapan didaktik yang dipandu dalam pendidikan jarak jauh. Dalam D. Sewart, D. Keegan,
& B. Holmberg (Eds.), Pendidikan Jarak Jauh: Perspektif Internasional (hal. 114-122). New York: Pers St. Martin.
Holmberg, B. (1995). Evolusi karakter dan praktik pendidikan jarak jauh. Pembelajaran Terbuka, 10(2), 47-
53.Kambutu, J. (2002). Administrator lebih memilih pembelajaran jarak jauh berbasis teknologi. Review Triwulanan
Pendidikan Jarak Jauh, 3(3), 341-343.
Keegan, D. (1990). Dasar pendidikan jarak jauh. London: Routledge.

Merriam, SB (1995). Apa yang bisa Anda katakan dari N dari 1? Masalah validitas dan reliabilitas dalam
penelitian kualitatif. Jurnal PAACE Pembelajaran Seumur Hidup, 4, 51-60.

Moore, MG (1989). Tiga jenis interaksi. Jurnal Pendidikan Jarak Jauh Amerika, 3(2), 1-6.

Asosiasi Gubernur Nasional. (2003). Keadaan e-learning di Amerika Serikat. Diakses pada 1 Juni 2003, dari
Tersedia:http://www.ecs.org/html/Document.asp?chouseid=2705

Patton, MQ (2002). Evaluasi kualitatif dan metode penelitian. (edisi ke-3). London: Publikasi Sage.

Roberts, TG, Irani, T, Lundy, LK, & Telg, R. (2003). Praktek kelembagaan dalam mengevaluasi pendidikan
jarak jauh antara lembaga pertanian pendidikan tinggi. Prosiding Konferensi Penelitian Pendidikan
Pertanian Selatan, Mobile, AL, 2-3 Februari 2003).

Pasak, RE (1995). Seni penelitian studi kasus. London: Publikasi Sage.

Yin, RK (1994). Penelitian studi kasus: Desain dan metode. (edisi ke-2). Newbury Park, CA: Sage Publications.
 EURASIA Jurnal Pendidikan Sains dan Teknologi

ISSN: 1305‑8223 (online) 1305‑8215 (cetak)

2017 13(7):3553‑3564

Kajian Pengaruh Pembelajaran Digital Terhadap Motivasi Belajar dan Hasil Belajar

Ming‑Hung Lin
Institut Desain Tung‑Fang, TAIWAN

Huang‑Cheng Chen

Institut Desain Tung‑Fang, TAIWAN

Kuang‑Sheng Liu

Institut Desain Tung‑Fang, TAIWAN

Diterima 18 Oktober 2016 Direvisi 22 Februari 2017 Diterima 19 Maret 2017

ABSTRAK

Dalam masyarakat modern ketika perangkat seluler cerdas menjadi populer, Internet menerobos
batasan ruang dan waktu dan menjadi alat pembelajaran yang ada di mana‑mana. Merancang kegiatan
pengajaran untuk pembelajaran digital dan menerapkan perangkat teknologi secara fleksibel adalah isu
utama untuk pendidikan terintegrasi teknologi informasi saat ini. Dalam penelitian ini, siswa diuji dan
dilanjutkan survei angket untuk memahami pendapat tentang pembelajaran digital.

Untuk mencapai tujuan penelitian secara efektif dan menguji hipotesis penelitian, penelitian
eksperimen semu diterapkan dalam penelitian ini. Sebanyak 116 siswa di 4 kelas dipilih sebagai subjek
penelitian untuk penelitian instruksional. Hasil penelitian menyimpulkan bahwa 1. pembelajaran
digital memberikan efek positif yang lebih baik pada motivasi belajar daripada pengajaran tradisional,

2. pembelajaran digital menunjukkan efek positif yang lebih baik pada hasil belajar daripada
pengajaran tradisional, 3. motivasi belajar menunjukkan efek positif yang signifikan pada efek belajar
dalam hasil belajar, dan 4. motivasi belajar muncul efek yang sangat positif pada perolehan belajar
dalam hasil belajar. Diharapkan untuk menggabungkan dengan tren pengajaran saat ini dan
memanfaatkan keuntungan dari pembelajaran digital untuk mengembangkan strategi pengajaran yang
praktis untuk efektivitas pengajaran.Kata kunci: pembelajaran digital, motivasi belajar, hasil belajar

PENGANTAR

Dalam beberapa tahun terakhir, revolusi internet dan teknologi komunikasi nirkabel yang cepat telah
mengakibatkan munculnya berbagai jaringan multimedia interaktif, seperti mobile learning, mobile
voice, dan instant messaging. Menggunakan kemudahan dan popularitas Internet untuk menerapkan
bahan ajar digital dan mencapai tujuan daya saing nasional akan menggantikan pengajaran tradisional.
Untuk alasan ini, banyak penelitian tentang pembelajaran seluler dilakukan untuk menawarkan kinerja
transmisi yang lebih tinggi dan pemanfaatan universal. Teknologi PDA dan ponsel pintar yang praktis
dan portabel semakin matang sehingga hampir setiap orang memiliki perangkat di tangan. Berbeda dari
mekanisme tradisional untuk menelusuri

© Penulis. Syarat dan ketentuan Creative Commons Attribution 4.0 International (CC BY 4.0) berlaku.
Korespondensi: Kuang Sheng, Liu, Departemen Desain Interior, Institut Desain Tung‑Fang, Taiwan.
kliu1219@yahoo.com.tw
 Keadaan sastra
・ Komputer dan media teknologi jaringan diterapkan pada situasi pembelajaran,
termasuk pembelajaran jaringan sinkron dan asinkron, untuk menerobos batasan
waktu, lokasi, dan jadwal.
・ Beragam bahan ajar digital diproduksi, dan sekolah telah secara aktif memperkenalkan platform pengajaran
digital yang berbeda ke dalam pengajaran, dengan harapan dapat meningkatkan hasil belajar siswa.

・ Di era dimana pengetahuan dan informasi mengalir dengan cepat, penerapan pembelajaran digital mencakup
berbagai bidang dan industri. Berdasarkan posisi atau sudut pandang yang berbeda, definisinya berbeda.

Kontribusi makalah ini untuk literatur

・ Guru mencocokkan pembelajaran di kelas untuk memanfaatkan strategi mengajar yang baik, sesuai dengan iklim
kelas dan menciptakan situasi belajar bagi siswa yang mau menggunakan pembelajaran digital sehingga siswa berani
mengajukan pertanyaan dalam diskusi dan meningkatkan pembelajaran interaktif online dengan guru.
・ Kunci dalam mengembangkan efektivitas pembelajaran digital pada pengajaran terletak pada guru.
Promosi pembelajaran digital dapat memberikan alternatif inovasi pengajaran di kelas.

・ Desain kegiatan pengajaran dan penerapan perangkat teknologi atau pembelajaran

digital yang fleksibel menjadi isu utama bagi pendidikan terpadu teknologi
informasi saat ini.

Internet, pengguna dapat menghubungkan ke server, melalui jaringan, untuk memilih bahan ajar digital
yang tepat untuk pembelajaran; dan tes instan memungkinkan siswa mengontrol isi bahan ajar digital.
Dengan demikian, strategi pengajaran praktis dapat dikembangkan dengan menggabungkan dengan
tren pengajaran saat ini dan mengekstrak keuntungan dari pembelajaran digital untuk mencapai
efektivitas pengajaran (Lai et al. 2012).

Di bawah iklim dengan perubahan mode pembelajaran, pemerintah dan bisnis sebagian besar
telah berinvestasi dalam penelitian dan pengembangan platform pengajaran digital. Perangkat lunak
dan perangkat keras untuk banyak platform pengajaran digital telah dikembangkan, beragam bahan
ajar digital diproduksi, dan sekolah telah secara aktif memperkenalkan platform pengajaran digital
yang berbeda ke dalam pengajaran, dengan harapan dapat meningkatkan hasil belajar siswa.
Memanfaatkan sumber daya pendidikan bersama di jaringan komputer untuk memperpendek
kesenjangan pendidikan perkotaan‑ pedesaan telah menjadi tren umum secara global. Tidak dapat
dipungkiri bahwa guru mengintegrasikan teknologi informasi ke dalam mata pelajaran untuk
membantu pembelajaran siswa dengan bahan ajar, metode pengajaran, dan media pengajaran yang
beragam. Adalah tanggung jawab bersama bagi para pendidik untuk membuat pengajaran menjadi
lebih efisien, memungkinkan siswa senang belajar, dan menumbuhkan generasi baru dengan
komunikasi yang kreatif dan rasional serta berpikir kritis dengan teknologi dan jaringan informasi di
era baru. Pengajaran digital bertujuan agar siswa berpartisipasi aktif dalam kegiatan pembelajaran
untuk mencapai hasil belajar yang telah ditetapkan (Pai & Tu, 2011). Desain kegiatan pengajaran dan

3594
 penerapan perangkat teknologi atau pembelajaran digital yang fleksibel menjadi isu utama bagi
pendidikan terpadu teknologi informasi saat ini.

TINJAUAN LITERATUR

Pembelajaran digital

Yoon dkk. (2012) menyatakan bahwa pembelajaran digital (E‑Learning) pertama kali
diusulkan oleh Jay Cross pada tahun 1999. Dengan kemajuan dan perkembangan alat teknologi,
muncul penjelasan dan terminologi yang berbeda, seperti pelatihan berbasis internet, pelatihan
berbasis web, atau pelatihan berbasis web. pembelajaran online, pembelajaran jaringan,
pembelajaran jarak jauh. Doris Holzberger dkk. (2013) menganggap pembelajaran digital sebagai
penyampaian dengan bentuk media digital (misalnya teks atau gambar) melalui Internet; dan, konten
pembelajaran dan metode pengajaran yang disediakan adalah untuk meningkatkan pembelajaran
peserta didik dan bertujuan untuk meningkatkan efektivitas pengajaran atau meningkatkan
pengetahuan dan keterampilan pribadi. Pada dasarnya, media teknologi komputer dan jaringan
diterapkan pada situasi pembelajaran, termasuk pembelajaran jaringan sinkron dan asinkron, untuk
menerobos batasan waktu, lokasi, dan jadwal, dan untuk mencapai pembelajaran individual yang
berpusat pada peserta didik (Kaklamanou et al., 2012). Di era dimana pengetahuan dan informasi
mengalir dengan cepat, penerapan pembelajaran digital mencakup berbagai bidang dan industri.
Berdasarkan posisi atau sudut pandang yang berbeda, definisinya berbeda. Yang paling representatif
adalah definisi yang dikemukakan oleh American Society of Training and Education (ASTD). Ini
mendefinisikan e‑learning sebagai proses peserta didik menerapkan media digital untuk belajar.
Media digital berisi Internet, jaringan perusahaan, komputer, siaran satelit, kaset audio, kaset video,
TV interaktif, dan compact disk. Aplikasi tersebut meliputi pembelajaran berbasis jaringan,
pembelajaran berbasis komputer, ruang kelas virtual, dan kerjasama digital. Anttila dkk.

Oleh karena itu, literatur saat ini mengungkapkan penjelasan yang berbeda tentang
pembelajaran digital di antara peneliti domestik dan internasional. Dengan menganalisis sudut pandang
beberapa peneliti secara komprehensif, pembelajaran digital dapat dibagi menjadi empat bagian
(Keane, 2012).

(1) Bahan ajar digital: Ini menekankan bahwa peserta didik dapat belajar dengan mengekstraksi beberapa
konten bahan ajar digital. Yang disebut konten bahan ajar digital mengacu pada e‑book, data digital,
atau konten yang disajikan dengan metode digital lainnya.

(2) Alat digital: Ini menekankan pada peserta didik yang melanjutkan aktivitas belajar melalui alat digital,
3595
 seperti komputer desktop, komputer notebook, komputer tablet, dan ponsel pintar.

