III. METODE PENELITIAN
3.5. Metode Pengolahan dan Analisis Data
Pengolahan data dilakukan dengan bantuan program Software Microsoft Excel 2007 dan Statistical Package For the Social (SPSS) versi 16. Selain itu, Uji coba kuesioner dilakukan terhadap 30 responden untuk melihat validitas dan realibilitasnya. Berikut ini penjelasan untuk uji validitas, realibilitas, analisis deskiptif dan analisis faktor
3.5.1 Uji Validitas
Uji validasi digunakan untuk menentukan suatu besaran yang menyatakan bagaimana kuat hubungan suatu peubah dengan peubah lain. Untuk mengukur korelasi antar pertanyaan dengan skor total digunakan dengan rumus korelasi product moment Pearson (Umar, 2005), yaitu :
2 2 2 2 Y Y n X X n Y X XY n r ………(2)
Dimana: X = skor pertanyaan tiap nomor Y = skor total
n = jumlah responden r = indeks validitas
Bila diperoleh r hitung lebih besar dari r tabel pada taraf nyata )
( 0,05,maka pernyataan pada kuesioner mempunyai validitas konstruk atau terdapat konsistensi internal dalam pernyataan tersebut dan layak digunakan dengan cara mengkorelasikan antara skor butir pertanyaan dengan skor totalnya. Masing-masing item (skor butir) dilihat nilai korelasinya.
3.5.2 Uji Reliabilitas
Reliabilitas adalah suatu nilai yang menunjukkan konsistensi suatu alat pengukur dalam mengukur gejala yang sama. Reliabilitas menunjukkan suatu hasil pengukuran relatif konstan walaupun pengukuran dilakukan lebih dari satu kali. Teknik uji reliabilitas yang digunakan, yaitu teknik Cronbach’s Alpha dengan bantuan Microsoft SPSS versi 16.00 for windows. Rumus dari teknik Cronbach’s Alpha adalah sebagai berikut :
2 2 11 1 1 t b k k r ……….(3)
dimana : r11 = realibilitas instrumen k = banyak butir pertanyaan
2
t = varians/ragam total
b2 = jumlah varians/ragam butir
b2 = jumlah varians/ragam butir
Realibilitas instrument dianggap valid, jika memiliki koefisien realibilitas ( )≥ 0,60. Teknik ini cocok untik menguji skala
instrument yang masing-masing butirnya mempunyai lebih dari satu alternative jawaban.
3.5.3 Analisis Deskriptif
Analisis deskriptif digunakan untuk memberikan gambaran umum tentang data yang telah diperoleh dari kuesioner. Gambaran umum ini dapat menjadi acuan untuk melihat karakteristik data yang diperoleh. Analisa ini disajikan dalam bentuk sederhana dengan mengelompokkan responden berdasarkan jawaban yang sama dan kemudian dipresentasekan berdasarkan jumlah responden. Presentase tersebut dapat dirumuskan sebagai berikut :
Keterangan
P = Presentase responden yang memilih kategori tertentu fi = Jumlah responden yang memilih kategori itu
∑fi = Total Jawaban
3.5.4 Analisis Faktor
Analisis factor merupakan analisis statistic yang mencoba menemukan hubungan (interrelationship) antar sejumlah peubah- peubah yang saling independen satu dengan yang lain, sehingga dapat dibuat satu atau beberapa kumpulan peubah yang lebih sedikit dari jumlah peubah awal. Kumpulan peubah itu disebut sebagai factor dan factor tersebut tetap mencerminkan peubah aslinya. Tujuannya dari analisis factor (Santoso, 2006), yaitu:
a. Data summarization, yakni mengidentifikasi adanya hubungan antar peubah dengan melakukan uji korelasi.
b. Data reduction, yakni melakukan proses pembuatan suatu kelompok peubah baru yang dinamakan factor untuk menggantikan factor dari sejumlah peubah tertentu.