(3) Penyampaian digital: Menekankan bahwa kegiatan belajar peserta didik dapat disampaikan melalui
Internet, misalnya intranet, internet, dan siaran satelit.
(4) Pembelajaran otonom: Ini berfokus pada peserta didik yang terlibat dalam aktivitas pembelajaran
online atau offline melalui pembelajaran digital sendiri. Ini menekankan pada pembelajaran otonom
pribadi dan membutuhkan partisipasi peserta didik dengan pembelajaran otonom untuk mendahului
aktivitas belajar.
MOTIVASI BELAJAR

Blok dkk. (2013) menyebutkan bahwa tahap awal dan hambatan pembelajaran dapat dipandu
oleh motivasi ekstrinsik. Setelah menjadi otonom, insentif ekstrinsik tidak diperlukan, tetapi beralih ke
pembelajaran otonom. Baik motivasi intrinsik maupun ekstrinsik akan saling melengkapi. Di sisi lain,
belajar juga memerlukan beberapa kekuatan pendorong dan motivasi ekstrinsik seperti yang umum
untuk belajar untuk harapan orang tua, tujuan tambahan, dan perolehan beberapa insentif. Motivasi
belajar merupakan mediator antara rangsangan dan reaksi. Dengan kata lain, motivasi belajar adalah
pendapat individu pembelajar tentang urusan, dan pembelajar akan menyajikan kebutuhan perolehan
pengetahuan yang berbeda karena pendapat yang berbeda. Karim (2012) menganggap motivasi belajar
sebagai keyakinan yang melekat untuk memandu tujuan belajar individu, mendorong perilaku belajar
untuk melakukan upaya terus menerus, memperkuat sejarah kognisi, dan memperkuat dan
meningkatkan hasil belajar. Gruzd dkk. (2012) berpendapat bahwa siswa akan mengharapkan untuk
menerima insentif dari orang lain untuk perilaku; dalam hal ini, pembelajaran bersifat purposive, tetapi
mungkin dapat diubah dari motivasi ekstrinsik menjadi motivasi intrinsik. Meskipun siswa mungkin
tidak mandiri, perolehan beberapa motivasi berprestasi atau transformasi menjadi kebutuhan untuk
pertumbuhan diri dalam proses pembelajaran akan menjadi proses internalisasi motivasi yang baik.
Mereka yang memiliki motivasi belajar intrinsik tidak membutuhkan insentif, dapat secara mandiri
membuat keputusan, dan memperoleh kesenangan dan rasa pencapaian dalam prosesnya. Sebaliknya,
motivasi ekstrinsik adalah motivasi belajar yang disebabkan oleh penghargaan atau hukuman orang
lain dan identitas untuk nilai perilaku tertentu. Motivasi intrinsik mungkin lebih otonom dan gigih
dengan nilai tinggi, tetapi faktor lingkungan juga dapat mempengaruhi motivasi bahwa insentif dan
dukungan eksternal diperlukan (Im et al., 2011). Koff & Mullis (2011) memandang motivasi belajar
sebagai niat atau keinginan siswa untuk berpartisipasi dan melakukan upaya belajar, yang dilakukan
atas pilihan siswa terhadap kegiatan belajar tertentu dan usaha‑usaha pada kegiatan tersebut. Oleh
karena itu motivasi belajar didefinisikan, dalam penelitian ini, sebagai membimbing siswa untuk terus
belajar dan upaya pada tujuan pembelajaran yang ditetapkan oleh guru dalam proses pembelajaran.
3596
 Chou dkk. (2012) juga membuktikan bahwa siswa lebih suka memecahkan masalah secara mandiri
pada pekerjaan tertentu (perilaku didorong oleh motivasi intrinsik), tetapi akan dibantu oleh guru untuk
memecahkan beberapa masalah belajar (perilaku didorong oleh rangsangan eksternal). Dalam
pembelajaran, minat intrinsik siswa dan penghargaan ekstrinsik guru atau orang tua dapat
dikolaborasikan untuk membentuk motivasi belajar. Berdasarkan penelitian di atas, motivasi intrinsik
dan motivasi ekstrinsik digunakan sebagai ukuran dimensi motivasi belajar dalam penelitian ini.
HASIL BELAJAR

Katz dkk. (2011) menunjukkan bahwa kata‑kata prestasi akademik, hasil belajar, prestasi
akademik, atau prestasi belajar menyatakan gagasan yang sama, yaitu hasil belajar akademik siswa,
atau hasil persisten melalui pembelajaran sejarah. Hasil belajar merupakan indikator untuk mengukur
efek belajar peserta didik (Lubega et al., 2014) serta item utama untuk evaluasi kualitas pengajaran.
Hasil belajar akan dipengaruhi oleh mode pembelajaran, desain kurikulum, dan pengajaran (Jude et al.,
2014) yang banyak penelitimembahas efek dari karakteristik pribadi atau perilaku belajar pada kinerja
belajar. Misalnya, Mostafa & Esmaeel (2012) membahas pengaruh gaya belajar terhadap prestasi
belajar mahasiswa kedokteran, dan hubungannya. Kristen (2011) mengeksplorasi efek kemampuan,
self‑efficacy, dan tujuan pribadi pada efektivitas dan menemukan bahwa hasil belajar memang bisa
dipengaruhi oleh sifat pembelajar. Chesser (2011) membahas efek dari metode pelatihan, komputer
self‑efficacy, dan mode pembelajaran pada hasil belajar dan menemukan kinerja belajar yang lebih
tinggi dari peserta didik yang mendukung konsep‑konsep abstrak. Martin & Herrero (2012) juga
menemukan perbedaan yang signifikan antara modus belajar dan hasil belajar, namun pengaruh mode
pembelajaran terhadap hasil belajar menjadi tidak signifikan setelah menggunakan bahan ajar
berbantuan multimedia. Hsu (2012) menunjukkan dua dimensi dalam hasil belajar.

(1) Efek belajar－meliputi hasil tes, waktu penyelesaian jadwal, dan prestasi

akademik.
(2) Hasil belajar－berisi kepuasan, prestasi, dan preferensi belajar.

Oleh karena itu, efek pembelajaran dan perolehan pembelajaran digunakan sebagai dimensi
ukuran dari efektivitas pengajaran dalam penelitian ini.

Perbandingan antara pengajaran tradisional dan pembelajaran digital

McKiernan (2011) menunjukkan berbagai perbedaan isi bahan ajar,saluran pembelajaran, dan metode
praktik antara pengajaran tradisional dan pembelajaran digital. Misalnya, konten pembelajaran yang
berfokus pada kenyamanan dan fleksibilitas cocok untuk pembelajaran digital, sedangkan pengajaran
tradisional lebih baik untuk kursus yang membutuhkan operasi praktis atau kerja tim. Meskipun
3597
pembelajaran digital tidak dapat sepenuhnya menggantikan pengajaran tradisional, itu dapat mencapai
efek pengajaran terbaik dan membuat pelajar senang belajar dengan memperkuat pengajaran
tradisional dengan pembelajaran digital dan secara komprehensif mempraktikkan kedua metode dalam
kegiatan pengajaran. Yien dkk. (2011) menunjukkan perbedaan antara pembelajaran digital dan
pengajaran tradisional dalam lingkungan belajar dan orang. Pengajaran tradisional, dengan “ceramah”
di ruang kelas, adalah metode pengajaran yang paling tradisional dan representatif.
Pendeknya, Hal ini mengacu pada instruktur menyampaikan bahan ajar dalam kegiatan mengajar
kepada peserta didik melalui interpretasi. Dengan sejarah panjang, telah diterapkan secara luas dan
masih menjadi salah satu metode pengajaran yang disukai instruktur.

Sebastian dkk. (2012) menganggap pembelajaran digital sebagai mode pembelajaran yang
paling cepat berkembang dalam beberapa tahun terakhir serta arus utama pembelajaran di masa depan.
Selain latar belakang waktu, ia berkembang pesat karena menembus mode pengajaran tradisional dan
menghadirkan berbagai kekuatan. Miyoshi dkk. (2012) mengorganisir keuntungan pembelajaran
digital untuk perbandingan dengan pengajaran tradisional. (1) Pembelajaran tanpa masalah:
Pembelajaran digital memungkinkan pembelajar tidak dibatasi ruang dan waktu seperti pembelajaran
tradisional sehingga pembelajar dapat memilih waktu dan lokasi untuk pembelajaran online dan tidak
memiliki tekanan dan hambatan ruang dan waktu melalui mekanisme interaksi online instruktur (Jude
et al., 2014). (2) Sumber daya jaringan yang kaya: Internet mencakup informasi yang kaya dan beragam
sehingga pelajar dapat memperoleh data hanya dengan mencari kata kunci. Ketika platform
pembelajaran digital mampumengatur sumber daya yang relevan untuk penggunaan atau koneksi
peserta didik, sumber daya jaringan akan diterapkan secara efektif melalui pembelajaran digital, dan
instruktur atau peserta didik dapat memperoleh informasi yang lebih kaya di luar bahan ajar dalam
kurikulum untuk meningkatkan efek pembelajaran (Im et al., 2011). (3) Konten pembelajaran digital
dan jadwal pembelajaran yang disesuaikan: Peserta didik diperlakukan sama dalam pengajaran
tradisional untuk jadwal dan konten pengajaran yang sama, terlepas dari tingkat peserta didik. Namun,
desain kurikulum dan produksi bahan ajar untuk pembelajaran digital adalah konten digital yang
peserta didik dapat dengan bebas memilih kursus dan bahan ajar yang berbeda, sesuai dengan tingkat
dan preferensi, untuk mencapai hasil belajar yang disesuaikan (Sun et al., 2012). (4) Catatan lengkap
riwayat belajar peserta didik: Platform pembelajaran digital yang baik harus dapat merekam sejarah
belajar peserta didik secara lengkap sehingga instruktur dapat memahami kondisi belajar peserta didik
dan peserta didik dapat dengan jelas menyadari tingkat atau hasil belajar untuk penyesuaian dan
peningkatan. (5) Pembelajaran interaktif: Pembelajaran digital adalah pembelajaran mandiri yang
produksi bahan ajar harus lebih banyak menggunakan media gambar, suara, atau gambar daripada

3598
media tradisional untuk menghasilkan bahan ajar yang lebih menarik dan hidup. Selain itu, platform
pengajaran digital akan menyediakan fungsi interaktif seperti ruang obrolan dan diskusi untuk
komunikasi dua arah yang lebih antara peserta didik dan instruktur dan di antara peserta didik (Hockly,
2012). (6) Pengurangan biaya pengajaran: Isi bahan ajar yang digunakan dalam platform pengajaran
digital disimpan sebagai file digital sehingga bahan ajar yang telah selesai dapat digunakan berulang
kali. Dengan kata lain, isi bahan ajar yang dibuat oleh pengajar sebelum pelajaran memungkinkan
peserta didik menggunakan beberapa kali dan belajar berulang kali. Pengajaran tradisional
mengharuskan semua peserta didik berkumpul pada waktu dan tempat yang sama untuk instruksi
sehingga biaya pengajaran dinaikkan. (7) Akumulasi pengetahuan yang efektif: Modus pembelajaran
digital secara sistematis dan lengkap dapat merekam semua bahan ajar online dan riwayat belajar
peserta didik. Bagi pembelajar, itu bisa secara efisien dan langkah demi langkah mengumpulkan
pengetahuan pribadi. Untuk instruktur, isi bahan ajar dapat diatur dan diakumulasikan secara efektif
melalui platform pembelajaran digital dan disampaikan dengan cepat kepada peserta didik untuk
menerapkan manajemen pengetahuan secara efektif (Jude et al., 2014). (8) Peningkatan minat belajar:
Pengajaran bisa lebih hidup dan hidup melalui teknologi informasi dan penyajian berbagai media untuk
meningkatkan minat peserta didik, membuat belajar lebih efisien, dan meningkatkan kegigihan belajar
peserta didik (Kaklamou et al., 2012). (9) Pembelajaran teknologi baru secara simultan: Pembelajaran
digital menekankan pada pelajar yang mempelajari pengetahuan berbeda dan teknologi baru komputer
dan jaringan dengan alat digital untuk mempromosikan kemampuan menggunakan teknologi informasi
(Shin et al., 2011). Singkatnya, pembelajaran digital menarik karena isinya tidak akan berubah dengan
media atau standar sehingga peserta didik dapat dengan mudah mengoperasikan untuk belajar dan
menerobos batasan waktu dan ruang untuk pembelajaran yang menyeluruh dan pembelajaran yang
sukses. Motivasi belajar memungkinkan siswa mempersiapkan diri untuk belajar dan akan
meningkatkan perhatian dan penyerapan pengetahuan baru. Akibatnya, untuk membuat efisiensi
terbaik dalam belajar, Kuo (2011) mengusulkan model motivasi yang mempengaruhi efektivitas
dengan memahami motivasi belajar siswa untuk menjelaskan hubungan antara motivasi dan efektivitas.
ahbaz (2012) mengungkapkan bahwa siswa dengan Motivasi belajar memungkinkan siswa
mempersiapkan diri untuk belajar dan akan meningkatkan perhatian dan penyerapan pengetahuan baru.
Akibatnya, untuk membuat efisiensi terbaik dalam belajar, Kuo (2011) mengusulkan model motivasi
yang mempengaruhi efektivitas dengan memahami motivasi belajar siswa untuk menjelaskan
hubungan antara motivasi dan efektivitas. ahbaz (2012) mengungkapkan bahwa siswa dengan Motivasi
belajar memungkinkan siswa mempersiapkan diri untuk belajar dan akan meningkatkan perhatian dan
penyerapan pengetahuan baru. Akibatnya, untuk membuat efisiensi terbaik dalam belajar, Kuo (2011)
mengusulkan model motivasi yang mempengaruhi efektivitas dengan memahami motivasi belajar
3599
siswa untuk menjelaskan hubungan antara motivasi dan efektivitas. ahbaz (2012) mengungkapkan
bahwa siswa dengan

motivasi belajar yang lebih tinggi akan memberikan hasil belajar yang lebih tinggi, yaitu korelasi
positif antara motivasi belajar dan hasil belajar.
Oleh karena itu, hipotesis berikut diusulkan dalam penelitian ini.

H1: Pembelajaran digital menunjukkan efek positif yang lebih baik pada motivasi belajar daripada
pengajaran tradisional.

H2: Pembelajaran digital mengungkapkan efek positif yang lebih baik pada hasil belajar daripada
tradisional mengajar tidak.

H3: Motivasi belajar berpengaruh positif signifikan terhadap pengaruh belajar terhadap hasil belajar.

H4: Motivasi belajar tampak sangat berpengaruh positif terhadap perolehan belajar pada hasil
belajar.
METODOLOGI PENELITIAN

Ukuran variabel penelitian

motivasi belajar

Merujuk pada Chou et al. (2012), motivasi belajar dibagi menjadi (1) orientasi intrinsik dan (2)
orientasi ekstrinsik dalam penelitian ini.

Hasil belajar

Merujuk pada Hsu (2012), (1) learning effect dan (2) learning gain terkandung.

Subjek penelitian dan pengambilan sampel data

Untuk mencapai tujuan penelitian dan menguji hipotesis penelitian secara efektif, desain
kelompok kontrol pretest posttest nonequivalent digunakan untuk penelitian eksperimen semu.
Sebanyak 116 siswa dalam 4 kelas dipilih sebagai subjek penelitian, dimana 2 kelas (58 siswa) pada
kelompok eksperimen dilanjutkan pembelajaran digital dan 2 kelas lainnya (58 siswa) pada kelompok
kontrol tetap menggunakan metode pengajaran tradisional yaitu ceramah. Penelitian instruksional 32
minggu didahului selama 3 jam per minggu (total 96 jam). Perangkat lunak statistik komputer SPSS
digunakan untuk analisis data, dan Analisis Faktor, Analisis Reliabilitas, Analisis Regresi, dan Analisis
Varians diterapkan untuk menguji berbagai hipotesis.
Metode analisis
3600
 Analisis Varians diterapkan dalam penelitian ini untuk membahas pengaruh pembelajaran
digital terhadap motivasi belajar dan hasil belajar dan Analisis Regresi selanjutnya digunakan untuk
memahami hubungan antara motivasi belajar dan hasil belajar.

HASIL ANALISIS

Analisis reliabilitas dan validitas

Dengan Analisis Faktor, motivasi belajar diekstraksi dua faktor yaitu “orientasi intrinsik” (nilai
eigen=3.263, =0.88) dan “orientasi ekstrinsik” (nilai eigen=2.841, =0.83). Kovarians yang
terakumulasi mencapai 81,623%.

Hasil belajar, dengan Analisis Faktor, diekstraksi dua faktor “efek belajar” (nilai
eigen=2,533, =0,86) dan “keuntungan belajar” (nilai eigen=2,375, =0,82). Kovarians yang
terakumulasi mencapai 84,283%.
Pengaruh pembelajaran digital terhadap motivasi belajar dan hasil belajar

1. Analisis varians pembelajaran digital terhadap motivasi belajar

Menerapkan Analisis Varians untuk membahas perbedaan pembelajaran digital dalam motivasi
belajar, Tabel 1, pembelajaran digital menunjukkan perbedaan yang signifikan dalam orientasi
intrinsik (4,12), dan lebih tinggi dari pengajaran tradisional (3,31); dan, pembelajaran digital
mengungkapkan perbedaan yang luar biasa dalam orientasi ekstrinsik (4,75), dan lebih tinggi dari
pengajaran tradisional (3,53).

2. Analisis varians pembelajaran digital terhadap hasil belajar

Analisis Varians digunakan untuk membahas perbedaan pembelajaran digital dalam hasil
belajar. DariMeja 2, pembelajaran digital muncul perbedaan mencolok dalam efek pembelajaran (3,95)
dan lebih tinggi dari pengajaran tradisional; dan, pembelajaran digital menunjukkan perbedaan yang
signifikan dalam perolehan pembelajaran (4,27), dan lebih tinggi dari pengajaran tradisional (3,38).

Analisis korelasi motivasi belajar dan hasil belajar

(1) Analisis korelasi motivasi belajar dan pengaruh belajar

Untuk pengujian H3, hasil analisis, Tabel 3, mengungkapkan efek luar biasa dari orientasi
intrinsik (β=2.136**) dan orientasi ekstrinsik (β=1.838*) pada efek pembelajaran yang didukung oleh
H3.

3601
 Tabel 3. Analisis antara motivasi belajar dan hasil belajar

Variabel terikat→ Hasil belajar

Variabel bebas Efek belajar Keuntungan
belajar
motivasi belajar β Beta β Beta
Orientasi intrinsik 2.136** 0,202 1.916* 0,182
Orientasi ekstrinsik 1,838* 0,173 2.386** 0.217
F 28.46 36.25
Makna 0,000*** 0,000***
R2 0,342 0,388
Disesuaikan R2 0,031 0,036

Catatan: * singkatan dari p<0,05, ** untuk p<0,01.

Sumber data: Self‑organized dalam penelitian ini

(2) Analisis korelasi motivasi belajar dengan perolehan belajar

Untuk uji H4, hasil analisis, Tabel 3, menyajikan efek penting dari orientasi intrinsik
(β=1,916*) dan orientasi ekstrinsik (β=2,386**) pada perolehan pembelajaran yang didukung oleh H4.

KESIMPULAN

Penyelidikan mengungkapkan bahwa siswa setuju dengan bantuan pembelajaran digital dalam
pembelajaran mata pelajaran. Khususnya, bertambahnya waktu belajar bagi siswa dengan
pembelajaran digital relatif meningkatkan kinerja belajar.

Hal ini bergantung pada guru yang cocok dengan pengajaran kelas untuk memanfaatkan
strategi pengajaran yang baik, sesuai dengan iklim kelas dan menciptakan situasi belajar bagi siswa
yang mau menggunakan pembelajaran digital sehingga siswa berani mengajukan pertanyaan dalam
diskusi dan meningkatkan pembelajaran interaktif online dengan guru. Mengintegrasikan
pembelajaran digital ke dalam pengajaran di kelas tidak hanya menguntungkan siswa, tetapi guru juga
akan memiliki keuntungan yang berbeda. Selain promosi profesionalisme pribadi, guru dapat melihat
bahwa siswa menyadari upaya dan semangat guru dalam mengajar.

SARAN
Bertujuan pada hasil penelitian di atas, saran berikut diusulkan dalam penelitian ini.

Efektivitas pengajaran dapat ditingkatkan hanya ketika fungsi sistem kaya dan beragam agar
dekat dengan persepsi pengguna dan menarik siswa masuk ke sistem untuk belajar.

Berkenaan dengan dilema yang dihadapi dalam pembelajaran digital campuran, administrasi sekolah
dapat memberikan dukungan dan bantuan perangkat lunak dan perangkat keras kepada guru, sesuai
dengan kebutuhan, untuk mengurangi keraguan pembelajaran digital dan, dengan dorongan,
mengintegrasikan guru dengan minat untuk membentuk sebuah organisasi yang mirip dengan
komunitas profesional untuk mempromosikan pembelajaran digital. Bagaimanapun, kerja sama
kelompok dapat memperpanjang pengelolaan pengajaran digital dengan lebih baik daripada individu
untuk mengembangkan efek pengajaran secara signifikan. Ketika tidak ada tim pengajar berbantuan
komputer untuk mengembangkan perangkat lunak,

halaman web untuk mencapai efek pengajaran berbantuan informasi. Terlebih lagi, promosi pengajaran
tim di antara guru untuk pengembangan kolaboratif dan promosi halaman web pembelajaran akan lebih
produktif dan dapat bermanfaat bagi lebih banyak siswa.

Kunci dalam mengembangkan efektivitas pembelajaran digital pada pengajaran terletak pada
guru. Dengan kata lain, promosi pembelajaran digital dapat memberikan alternatif inovasi pengajaran
di kelas. Membuat perubahan dalam mode pengajaran tradisional akan menemui beberapa kesulitan,
tetapi kesulitan tersebut akan diatasi ketika guru sering bertukar pengalaman mengajar dengan rekan‑
rekan atau ahli atau berbagi dan belajar melalui komunitas web untuk memajukan metode pengajaran
dan meningkatkan manajemen kelas serta untuk mempresentasikannya. profesionalisme dan
pengembangan diri. Dengan kemajuan teknologi informasi dan teknologi yang relevan, pembelajaran
digital akan diterima oleh siswa dan guru. Adalah tujuan dan tugas guru agar siswa menerima
pengetahuan yang sistematis melalui jaringan dan memiliki konsep penggunaan yang benar.

REFERENSI
Anttila, M., Valimaki, M., Hatonen, H., Luukkaala, T., & Kaila M. (2012). Penggunaan pasien berbasis
web

sesi pendidikan di bangsal psikiatri. Jurnal Internasional Informatika Medis, 81(6), 424‑ 433.
Blok, L., Jessness, R., & Sekolah, MP (2013). Pembelajaran Satu‑ke‑Satu dengan iPad: Perencanaan
& Evaluasi

Pengembangan Profesi Guru. Sekolah Tinggi Pendidikan, Kepemimpinan & Konseling. Universitas
ST.Thomas Minnesota.
Catur, WD (2011). Bab 5: Revolusi E‑buku teks. Laporan Teknologi Perpustakaan, 47(8), 28‑40.

Chou, CC, Blokir, & Jessness. (2012). Sebuah studi kasus proyek percontohan pembelajaran mobile di
sekolah K‑12.jurnal Pengembangan dan Pertukaran Teknologi Pendidikan, 5(2), 11‑26.

Gruzd, A., Staves, K., & Wilk, A. (2012). Sarjana yang terhubung: Meneliti peran media sosial dalam
praktik penelitian fakultas menggunakan model UTAUT. Komputer dalam Perilaku Manusia, 28(6),
2340‑2350.

Holzberger, D., Philipp, A., & Kunter, M. (2013). Bagaimana self‑efficacy guru terkait dengan
instruksional

kualitas: Sebuah analisis longitudinal. Jurnal Psikologi Pendidikan, 105(3), 774‑786.

Hsu, TH (2012). Sebuah Investigasi Motivasi Membaca Bahasa Inggris Mahasiswa Universitas.Jurnal
Far Pendidikan Umum Universitas Timur, 6(2), 98.

Hockly, N. (2012). Mengganti atau mendefinisikan ulang?Guru Bahasa Inggris Modern, 21(3), 40‑42.

Im, I., Hong, S., & Kang, MS (2011). Perbandingan internasional adopsi teknologi menguji model
UTUT. Informasi & Manajemen, 48(1), 1‑8.
Jude, LT, Kajura, MA, & Birevu, MP (2014). Adopsi model SAMR untuk menilai pedagogis TIK
adopsi: Sebuah kasus Universitas Makerere. Jurnal Internasional e‑Education, e‑Business, e‑
Management dan e‑Learning, 4(2), 106‑115.