Analisis factor ini dikerjakan untuk memperoleh sejumlah kecil factor yang mempunyai sifat-sifat sebagai berikut:
% 100 x fi fi P ... (5)
a. Mampu menerangkan keragaman data secara maksimum b. Terdapatnya kebebasan factor
c. Tiap factor dapat diinterpretasikan dengan sejelas-jelasnya
Prosedur dalam analisis faktor (Santoso, 2004), meliputi beberapa tahapan, yaitu :
1. Penyeleksian variabel
Tahap penyeleksian variabel ini adalah menilai variabel mana saja yang dianggap layak untuk dimasukkan dalam tahapan analisis faktor selanjutnya. Untuk keperluan ini, pengujian dilakukan dengan metode Keiser Meyer Olkin Measure of Sampling Adequacy (KMO-MSA) and Bartlett’s test of sphericity. Aturan pengambilan keputusan untuk pengujian ini adalah :
Pertama, jika angka KMO and Bartlett’s test > 0,5 dan nilai Signifikansi (dalam output SPSS tertulis “Sig.”) bernilai lebih
kecil dari taraf nyata (α), maka berarti bahwa variabel-variabel dalam pengujian ini sudah memadai atau dapat diikutkan dalam tahapan analisis faktor selanjutnya.
Kedua, angka MSA (Measure of Sampling Adequacy) berkisar 0 sampai 1, dengan kriteria :
MSA = 1, variabel tersebut dapat diprediksi tanpa kesalahan oleh variabel yang lain.
MSA > 0.5, variabel masih bisa diprediksi dan bisa dianalisis lebih lanjut.
MSA < 0.5, variabel tidak bisa diprediksi dan tidak bisa dianalisis lebih lanjut, atau dikeluarkan dari variabel lainnya.
2. Melakukan proses factoring
Proses factoring adalah proses inti dalam analisis faktor. Metode yang digunakan dalam proses factoring ada beberapa macam, namun yang umum dipakai dan paling sederhana adalah metode komponen utama. Pada tahap ini dilakukan pereduksian
sejumlah variabel yang banyak menjadi beberapa faktor yang jumlahnya lebih sedikit dari pada variabel awal tersebut. Ada dua hal penting yang menjadi perhatian dalam analisis faktor, yaitu :
1) Menentukan berapa banyak faktor yang dapat dibentuk. Prosedur pengambilan keputusan mengenai jumlah faktor
yang dapat dibentuk salah satunya adalah berdasarkan nilai akar ciri (eigenvalue), dengan ketentuan bahwa faktor tersebut memiliki akar ciri lebih besar atau sama dengan 1. Selain itu juga perlu dilihat berapa persentase keragaman yang dapat dijelaskan oleh faktor-faktor yang telah terbentuk. Semakin besar persentase keragaman yang dapat dijelaskan, maka faktor yang terbentuk akan mampu menjelaskan variabel awal dengan baik.
2) Menentukan variabel-variabel apa saja yang masuk ke dalam faktor-faktor yang telah terbentuk.
Untuk keperluan ini, dilakukan dengan melihat besarnya angka loading faktor. Angka loading faktor ini menunjukkan besarnya korelasi antara suatu variabel dengan faktor yang terbentuk. Nilai loading faktor dari suatu variabel yang lebih besar pada faktor pertama dari pada faktor lain, maka variabel tersebut akan masuk ke dalam faktor pertama, dan seterusnya.
3. Melakukan proses rotasi faktor
Rotasi faktor atau rotasi terhadap faktor yang telah terbentuk bertujuan untuk memperjelas variabel yang masuk ke dalam faktor tertentu. Proses rotasi ini untuk mengatasi keraguan dalam memasukkan variabel-variabel ke dalam faktor tententu. Atau apabila faktor yang terbentuk hanya satu faktor sehingga sebuah variabel diragukan apakah layak dimasukkan ke dalam faktor yang terbentuk atau tidak. Ada beberapa metode rotasi faktor, yaitu :
a. Orthogonal Rotation, yaitu rotasi dengan memutar sumbu 90o. Proses rotasi orthogonal ini dibedakan menjadi tiga, yaitu Quartimax, Varimax, dan Equimax.
b. Oblique Rotation, yaitu rotasi dengan memutar sumbu ke kanan, namun tidak harus 90o. Proses rotasi oblique dibedakan menjadi beberapa metode, yaitu Oblimin, Promax, Orthoblique, dan lainnya.
4. Pemberian nama faktor yang telah terbentuk yang dianggap mewakili variabel-variabel anggota faktor tersebut.