Kaklamanou, D., Pearce, J., & Nelson, M. (2012). Makanan dan Akademi: Studi Kualitatif.
Departemen untuk Pendidikan, 1‑23.

Karim, S. (2012). Penilaian dinamis proses pemahaman bacaan pelajar L2: A Vygotskian
perspektif. Ilmu Langsung, 321‑328.

Katz, DL, Katz, CS, Treu, JA, Reynolds, J., Njike, V., Walker, J., & Michael, J. (2011). Pengajaran
Pilihan Makanan Sehat untuk Siswa Sekolah Dasar dan Orang Tuanya: The Nutrition Detectives™
Program*. Jurnal Kesehatan Sekolah, 81(1), 21‑28.
Keane, DT (2012). Memimpin dengan Teknologi.Pemimpin Pendidikan Australia, 34(2), 44.

Koff, L., & Mullis, R. (2011). Edukasi dan Teknologi Gizi: Bisa Menyampaikan Pesan via Baru
Teknologi Media Efektif Mengubah Perilaku Gizi Anak Prasekolah dan Keluarganya?Jurnal
Pendidikan dan Perilaku Gizi, 43(4), S40‑S40.
Kristen, ER (2011). Evaluasi Analitis Model Keyakinan Kesehatan dan Populasi Rentan
Model Konseptual yang Diterapkan pada Populasi Pedesaan yang Kurang Terlayani Secara Medis.
Jurnal Internasional Sains dan Teknologi Terapan, 1(2), 15‑21.

Kuo, Ya‑Chu (2011). Motivasi Intrinsik/Ekstrinsik dan Perfeksionisme Mahasiswa Baru EFL College
diTaiwan(tesis).Diambil darihttp://ndltd.ncl.edu.tw/cgibin/gs32/gsweb.cgi/login?o=dwebmge
Lai, YH, Huang, FF, & Yang, HH (2012). Pengaruh Sistem Pendidikan Gizi Anak SD
Siswa Sekolah dalam Pengetahuan Gizi. Jurnal Institut Teknologi Oriental, 32, 115‑123.

Martin, HS, & Herrero, A. (2012). Pengaruh faktor psikologis pengguna pada pembelian online
niat dalam pariwisata pedesaan: Mengintegrasikan inovasi ke kerangka UTAUT. Manajemen
Pariwisata, 33(2), 341‑350.

McKiernan, G. (2011). Mengkonfigurasi 'Buku Teks Masa Depan'.Cari, 19(4), 43‑47.

Miyoshi, M., & Tsuboyama‑Kasaoka, N. (2012). Program “Shokuiku” berbasis sekolah di Jepang:
Aplikasi untuk pendidikan gizi di negara‑negara Asia. Jurnal Nutrisi Klinis Asia Pasifik, 21(1), 159‑162.

Mostafa, P., & Esmaeel, A. (2012). Latihan motivasi guru, motivasi siswa, dan kemungkinan L2 diri:
Pemeriksaan dalam konteks EFL Iran. Pembelajaran Bahasa, 62(2), 571‑594.

Pai, JC, & Tu, FM (2011). Penerimaan dan penggunaan manajemen hubungan pelanggan (CRM)
sistem: Sebuah studi empiris industri jasa distribusi di Taiwan. Sistem Pakar dengan Aplikasi, 38(1),
579‑584.
ahbaz, NK (2012). Evaluasi sikap membaca siswa kelas 8 SD
menurut berbagai variabel. Penelitian dan Ulasan Pendidikan, 7(26), 571‑576.

Sebastian, D., Ali, S., Ivo, B., Jan, ML, & Helmut, K. (2012). Determinan teknologi dokter penerimaan
untuk e‑health dalam perawatan rawat jalan. Jurnal Internasional Informatika Medis, 81(11), 746‑760.

Shin, DH, Shin, YJ, Choo, H., & Beom, K. (2011). Ponsel cerdas sebagai alat pedagogis cerdas:
Implikasi bagi smartphone sebagai perangkat u‑learning. Komputer dalam Perilaku Manusia, 27(6),
2207‑ 2214.

Sun, JY, Han, SH, & Huang, W. (2012). Peran motivator intrinsik dan motivator ekstrinsik dalam
mempromosikan e‑learning di tempat kerja: Sebuah kasus dari Korea Selatan. Komputer dalam
Perilaku Manusia, 28(3), 942‑950.

Yien, JM, Hung, CM, Hwang, GJ, & Lin, YC (2011). Pendekatan pembelajaran berbasis permainan
untuk meningkatkan prestasi belajar siswa pada mata kuliah gizi. Jurnal Teknologi Pendidikan Online
Turki, 10(2), 1‑10.Yoon, J., Kwon, S., & Shim, JE (2012). Status Sekarang dan Isu Program Gizi
Sekolah di Korea.

Jurnal Nutrisi Klinis Asia Pasifik, 21(1), 128‑133.

http://iserjournals.com/journals/eurasia
 Artikel Penelitian doi: 10.12973/eu-jer.10.1.39

Jurnal Penelitian Pendidikan Eropa

Volume 10, Edisi 1, 39 - 49.

ISSN: 2165-8714
http://www.eu-jer.com/
Motivasi dan Strategi Belajar: Motivasi Siswa Mempengaruhi Siswa Belajar strategi

Hasan Hariri* Dedy Hermanto Karwan Een Yayah Haenilah

Universitas Lampung, Universitas Lampung, Universitas Lampung,
INDONESIA INDONESIA INDONESIA

Riswanti Rini Ujang Suparman

Universitas Lampung, INDONESIA Universitas Lampung, INDONESIA

Diterima: 5 Mei 2020 ▪ Revisi: 23 Juli 2020 ▪ Diterima: 11 November 2020

Abstrak: Meskipun menjadi subjek penelitian yang populer secara internasional, pembelajaran
mandiri relatif kurang diselidiki dalam konteks Indonesia. Artikel ini mengkaji motivasi belajar siswa
dan penggunaannya sebagai indikator untuk memprediksi strategi belajar siswa dalam konteks sekolah
Indonesia. Artikel ini menggunakan desain penelitian kuantitatif, dengan menggunakan Motivated
Strategies for Learning Questionnaire (MSLQ) untuk mengumpulkan data. Kuesioner ini diisi oleh 408
siswa SMA negeri yang dipilih secara acak dari populasi sekolah di Provinsi Lampung, dan analisis
data yang diperoleh menggunakan regresi berganda. Hasil penelitian menunjukkan bahwa motivasi
siswa dan strategi belajar berkorelasi positif dan signifikan; tiga variabel prediktor motivasi siswa
secara signifikan dapat memprediksi strategi pembelajaran; dan komponen nilai motivasi belajar
terbaik memprediksi strategi pembelajaran. Kesimpulannya, temuan ini menunjukkan bahwa, ketika
guru menerapkan strategi pembelajaran, variabel seperti motivasi termasuk nilai, harapan, dan
komponen afektif harus dipertimbangkan dengan kuat. Diharapkan pada akhirnya para siswa akan
menjadi pembelajar mandiri untuk kesuksesan mereka.
Kata kunci: Strategi belajar, metakognisi, motivasi, self-regulated learning, siswa.
Untuk mengutip artikel ini: Hariri, H., Karwan, DH, Haenilah, EY, Rini, R., & Suparman, U. (2021).
Motivasi dan strategi belajar: Motivasi siswa mempengaruhi strategi belajar siswa.Jurnal Penelitian
Pendidikan Eropa, 10(1), 39-49. https://doi.org/10.12973/ eu-jer.10.1.39
pengantar
Latar Belakang Artikel ini

Pembelajaran mandiri (SRL) telah menjadi area penelitian penting tentang bagaimana anak
sekolah menjadi pembelajar mandiri selama bertahun-tahun (Steffens, 2006; Zimmerman, 2008), di
pendidikan tinggi (Kosnin, 2007) dan khususnya di sekolah (Dignath et al. , 2008). Penelitian di bidang
ini termasuk orientasi motivasi dan strategi pembelajaran (Pintrich et al., 1991) relatif beragam
(misalnya Pintrich, 2004).
Ketertarikan pada SRL telah meningkat sejak tahun 1980-an, dan sebagian besar penelitian yang
meneliti akurasi pemantauan metakognitif telah mencakup siswa pendidikan tinggi (dee Bruin et al.,
2011) serta siswa sekolah (Dignath et al., 2008). Selain itu, SRL yang diukur menggunakan Motivated
Strategies for Learning Questionnaire (MSLQ) (Pintrich et al., 1991) telah banyak diterapkan dalam
versi bahasa lain oleh banyak peneliti di seluruh dunia, terdiri dari Amerika Serikat, Inggris, Turki,
Rusia, Filipina, Malaysia, Jepang, Irak, India, Mesir, Siprus, Kroasia, Cina, Chili, Kanada, Brasil,
Australia, dan Argentina (Garcia & McKeachie, 2005), dan baru-baru ini Cina (Banisaeid & Huang,
2015), Estonia (Saks et al., 2015), Norwegia (Ulstad et al., 2016), Hindia Barat, Korea (Jo et al., 2016).
Namun,
Secara umum, Zumbrunn et al. (2011) menguraikan hasil penelitian penting, berdasarkan
tinjauan literatur mereka, bahwa SRL: (a) dianggap penting bagi siswa untuk terlibat dalam proses
pembelajaran (Järvelä & Järvenoja, 2011; Zimmerman, 2008), (b) mampu membantu mereka
meningkatkan kebiasaan dan keterampilan belajar mereka (Wolters, 2011), (c) menerapkan strategi
pembelajaran untuk meningkatkan hasil pendidikan, (d) memantau kinerja mereka (Harris et al., 2005)
dan (e) menilai pendidikan mereka

* Penulis yang sesuai:

Hasan Hariri, Universitas Lampung, Fakultas Keguruan dan Ilmu Pendidikan, Indonesia. -
hasan.hariri@staff.unila.ac.id
© 2021 Penulis. Akses terbuka - Artikel ini berada di bawah lisensi CC BY
(https://creativecommons.org/licenses/by/4.0/).
 Jurnal Penelitian Pendidikan Eropa- 40

perbaikan (de Bruin et al., 2011). Akibatnya, pendidik termasuk guru harus akrab dengan variabel yang
mempengaruhi kemampuan siswa untuk mengatur diri sendiri strategi pembelajaran untuk
meningkatkan SRL.
Secara khusus, temuan bahwa SRL secara positif mempengaruhi prestasi siswa telah terungkap secara
konsisten (misalnya, Cleary & Platten, 2013; Zumbrunn et al., 2011). Kapasitas SRL sangat penting
untuk membuat siswa menjadi pembelajar mandiri (Kosnin, 2007). Pembelajar ini mampu menerapkan
strategi pembelajaran kognitif dalam tugas akademik (Vrieling et al., 2012) dan mengatur pembelajaran
untuk meningkatkan hasil belajar mereka (Steffens, 2006).

Konsep SRL
SRL didefinisikan secara berbeda (Pintrich & De Groot, 1990). Untuk mengilustrasikannya, Pintrich
(2000), mendefinisikan SRL sebagai proses pembelajaran dimana peserta didik secara aktif dan
konstruktif menentukan tujuan pembelajaran untuk tujuan memantau, mengatur, dan mengendalikan
motivasi, kognisi dan perilaku. Zumrunn dkk. (2011) menambahkan bahwa SRL merupakan proses
untuk membantu peserta didik mengelola pandangan, perilaku, dan perasaan mereka untuk mengarahkan
kemampuan belajar mereka berhasil ketika tindakan siswa sengaja diarahkan untuk memperoleh
keterampilan atau informasi selama proses tersebut. Sedangkan bagi Corno dan Mandinach (1983), SRL
merupakan tindakan untuk memanipulasi dan memperdalam jaringan mereka dalam bidang tertentu serta
melakukan pemantauan dan perbaikan proses perluasan. Cazan (2013) memandang SRL akademik
sebagai pandangan umum, semangat, dan dimaksudkan untuk mencapai tujuan pendidikan.
Namun, meskipun didefinisikan secara berbeda, siswa pada umumnya dapat secara aktif mengatur
pembelajarannya sendiri sampai batas tertentu dalam perilaku, metakognisi, dan motivasi (Zimmerman,
1986). Secara perilaku, siswa memilih struktur dan membuat lingkungan fisik dan sosial yang
mengoptimalkan perolehan belajar. Secara metakognitif, mereka melakukan perencanaan,
pengorganisasian, instruksi diri dan evaluasi diri pada tahap yang berbeda selama pemerolehan
pembelajaran. Secara motivasi, mereka termotivasi secara intrinsik, mandiri, dan mandiri. Oleh karena
itu, siswa menjadi responsif secara efektif terhadap hubungan praktis antara hasil sosial dan lingkungan
mereka dan pola pikir dan tindakan mereka. Melalui SRL, kognisi, perilaku, dan motivasi siswa
diaktifkan dan dipertahankan.

Kerangka Konseptual untuk SRL

SRL, menurut kerangka konseptual Pintrich, adalah prosedur yang memungkinkan siswa terlibat secara
antusias dalam menentukan tujuan serta mencoba menggunakan empat tahap: (1) pemikiran ke depan,
perencanaan, dan aktivasi, (2) pemantauan, (3) kontrol, dan (4) reaksi dan refleksi. Tahapan ini
memotong empat area konteks pengaturan diri: (1) kognisi, (2) motivasi/pengaruh, (3) perilaku, dan (4)
konteks) (Kadhiravan & Suresh, 2008; Pintrich, 2000; Schunk, 2005;
Xu , 2008). Tahapan tersebut juga bersifat interaktif dimana secara individu siswa mungkin secara
bersamaan terlibat dalam lebih dari satu tahap (Kadhiravan & Suresh, 2008). Mereka perlu terlibat aktif
dalam pembelajaran mereka dengan menerapkan empat tahap dan area konteks pengaturan diri untuk
menjadi pembelajar mandiri. Pelajar seperti itu secara perilaku, metakognitif,

Strategi Motivasi untuk Belajar Kuesioner (MSLQ)

Kuesioner 81 item ini (Pintrich et al., 1991) digunakan secara luas untuk mengukur SRL (Zimmerman,
2008), disempurnakan pada 1986, 1987, 1988, dan 1991 (Garcia & McKeachie, 2005), dan diselesaikan
pada 1993, mencerminkan satu dekade kerja ekstensif (Pintrich et al., 1993).
Instrumen terdiri dari dua bagian: motivasi dan strategi belajar. Kedua bagian ini terdiri dari timbangan.
Pertama, bagian motivasi (terdiri dari 31 item) terdiri dari tiga skala: (1) nilai, (2) harapan, dan (3)
pengaruh. Nilai terdiri dari tiga elemen: orientasi tujuan intrinsik, orientasi tujuan ekstrinsik, dan tugas.
Harapan terdiri dari dua elemen: self-efficacy dan kontrol belajar. Afek terdiri dari satu elemen:
kecemasan ujian. Kedua, bagian strategi pembelajaran terdiri dari 31 item kognitif-metakognitif dan 19
item perilaku. Yang pertama terdiri dari lima elemen: (1) elaborasi, (2) latihan, (3) pemikiran kritis, (4)
organisasi, dan (5) pengaturan diri metakognitif. Yang terakhir ini terdiri dari empat elemen: (1)
manajemen usaha, (2) waktu dan lingkungan belajar, (3) mencari bantuan, dan (4) pembelajaran rekan
(Pintrich et al.
 Jurnal Penelitian Pendidikan Eropa- 41

Studi Sebelumnya tentang SRL Menggunakan MSLQ

Studi tentang SRL telah banyak dilakukan (Montalvo & Torres, 2004; Ng et al., 2017) dan saat ini SRL
secara bertahap telah dilakukan di berbagai setting pembelajaran (Schunk, 2005) khususnya di Amerika
Serikat (Cleary & Platten, 2013; Hardy , 2013; Pintrich & De Groot, 1990; Zimmerman & Kitsantas,
2014) dan banyak negara lain seperti Australia (Neville & Bennett, 2004), Belanda (Vrieling et al.,
2012), Cina (Banisaeid & Huang, 2015) , Jerman dan Cina (Wang et al., 2013), tujuh negara (Australia,
Kanada, India, Malaysia, Taiwan, Thailand, dan Amerika Serikat (Credé & Phillips, 2011), Singapura
(Chang & Smith, 1998; Ng et al., 2017), Filipina dan Korea (Turringan & Yang, 2009), Turki (Ozan et
al., 2012; en et al., 2014; Tanriseven, 2014), Malaysia (Kosnin, 2007), dan Afrika Selatan (Tsemrekal
,2013).
 Jurnal Penelitian Pendidikan Eropa- 42
SRL yang diukur dengan MSLQ telah banyak digunakan di negara-negara tersebut untuk
membuat pelajar mandiri. Kapasitas SRL sangat penting bagi siswa untuk mengintervensi
pembelajaran mereka agar mereka menjadi pembelajar mandiri (Kosnin, 2007). Peserta didik ini
mampu menerapkan strategi pembelajaran kognitif dalam tugas-tugas akademik (Vrieling et al.,
2012) dan mampu mengatur pembelajaran untuk meningkatkan hasil belajar (Steffens, 2006).
Kosnin (2007) menegaskan bahwa penelitian yang menyelidiki SRL dalam hubungannya dengan
prestasi siswa secara umum mengungkapkan korelasi positif antara kedua bidang studi dan tingkat
pendidikan. Juga, penelitian secara konsisten mengungkapkan bahwa SRL secara positif
mempengaruhi prestasi siswa selama bertahun-tahun (Cleary & Platten, 2013; Zumbrunn et al.,
2011).
Namun, SRL belum diselidiki secara komprehensif (Tsemrekal, 2013), terutama sedikit yang
diketahui dalam literatur tentang SRL dalam konteks Indonesia, terutama berfokus pada orientasi
motivasi siswa dalam kaitannya dengan, dan prediktor, strategi belajar siswa.
Oleh karena itu, artikel ini mengkaji motivasi belajar siswa (terdiri dari komponen nilai, harapan,
dan afektif) dalam kaitannya dengan, dan prediktor, strategi belajar siswa di sekolah-sekolah
Lampung, Indonesia. Tujuan ini dijawab dengan pertanyaan penelitian di bawah ini.
Pertanyaan Penelitian dari Artikel ini
Tiga pertanyaan penelitian diajukan untuk membantu mencapai tujuan artikel ini:
(1) Apa hubungan antara motivasi siswa (nilai, harapan, komponen afektif) dan strategi
pembelajaran?

(2) Apakah motivasi belajar siswa dapat memprediksi strategi pembelajaran secara signifikan?

(3) Prediktor mana yang paling baik memprediksi strategi pembelajaran?

Pertanyaan penelitian seperti itu penting untuk memandu para peneliti untuk berada di jalur dalam
proses penelitian untuk menyelidiki masalah penelitian.
Metodologi
Desain Penelitian, Populasi dan Sampel
Artikel ini menggunakan desain penelitian kuantitatif berdasarkan kuesioner survei (MSLQ) untuk
menjawab pertanyaan penelitian.
Wilayah pasal ini berpenduduk 160.100 siswa yang tersebar di 691 SMP di Provinsi Lampung.
Seperti dalam sistem sekolah Thailand, siswa Indonesia membutuhkan waktu tiga tahun untuk
lulus tingkat sekolah ini, setelah enam tahun sekolah dasar (Nownaisin et al., 2020). Sampel
sebanyak 500 siswa dipilih secara acak dari 50 sekolah di lima kabupaten dari 15 kabupaten di
provinsi (Dirjendikdasmen, 2017), menggunakan multistage random sampling dengan tiga tahap:
tingkat provinsi, tingkat kabupaten, dan tingkat sekolah. Pada tahap pertama, lima kabupaten
(Metro, Bandar Lampung, Pesawaran, Pringsewu, dan Lampung Timur) dipilih dari 15 kabupaten
di Provinsi Lampung. Pada tahap kedua, 50 sekolah dipilih dari lima kabupaten (10 sekolah dari
setiap kabupaten). Pada tahap terakhir, 500 siswa dipilih dari sekolah terpilih. Para pelajar ini
berasal dari berbagai suku bangsa di Indonesia, sebagian besar keturunan Jawa dan keturunan
Sumatera. Respons lengkap diperoleh dari 408 peserta (tingkat respons 81,60%). Jumlah sampel
ini dianggap cukup untuk memprediksi strategi pembelajaran bagi populasi (Smith, 2013;
Taherdoost, 2017).

Deskripsi Peserta
Penulis mensurvei demografi peserta seperti jenis kelamin, latar belakang etnis, dan lokasi
sekolah. Berikut ini adalah statistik deskriptifnya (Tabel 1).

Tabel 1. Karakteristik demografi peserta (n = 408)

 Jurnal Penelitian Pendidikan Eropa- 43
Frekuensi % dari Total

Karakteristik

Seks
Perempuan 277 67.89
Pria 131 32.11
Suku 279
Jawa 68.38
bahasa Lampung 81 19.85
bahasa sunda 21 5.15
Yang lain 27 6.62
Lokasi Sekolah
perko 259 63.48
taan
Pedes 149 36.52
aan
Total 408 100.00
 Jurnal Penelitian Pendidikan Eropa- 44
Tabel 1 menunjukkan jumlah peserta sebanyak 408 siswa yang terdiri dari 277 perempuan (32%) dan
131 laki-laki (32%), dengan jumlah siswa Jawa menjadi 279 (68%) sebagai mayoritas, diikuti oleh
Lampung. siswa (81 atau 20%), dan siswa Sunda (21 atau 5%), dan sisanya dari suku lain (27 atau
7%). Sebagian besar siswa (259 atau 63%) bersekolah di sekolah perkotaan (di kota atau ibu kota
kabupaten) dan sisanya (149 atau 37%) bersekolah di pedesaan.

Hasil ini menunjukkan bahwa siswa di SMP negeri di Provinsi Lampung didominasi oleh siswa
perempuan, dan siswa tersebut sebagian besar adalah orang Jawa dengan persentase di atas 50% dari
total 408 siswa, sedangkan siswa Lampung menempati urutan kedua, hanya menempati 20 siswa. %.
Para peserta kebanyakan bersekolah di kota-kota dan di ibukota kabupaten.

Instrumen dan Prosedur Penelitian

Dalam pengumpulan data, artikel ini menggunakan kuesioner demografi yang dirancang sendiri dan
MSLQ yang dikembangkan oleh Pintrich et al., (1991, 1993). Yang terakhir telah berada di domain
publik sehingga izin untuk menggunakan instrumen tidak diperlukan (Pintrich et al., 1991); Belanda
et al., 2018). Kuesioner Demografi dikembangkan sendiri dan digunakan untuk menggambarkan
demografi peserta: jenis kelamin atau jenis kelamin, latar belakang etnis, dan lokasi sekolah.
Dalam artikel ini, MSLQ digunakan untuk mengukur SRL siswa, khususnya nilai, harapan, dan
komponen afektif dalam kaitannya dengan, dan digunakan sebagai prediktor, strategi pembelajaran.
Para peserta merespons menggunakan peringkat tujuh poin mulai dari "dari"tidak semua benar dari
saya ke sangat benar dari saya” (Zimmerman, 2008, hal. 168).
Untuk artikel ini, MSLQ diterjemahkan ke Bahasa Indonesia dari Bahasa Inggris dan sebaliknya oleh
dua ahli independen dari Indonesia. Cara penerjemahan ini seperti yang dilakukan oleh peneliti lain
(misalnya Hariri, Monypenny, & Prideaux, 2012, 2014, 2016).

Validitas dan Keandalan

Studi menunjukkan bahwa MSLQ yang banyak digunakan dalam berbagai bahasa di seluruh dunia
telah mengkonfirmasi validitas dan reliabilitasnya. Ini dapat disesuaikan untuk berbagai tujuan
(misalnya, peneliti, siswa, dan pendidik) (Garcia & McKeachie, 2005; Garrido-Vargas, 2012). Secara
khusus, Garrido-Vargas (2012) menegaskan bahwa studi selama tahap perkembangan MSLQ telah
menghasilkan validitas dan reliabilitas yang memadai dari kuesioner (Pintrich & De Groot, 1990),
termasuk konfirmasi validitas konvergen dan diskriminatif untuk konstruknya ( Zimmerman dan
Martinez-Pons, 1988).
Pintrich dkk. (1991) melaporkan keandalan yang dapat diterima mulai dari 0,52 hingga 0,93. Garrido-
Vargas (2012) menambahkan fakta bahwa MSLQ cukup reliabel dengan nilai Cronbach's alpha
sebesar 0,95 untuk angket ini, 0,91 untuk skala motivasi, dan 0,88 untuk skala strategi pembelajaran,
dan instrumen tersebut juga ditemukan memiliki kualitas yang baik. dan reliabilitas internal yang
memadai dengan nilai alpha Cronbach antara 0,52 dan 0,93 (White et al., 2012). Untuk sampel artikel
ini (N=50), MSLQ memiliki reliabilitas yang dapat diterima dengan nilai Cronbach's alpha 0,84 untuk
instrumen ini, 0,79 untuk skala motivasi, 0,79 untuk skala strategi pembelajaran, 0,85 untuk subskala
komponen nilai, 0,81 untuk komponen nilai. subskala komponen harapan, 0,91 untuk subskala
komponen afektif, 0.
Skor
Untuk penskoran dalam artikel ini, skor skala MSLQ adalah rata-rata, diperoleh dari skor empat item
yang dijumlahkan kemudian dibagi dengan jumlah item skala untuk membuat skor rata-rata. Item
dengan kata-kata negatif pertama-tama dibalik sebelum menghitung skor individu (Pintrich et al.,
1991).

Analisis data
MLQ mengukur SRL siswa dalam hal nilai, harapan, komponen afektif, dan strategi pembelajaran.
Artikel ini menggunakan statistik deskriptif khususnya untuk menggambarkan partisipan dan
variabel, dan data dianalisis dengan regresi linier.

Analisis Deskriptif
Analisis deskriptif ini menyajikan data yang diperoleh dari proyek penelitian yang dilakukan di
 Jurnal Penelitian Pendidikan Eropa- 45
sekolah menengah pertama negeri di lima dari lima belas kabupaten di Provinsi Lampung, Indonesia.
Kelima kabupaten tersebut adalah Metro, Bandar Lampung, Pesawaran, Pringsewu, dan Lampung
Timur. Proyek penelitian dari mana data diperoleh dilakukan antara 16 Agustus dan 16 Oktober 2018.
MSLQ serta kuesioner demografi ditujukan kepada 500 siswa, tetapi 408 siswa menyelesaikan
kuesioner (tingkat respons 81,60%).

Partisipasi mereka disarankan untuk sukarela, item ditanggapi dengan jujur, dan tanggapan
dirahasiakan. Ke-81 pertanyaan tersebut ditujukan kepada siswa dan mereka diminta untuk menjawab
dengan memberikan tanda X pada setiap nomor pertanyaan yang dianggap paling dekat dengan
perasaan mereka terhadap motivasi dan strategi belajar mereka.

Deskripsi Variabel
Empat variabel (nilai, harapan, komponen afektif) dan strategi pembelajaran digunakan dalam artikel
ini. Data dikumpulkan menggunakan MSLQ dan dianalisis menggunakan SPSS pada skala peringkat
Likert tujuh poin. Statistik deskriptif dalam artikel ini digunakan untuk mendeskripsikan atribut-
atribut variabel seperti yang ditunjukkan pada Tabel 2.

Tabel 2. Statistik Deskriptif Variabel Persepsi Siswa (n = 408)

Variabel Berarti Std. Dev. Kurtosis
Kecondongan

Statistik Statistik Statisti Std. Statisti Std.

k Kesalahan k Kesalahan
Komponen nilai 5,75 0,64 - 0,80 0.12 0,94 0.24
Komponen harapan 5.55 0,66 - 0,41 0.12 - 0,03 0.24
Komponen afektif 4.28 1.16 - 0.17 0.12 - 0,56 0.24
Belajar strategi 4.86 0,57 - 0,30 0.12 0.17 0.24

Tabel 2 mencantumkan ukuran khususnya mean, standar deviasi, skewness, dan kurtosis yang
digunakan sebagai dasar untuk menginterpretasikan hasil. Skewness dan kurtosis digunakan untuk
menguji distribusi normal data. Dalam hal ini, analisis data menghasilkan nilai skewness berkisar
antara -0,80 hingga -0,17, sedangkan kurtosis berkisar antara -0,56 hingga 0,94.
Asumsi Umum
Hasil dan pembahasan didahului oleh asumsi umum untuk data parametrik dan asumsi untuk regresi
berganda. Asumsi umum parametrik diperiksa sebelum menjalankan analisis statistik untuk
memastikan hasil yang akurat. Asumsi-asumsi ini meliputi pengambilan sampel acak, pengukuran
kontinu (tingkat interval atau rasio), normalitas, homogenitas varians, dan independensi pengamatan
(Field, 2009).
Semua asumsi ini dikonfirmasi. Langkah-langkah berkelanjutan dipenuhi dengan mengubah skala data
dari kualitatif menjadi variabel kontinu mengikuti metode yang disarankan oleh penulis MSLQ
(Pintrich et al., 1991). Random sampling terpenuhi pada langkah tahap desain penelitian. Normalitas
data dikonfirmasi menggunakan kurtosis dan skewness dengan nilai berkisar antara +2 dan -2 (Garson,
2010). Pengamatan independen dikonfirmasi, pengamatan lain tidak mempengaruhi pengamatan
tersebut (Pallant, 2007). Homogenitas varians dinilai menggunakan uji Levene yang mengungkapkan
bahwa varians sama untuk peserta, F (31, 371) 0,05, NS, untuk semua variabel, menunjukkan
homogenitas varians. Setelah memenuhi asumsi umum, selanjutnya data dianalisis dengan
menggunakan regresi berganda.
Hasil

Regresi Berganda
Regresi berganda dilakukan untuk analisis data guna menjawab pertanyaan penelitian. Analisis ini
didahului dengan memeriksa asumsi-asumsinya sebagai bagian dari interpretasi output dari regresi
berganda seperti yang telah diuraikan sebelumnya pada bagian Analisis Data. Kemudian, hasil dan
diskusi disajikan dalam menanggapi pertanyaan penelitian.
Regresi berganda standar digunakan untuk analisis data artikel ini. Asumsi tersebut meliputi
 multikolinearitas, linieritas dan homoskedastisitas, normalitas
Jurnalresidual,
Penelitiandan Eropa- 46
independensi
Pendidikan residual.
(1) Multikolinearitas. Asumsi ini diperiksa dengan menggunakan hubungan dari empat variabel
(lihat Tabel 3).

Tabel 3. Hubungan Variabel

Variabel 1 2 3 4
Pearson 1 Belajar strategi 1.00
Korelasi 2 Komponen nilai 0,67 1.00 1.00
3 Komponen harapan 0,61 0.73
4 Komponen afektif 0,22 0,08 0.12 1.00
Tanda tangan. (1-ekor) 1 Belajar strategi 0,000 0,000 0,000
2 Komponen nilai 0,000 0,000 0,045
3 Komponen harapan 0,000 0,000 0,009
4 Komponen afektif 0,000 0,045 0,009
 Jurnal Penelitian Pendidikan Eropa- 47
Tabel 3 menunjukkan hubungan antara variabel prediktor dengan besaran individu kurang dari 0,80
seperti yang diperlukan untuk variabel yang akan dipertahankan (Pallant, 2007).
(2) Homoskedastisitas dan linearitas. *ZRESID terhadap *ZPRED diplot menggunakan SPSS
yang menghasilkan konfirmasi dari dua asumsi (Field (2005). Pada artikel ini, plot menghasilkan
grafik yang ditunjukkan pada Gambar 1.

Gambar 1 Scatterplot residu

Gambar 1 menampilkan residual yang tersebar secara acak, diperlakukan sebagai homoskedastis.
Kondisi ini menunjukkan bukti bahwa asumsi homoskedastisitas dan linearitas dikonfirmasi (Field,
2005), dan cara memeriksa asumsi tersebut juga digunakan oleh Hariri et al. (2016).
(3) Normalitas sisa. Asumsi ini berlaku untuk variabel dependen (strategi pembelajaran) diuji
menggunakan histogram seperti yang ditunjukkan pada Gambar 2.

Gambar 2 Histogram dari residual standar strategi pembelajaran

Gambar 2 menampilkan histogram simetris, menunjukkan residual yang terdistribusi normal (Field,
2005).
(4) Sisa kemandirian. Semua nilai variabel hasil dalam artikel ini diasumsikan independen karena
penggunaan data cross-sectional (Field, 2005).
Semua asumsi regresi berganda untuk data untuk artikel ini dipenuhi untuk memastikan kesesuaian
antara model yang dihasilkan dari analisis dan data. Dengan demikian, analisis data dilanjutkan
dengan menjawab pertanyaan penelitian menggunakan analisis regresi berganda.

Hasil RQ1
RQ 1 adalah: Apa hubungan antara motivasi siswa (nilai, harapan, komponen afektif) dan strategi
pembelajaran?
 Jurnal Penelitian Pendidikan Eropa- 48
RQ1 ini dianalisis ketika multikolinearitas diperiksa seperti yang ditunjukkan pada Tabel 3. Tabel
3 menunjukkan bahwa, secara umum, ada hubungan positif dan signifikan antara motivasi siswa
(nilai, harapan, komponen afektif) dan strategi pembelajaran (p < 0,0001). Secara spesifik,
hubungan yang paling kuat antara komponen nilai dan komponen harapan (r
= 0,73), diikuti hubungan antara komponen nilai dan strategi pembelajaran (r = 0,67), kemudian
hubungan antara komponen harapan dan strategi pembelajaran (r = 0,61). Hubungan yang lemah
antara komponen afektif dan strategi pembelajaran (r = 0,22), diikuti oleh hubungan yang lebih
lemah antara komponen afektif dan komponen harapan (r = 0,12), dan hubungan paling lemah antara
komponen afektif dan komponen nilai (r = 0,08).

Hasil RQ2 dan RQ3

RQ 2 adalah: Dapatkah motivasi siswa (nilai, harapan, dan komponen afektif) secara signifikan
memprediksi strategi belajar siswa?
RQ 3 adalah: Prediktor mana yang paling baik memprediksi strategi pembelajaran?

Kedua pertanyaan ini dijawab dengan menggunakan analisis regresi berganda standar. Komponen
nilai, harapan, dan afektif adalah himpunan variabel independen (prediktor). Strategi pembelajaran
merupakan variabel terikat. Analisis regresi berganda digunakan dan menghasilkan variabel
prediktor signifikan dari strategi pembelajaran (α = 0,05).

Tabel 4. Koefisien dengan tiga variabel prediktor

Koeff Unstd. Std Coeff. 95% Keyakinan Hubungan Kol. Statistik
Model T

B SE β Tanda tangan. UB ZO Bagian Tol. VIF

LB Sebagian
 Jurnal Penelitian Pendidikan Eropa- 49

1 (Konstan) 0,899 0197 4,566 0,000 0,51 1,286

2
Nilai 0,433 0,046 0,485 9,441 0,000 0,524 0,670 0,425 0,331 0,466 2.146
0,343
Harapan 0,204 0,045 0.236 4,587 0,000 0,292 0,609 0,222 0,161 0,463 2.160
0,117
Afektif 0,077 0,017 0,156 4,422 0,000 0.111 0.225 0.215 0,155 0,986 1.014
0,043
Variabel terikat: Strategi pembelajaran
Seperti terlihat pada Tabel 4, analisis regresi menghasilkan tiga prediktor signifikan (komponen
afektif, komponen nilai, dan komponen harapan) strategi pembelajaran (α = 0,05), dengan total
kontribusi 50% seperti yang ditunjukkan pada Tabel 5.

A.Prediktor: (Konstanta), Nilai, Harapan, dan Afektif

B. Variabel Dependen: Strategi Pembelajaran

Pertanyaan penelitiannya adalah: Dapatkah motivasi siswa (nilai, harapan, dan komponen afektif)
secara signifikan memprediksi strategi belajar siswa? Manakah yang paling baik memprediksi
strategi pembelajaran? Kotak keluaran SPSS berlabel koefisien memberikan jawaban atas
pertanyaan-pertanyaan ini (lihat Tabel 4). Nilai adalah koefisien standar yang digunakan untuk
melihat perbedaan antar variabel. Sedangkan nilai B merupakan koefisien tidak baku yang digunakan
untuk membuat persamaan regresi (Pallant, 2007).
Ketika nilai lebih besar, kontribusi prediktor terhadap strategi pembelajaran akan lebih kuat. Analisis
regresi menghasilkan nilai sebesar 0,485 sebagai koefisien terbesar yang diperoleh komponen nilai,
diikuti oleh komponen harapan dengan nilai sebesar 0,236, dan komponen afektif dengan nilai
sebesar 0,156. Ketiga prediktor ini secara signifikan memberikan kontribusi untuk memprediksi
strategi pembelajaran (α = 0,05).

Diskusi
Pembahasan Hasil RQ1
Analisis data menjawab pertanyaan penelitian pertama menggunakan Pearson Correlation
mengungkapkan hubungan positif dan signifikan antara faktor motivasi siswa (nilai, harapan,
komponen afektif) dan strategi pembelajaran. Hasil ini menunjukkan bahwa semua elemen yang
membentuk motivasi siswa perlu diperhatikan dalam proses belajar mengajar. Misalnya, guru perlu
mengetahui karakteristik individu siswa dalam hal motivasi intrinsik dan ekstrinsik mereka, nilai
tugas yang diberikan kepada mereka. Pembelajaran yang dirasakan siswa berharga akan membuat
motivasinya muncul dan meningkat ketika siswa merasa bahwa apa yang dipelajarinya berharga
(Ginsberg & Wlodkowski, 2019). Juga, hasilnya menyoroti efikasi diri belajar, khususnya pelajar
dengan kecemasan tinggi (Roick & Ringeisen, 2017). Ini adalah bukti bahwa strategi pembelajaran,
kecemasan nilai tugas, dan self-efficacy berkorelasi seperti yang dicatat oleh Chou (2019). Secara
khusus, siswa dengan kecemasan tinggi perlu diperhatikan karena kecemasan dapat mempengaruhi
pembelajaran mereka secara negatif (Oplaz, 2019).
Hasil ini juga sejalan dengan apa yang diungkapkan Adesola dan Li (2018) bahwa efikasi diri
memiliki hubungan yang tinggi dengan strategi kognitif dan regulasi diri. Kecemasan dan hasil
belajar sangat berkorelasi. Pengaturan diri sangat berkorelasi dengan strategi kognitif. Dalam
mencapai tujuan belajarnya, siswa yang menunjukkan self-regulation tinggi menerapkan strategi self-
efficacy dan kognitif.
Hubungan positif dan signifikan antara skala motivasi dan strategi pembelajaran menunjukkan
indikasi yang baik seperti Pintrich (2004) menekankan bahwa peserta didik memiliki kemampuan
mengatur kognisi, pengaruh dan motivasi mereka.
 Jurnal Penelitian Pendidikan Eropa- 50

Pembahasan Hasil RQ2 dan RQ3

Mengenai RQ2, temuan menunjukkan bahwa motivasi (nilai, harapan, dan komponen afektif) dapat
secara signifikan memprediksi strategi belajar siswa.
Temuan ini menambah pemahaman kita bahwa secara umum strategi belajar siswa merupakan aspek
penting yang di pengaruhi oleh motivasi, sehingga menyebabkan siswa menjadi pembelajar yang
teregulasi. Temuan ini juga menegaskan bahwa strategi pembelajaran perlu mendukung proses
pembelajaran (Järvelä & Järvenoja, 2011; Zimmerman, 2008), meningkatkan keterampilan belajar dan
kebiasaan belajar (Wolters, 2011), dan dengan demikian meningkatkan hasil dan kinerja akademik
(Harris, Friedlander, Saddler, Frizzelle, & Graham, 2005), prestasi akademik siswa (misalnya, Cleary
& Platten, 2013; Zumbrunn et al., 2011), dan keterampilan berpikir (Tohir et al., 2020).
Mengenai RQ3, temuan menunjukkan bahwa komponen nilai paling baik memprediksi strategi
pembelajaran. Temuan ini menunjukkan bahwa:

1) Ketiga variabel prediktor (nilai, harapan, dan komponen afektif) secara signifikan dapat
memprediksi strategi pembelajaran.
2) Komponen nilai paling baik memprediksi strategi pembelajaran.
3) Ketiga prediktor bersama-sama menjelaskan 50% varians dalam strategi pembelajaran
siswa (lihat Tabel 5), menunjukkan model ini tidak menjelaskan 50% lainnya.
Model ini memperoleh signifikansi statistik p < 0,0001. Nilai R² yang disesuaikan adalah 0,500,
hampir sama dengan nilai R² 0,504 (penurunan yang sangat kecil hanya 0,4%). Oleh karena itu, model
ini dapat dikatakan sebagai model yang sangat baik untuk memprediksi strategi belajar siswa (Field,
2005, p. 188).
Temuan ketiga pertanyaan artikel ini sedikit diketahui dalam literatur tentang SRL meskipun peneliti
telah banyak melakukan penelitian tentang SRL. Dengan demikian, temuan ini sebagian telah menutup
kesenjangan ini. Temuan ini signifikan karena SRL, khususnya mengenai orientasi motivasi dan
strategi belajar siswa, berpengaruh positif dan signifikan terhadap prestasi akademik mereka (Cleary
& Platten, 2013; Zumbrunn et al., 2011).
Temuan signifikan dari artikel ini mendukung temuan sebelumnya yang menunjukkan bahwa kapasitas
SRL sangat penting bagi siswa untuk campur tangan dalam pembelajaran mereka (Kosnin, 2007, hlm.
221). Pembelajar ini mampu menerapkan strategi pembelajaran kognitif dalam tugas-tugas akademik
(Vrieling et al., 2012) dan pandai mengatur pembelajaran untuk meningkatkan hasil belajar mereka
(Steffens, 2006). Juga, penting untuk digarisbawahi bahwa peningkatan penggunaan strategi
pembelajaran diikuti oleh peningkatan tingkat hasil akademik (Oflaz, 2019), dan ini adalah bukti
bahwa SRL mengarah pada hasil akademik yang positif (Kayacan & Sonmez Ektem, 2019).
Kesimpulan
Temuan artikel ini menunjukkan, pertama, hubungan positif dan signifikan antara faktor motivasi
(nilai, harapan, afektif) dan strategi pembelajaran. Kedua, temuan menunjukkan bahwa ketiga variabel
motivasi prediktor dapat secara signifikan memprediksi strategi belajar siswa. Ketiga, variabel
komponen nilai paling baik memprediksi strategi pembelajaran. Singkatnya, temuan ini menunjukkan
bahwa, ketika guru menerapkan strategi pembelajaran, variabel seperti nilai, harapan, dan komponen
afektif harus dipertimbangkan dengan kuat.
Secara teoritis, temuan artikel ini akan memperluas pengetahuan dan berkontribusi pada peningkatan
pemahaman tentang SRL dalam hal motivasi dan strategi pembelajaran dalam konteks sekolah di
Indonesia.

Saran
Bagi guru, temuan dapat dijadikan dasar untuk diterapkan dalam kegiatannya untuk memfasilitasi
siswa agar mampu menjadi pembelajar yang mandiri. Bagi kepala sekolah, temuan ini dapat digunakan
 Jurnal Penelitian Pendidikan Eropa- 51

sebagai masukan untuk merencanakan program pelatihan bagi guru untuk membantu guru memiliki
kapasitas memfasilitasi siswa untuk menjadi baik secara motivasi, metakognitif, dan perilaku dalam
proses belajar.
Dinas Pendidikan, khususnya di Provinsi Lampung, dapat menggunakan untuk menetapkan kebijakan
berdasarkan temuan artikel ini untuk membantu kepala sekolah serta guru untuk menerapkan proses
belajar mengajar dengan cara yang memfasilitasi anak sekolah untuk mengatur pembelajaran mereka
sendiri secara efektif.
Bagi peneliti selanjutnya, hasil dari artikel ini memberikan kesempatan untuk mempelajari perasaan
siswa pada pembelajaran mereka dengan memasukkan metode kualitatif menggunakan wawancara
mendalam untuk memahami secara mendalam perasaan siswa dari proses belajar mereka yang tidak
dapat dieksplorasi dalam artikel ini.

Ucapan Terima Kasih

Penulis secara khusus akan berterima kasih kepada PR Pintrich, DAF Smith, T. Garcia, dan WJ
McKeachie karena telah menjadikan MSLQ domain publik. Ucapan terima kasih juga penulis
sampaikan kepada Rektor Universitas Lampung yang telah mendukung secara finansial pekerjaan ini.

Referensi
Adesola, SA, & Li, Y. (2018). Hubungan antara regulasi diri, efikasi diri, kecemasan ujian dan
motivasi.
Jurnal Internasional Teknologi Informasi dan Pendidikan, 8(10), 759-763.
Banisaeid, M., & Huang, J. (2015). Peran motivasi dalam self-regulated learning dan strategi belajar
bahasa. Di dalam
kasus pelajar EFL Cina. Jurnal Internasional Linguistik Terapan dan Sastra Inggris, 4(5), 36-43.
Cazan, A.-M. (2013). Mengajarkan strategi belajar mandiri untuk mahasiswa psikologi.Procedia-
Sosial dan Perilaku
Sains, 78, 743-747.
Chang, ASC, & Smith, ID (1998, 3-5 Desember). Pembelajaran mandiri siswa Singapura [Presentasi
makalah].
Konferensi Asosiasi Riset Pendidikan 1998, Singapura.
Chou, M.-H. (2019). Memprediksi self-efficacy dalam persiapan tes: Gender, nilai, kecemasan, kinerja
tes, dan strategi.
Jurnal Penelitian Pendidikan, 112(1), 61-71.
Cleary, TJ, & Platten, P. (2013). Meneliti korespondensi antara pembelajaran mandiri dan akademik
prestasi: Sebuah analisis studi kasus.Penelitian Pendidikan Internasional, 2013, 1-18.
https://doi.org/10.1155/2013/272560
Corno, L., & Mandinach, EB (1983). Peran keterlibatan kognitif dalam pembelajaran di kelas dan
motivasi.
Psikolog Pendidikan, 18(2), 88-108.
Credé, M., & Phillips, LA (2011). Sebuah tinjauan meta-analitik dari Strategi Termotivasi untuk
Belajar Kuesioner.
Pembelajaran dan Perbedaan Individu, 21(4), 337-346.
de Bruin, AB, Thiede, KW, Camp, G., & Redford, J. (2011). Menghasilkan kata kunci meningkatkan
pemahaman meta dan
regulasi diri pada anak SD dan SMP. Jurnal Psikologi Anak Eksperimental, 109(3), 294- 310.

Dignath, C., Buettner, G., & Langfeldt, H.-P. (2008). Bagaimana siswa sekolah dasar dapat belajar
belajar mandiri?
strategi yang paling efektif? Sebuah meta-analisis pada program pelatihan pengaturan diri.Ulasan
Penelitian Pendidikan, 3
 Jurnal Penelitian Pendidikan Eropa- 52

(2), 101-129.
Dirjendikdasmen. (2017).Data pokok pendidikan dasar dan menengah [Data utama pendidikan dasar
dan menengah].
Direktorat Jenderal Pendidikan Dasar dan Menengah, Kementerian Pendidikan dan Kebudayaan
[Direktorat Jenderal Pendidikan Dasar dan Menengah, Kementerian Pendidikan dan Kebudayaan].
http:// dapo.dikdasmen.kemdikbud.go.id/sp/1/120000.
Garcia, TD, & McKeachie, WJ (2005). Pembuatan angket motivasi pembelajaran.pendidikan
Psikolog, 40(2), 117-128.
Garrido-Vargas, M. (2012). Hubungan self-regulated learning dan prestasi akademik antara bahasa
Inggris pelajar [Disertasi doktor tidak diterbitkan]. Universitas Arizona.
Ginsberg, MB, & Wlodkowski, RJ (2019). Motivasi intrinsik sebagai dasar untuk respon sosial budaya
pembelajaran emosional dan akademik dalam pendidikan guru. Triwulanan Pendidikan Guru, 46(4),
53-66.
Hardy, DL (2013). Strategi Pembelajaran dan Pola Motivasi, yang Diukur dengan Strategi Motivasi
Belajar Kuesioner, Di Antara Siswa yang Mengejar Keperawatan dan Karir Kesehatan Sekutu
[Disertasi Doktor tidak diterbitkan]. Universitas Akron.
Hariri, H., Haenilah, EY, Rini, R., & Karwan, DH (2018, 13 – 14 November). pengaruh motivasi
intrinsik dan ekstrinsik siswa terhadap efikasi diri siswa: Studi pada SMPN di Provinsi Lampung
[Pengaruh motivasi intrinsik dan ekstrinsik siswa terhadap efikasi diri siswa: Belajar di SMP Negeri
di Provinsi Lampung] [Paper Presentation]. Diseminasi Hasil Penelitian dalam Mendukung
Pembangunan Berkelanjutan, Lampung, Indonesia.
Hariri, H., Monypenny, R., & Prideaux, M. (2012). Kepresidenan dalam konteks sekolah Indonesia:
Dapatkah keputusan kepala sekolah- membuat gaya secara signifikan memprediksi kepuasan kerja
guru? Kepemimpinan & Manajemen Sekolah, 32(5), 453-471.
Hariri, H., Monypenny, R., & Prideaux, M. (2014). Gaya kepemimpinan dan gaya pengambilan
keputusan di sekolah Indonesia
konteks. Kepemimpinan & Manajemen Sekolah, 34(3), 284-298.
Hariri, H., Monypenny, R., & Prideaux, M. (2016). Gaya kepemimpinan kepala sekolah yang
dirasakan guru, gaya pengambilan keputusan
dan kepuasan kerja: seberapa kongruen data dari Indonesia dengan literatur Anglophile dan Barat?
Kepemimpinan & Manajemen Sekolah, 36(1), 41-62
Harris, KR, Friedlander, BD, Saddler, B., Frizzelle, R., & Graham, S. (2005). Pemantauan diri atas
perhatian versus pemantauan diri pemantauan efek kinerja akademik di antara siswa dengan ADHD
di kelas pendidikan umum. Jurnal Pendidikan Khusus, 39(3), 145-157.
Holland, DF, Kraha, A., Zientek, LR, Nimon, K., Fulmore, JA, Johnson, UY, Ponce, HF, Aguilar,
MG, & Henson, RK (2018). Keandalan generalisasi strategi termotivasi untuk belajar kuesioner:
pandangan meta-analitik perkiraan keandalan.SAGE Buka, 8(3), 1-28.
Järvelä, S., & Järvenoja, H. (2011). Pembelajaran mandiri yang dibangun secara sosial dan regulasi
motivasi dalam
kelompok belajar kolaboratif. Rekor Perguruan Tinggi Guru, 113(2), 350-374.
Jo, I.-H., Park, Y., Yoon, M., & Sung, H. (2016). Evaluasi variabel log online yang memperkirakan
waktu pelajar manajemen dalam konteks pembelajaran online Korea. Tinjauan Internasional
Penelitian dalam Pembelajaran Terbuka dan Terdistribusi, 17(1), 195-213.
Kadhiravan, S., & Suresh, V. (2008). Perilaku mengatur diri sendiri di tempat kerja.Jurnal Akademi
Terapan India Psikologi, 34 (Edisi Khusus), 126-131.
Kayacan, K., & Sonmez Ektem, I. (2019). Efek dari praktek laboratorium biologi didukung dengan
self-regulated strategi pembelajaran pada kesiapan belajar mandiri siswa dan sikapnya terhadap
eksperimen sains.Jurnal Penelitian Pendidikan Eropa, 8(1), 313-299.
Kosnin, AM (2007). Pembelajaran mandiri dan prestasi akademik pada mahasiswa sarjana
Malaysia.Internasional Jurnal Pendidikan, 8(1), 221-228.
 Jurnal Penelitian Pendidikan Eropa- 53

Montalvo, FT, & Torres, MCG (2004). Pembelajaran mandiri: Arah saat ini dan masa depan.Jurnal
Elektronik
Penelitian dalam Psikologi Pendidikan, 2(1), 1-34.
Neville, VM, & Bennett, S. (2004). Menggunakan pembelajaran mandiri untuk mengelola
ketidaknyamanan menjadi fasih dengan teknologi Informasi. Fakultas Teknik dan Ilmu Informasi -
Makalah: Bagian A.4743. Universitas Wollongong.
https://ro.uow.edu.au/cgi/viewcontent.cgi?article=5770&context=eipapers.
Ng, B., Wang, CJ, & Liu, WC (2017). Pembelajaran mandiri dalam konteks Singapura: pendekatan
kongenerik dari
analisis faktor konfirmasi. Jurnal Internasional Penelitian & Metode dalam Pendidikan, 40(1), 91-
107.
Nownaisin, P., Koul, R., Chomsuwan, K., Poondej, C., & Lerdpornkulrat, T. (2020).
Menghubungkan hubungan sosial dengan
tujuan motivasi dan aspirasi sarjana siswa kejuruan. Jurnal Penelitian Pendidikan Eropa, 9(4), 1581-
1589.

Oflaz, A. (2019). Pengaruh kecemasan, rasa malu dan strategi pembelajaran bahasa pada
keterampilan berbicara dan akademik
pencapaian. Jurnal Penelitian Pendidikan Eropa, 8(4), 999-1011.
Ozan, C., Gundogdu, K., Bay, E., & Celkan, HY (2012). Sebuah studi tentang pembelajaran mandiri
mahasiswa keterampilan strategi dan persepsi self-efficacy dalam hal variabel yang berbeda. Ilmu
Procedia-Sosial dan Perilaku, 46, 1806-1811.
Pintrich, PR (2000). Peran orientasi tujuan dalam pembelajaran mandiri. Dalam PRPM Boekaerts, &
M. Zeidner (Eds.),
Buku pegangan pengaturan diri. Pers Akademik.
Pintrich, PR (2004). Kerangka konseptual untuk menilai motivasi dan pembelajaran mandiri pada
mahasiswa.
Ulasan psikologi pendidikan, 16(4), 385-407.
Pintrich, PR, & De Groot, EV (1990). Komponen pembelajaran yang memotivasi dan mandiri dari
akademik kelas pertunjukan. Jurnal psikologi pendidikan, 82(1), 33–40.
Pintrich, PR, Smith, DAF, Garcia, TD, & McKeachie, WJ (1991). Sebuah manual untuk penggunaan
Strategi Termotivasi untuk Kuesioner Pembelajaran (MSLQ). University of Michigan, Pusat
Penelitian Nasional untuk Meningkatkan Pengajaran dan Pembelajaran Postsecondary.
https://eric.ed.gov/?id=ED338122.
Pintrich, PR, Smith, DAF, Garcia, TD, & McKeachie, WJ (1993). Keandalan dan validitas prediktif
dari Motivated
Strategi untuk Learning Questionnaire (MSLQ). Pengukuran Pendidikan dan Psikologis, 53(3), 801-
813.
Roick, J., & Ringeisen, T. (2017). Self-efficacy, kecemasan tes, dan keberhasilan akademis: Sebuah
validasi longitudinal.Internasional
Jurnal Penelitian Pendidikan, 83(1), 84-93.
Saks, K., Leijen, ., Edovald, T., & un, K. (2015). Adaptasi lintas budaya dan sifat psikometrik orang
Estonia versi MSLQ. Procedia-Sosial dan Ilmu Perilaku, 191, 597-604.
Schunk, DH (2005). Komentar tentang pengaturan diri dalam konteks sekolah.Pembelajaran dan
Instruksi, 15(2), 173-177.
en, ., Yilmaz, A., & Yurdugul, H. (2014). Evaluasi Pola Motivasi Belajar Siswa
Strategi dan Keyakinan Epistemologisnya: Peran Mediator Motivasi. Pendidikan Sains
Internasional, 24(3), 312-331.
Smith, S. (2013). Menentukan ukuran sampel: Bagaimana memastikan Anda mendapatkan ukuran
sampel yang benar?e. kualitas.
 Jurnal Penelitian Pendidikan Eropa- 54

https://qualtrics.com/blog/determining-sample-size/
Steffens, K. (2006). Pembelajaran mandiri dalam lingkungan pembelajaran yang ditingkatkan
teknologi: Pelajaran dari rekan Eropa
tinjauan. Jurnal Pendidikan Eropa, 41(3-4), 353-379.
Taherdoost, H. (2017). Menentukan ukuran sampel: Cara menghitung ukuran sampel survei.Jurnal
Internasional
Sistem Ekonomi dan Manajemen, 2, 237-239.
Tanriseven, I. (2014). Alat yang dapat efektif dalam pembelajaran mandiri guru pra-jabatan: Peta
pikiran.
Jurnal Pendidikan Guru Australia, 39(1), 65-80.
Taylor, RT (2012). Tinjauan strategi motivasi untuk kuesioner pembelajaran (MSLQ) menggunakan
generalisasi reliabilitas teknik untuk menilai keandalan skala [Disertasi doktor tidak diterbitkan].
Universitas Auburn.
Tohir, M., Maswar, M., Atikurrahman, M., Saiful, S., & Pradita, DAR (2020). Harapan calon guru
terhadap proses berpikir matematis siswa dalam memecahkan masalah. Jurnal Penelitian Pendidikan
Eropa, 9(4), 1735-1748.
Tsemrekal, TM (2013). Hubungan antara gaya pengasuhan, self-regulated learning dan prestasi
akademik dalam
sekolah dasar terpilih di Ethiopia [Disertasi Doktoral yang tidak diterbitkan], Universitas Afrika
Selatan.
Turringan, JP, & Yang, Y.-C. (2009). Perbandingan lintas budaya keterampilan belajar mandiri
antara bahasa Korea dan
mahasiswa Filipina. Ilmu Sosial Asia, 5(12), 3-10.
Ulstad, SO, Halvari, H., Sreb, ., & Deci, EL (2016). Motivasi, Strategi Belajar, dan Performa Fisik
pendidikan di sekolah menengah. Kemajuan dalam Pendidikan Jasmani, 6(01), 27-41.
Vrieling, E., Bastiaens, T., & Stijnen, S. (2012). Efek dari peningkatan kesempatan belajar mandiri
pada siswa motivasi guru dan penggunaan keterampilan metakognitif. Jurnal Pendidikan Guru
Australia (Online), 37(8), 102- 117.
Wang, C., Schwab, G., Fenn, P., & Chang, M. (2013). Self-efficacy dan strategi belajar mandiri
untuk bahasa Inggris pelajar bahasa: Perbandingan antara mahasiswa Cina dan Jerman. Jurnal
Psikologi Pendidikan dan Perkembangan, 3(1), 173-191.
Putih, G., Cordato, D., O'Rourke, F., Mendis, R., Ghia, D., & Chan, D. (2012). Validasi rehabilitasi
stroke
skala motivasi: studi percontohan. The Asian Journal of Gerontology and Geriatrics, 7(2), 80-87.
Wolters, CA (2011). Regulasi motivasi: Aspek kontekstual dan sosial.Rekor Perguruan Tinggi Guru,
113(2), 265-283.
Xu, M. (2008). Hubungan antara keterlibatan orang tua, self-regulated learning dan prestasi
membaca kelima
grader: Analisis jalur menggunakan database ECLS-K [Disertasi doktor tidak diterbitkan].
Universitas Akron.
Zimmerman, BJ (1986). Menjadi pembelajar mandiri: Manakah subproses utama?Kontemporer
Psikologi Pendidikan, 11(4), 307-313.
Zimmerman, BJ (1990). Pembelajaran mandiri dan prestasi akademik: Tinjauan.Psikolog
pendidikan,
25(1), 3-17.
Zimmerman, BJ (2008). Menyelidiki pengaturan diri dan motivasi: Latar belakang sejarah,
metodologis
perkembangan, dan prospek ke depan. Jurnal Penelitian Pendidikan Amerika, 45(1), 166-183.
Zimmerman, BJ, & Kitsantas, A. (2014). Membandingkan langkah-langkah disiplin diri dan
pengaturan diri siswa dan
 Jurnal Penelitian Pendidikan Eropa- 55

prediksi prestasi akademik. Psikologi Pendidikan Kontemporer, 39(2), 145-155.

Zimmerman, BJ, & Martinez-Pons, M. (1988). Validasi konstruk model strategi self-regulated siswa
sedang belajar. Jurnal Psikologi Pendidikan, 80(3), 284-290.
Zumbrunn, S., Tadlock, J., & Roberts, ED (2011). Mendorong pembelajaran mandiri di kelas:
Tinjauan tentang literatur. Konsorsium Penelitian Pendidikan Metropolitan (MERC), Universitas
Persemakmuran Virginia. http:// scholarscompass.vcu.edu/merc_pubs/18