FAKTOR-FAKTOR YANG MEMPENGARUHI ANAK PUTUS
SEKOLAH DENGAN MENGGUNAKAN ANALISIS
FAKTOR KONFIRMATORI DI KABUPATEN
PADANG LAWAS UTARA
SKRIPSI
SYELVIANA SIREGAR
080803012
DEPARTEMEN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS SUMATERA UTARA
FAKTOR-FAKTOR YANG MEMPENGARUHI ANAK PUTUS
SEKOLAH DENGAN MENGGUNAKAN ANALISIS
FAKTOR KONFIRMATORI DI KABUPATEN
PADANG LAWAS UTARA
SKRIPSI
Diajukan untuk melengkapi tugas dan memenuhi syarat mencapai gelar Sarjana Sains
SYELVIANA SIREGAR 080803012
DEPARTEMEN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS SUMATERA UTARA
i
PERSETUJUAN
Diluluskan di
Medan, Agustus 2015
Komisi Pembimbing :
Pembimbing 2 Pembimbing 1
Drs. Henry Rani Sitepu, M.Si NIP. 19511227198503 1 002
Dr. Suwarno Ariswoyo, M.Si NIP.19500321198003 1 001
Diketahui/Disetujui oleh
Departemen Matematika FMIPA USU Ketua,
PERNYATAAN
Prof. Dr. Tulus, M.Si NIP.196209011988031002
Judul : FAKTOR-FAKTOR YANG MEMPENGARUHI ANAK PUTUS SEKOLAH DENGAN MENGGUNAKAN ANALISIS FAKTOR KONFIRMATORI DI KABUPATEN PADANG LAWAS UTARA Kategori : SKRIPSI
Nama : SYELVIANA SIREGAR NIM : 080803012
Program Studi : SARJANA (S1) MATEMATIKA Departemen : MATEMATIKA
ii
FAKTOR-FAKTOR YANG MEMPENGARUHI ANAK PUTUS
SEKOLAH DENGAN MENGGUNAKAN ANALISIS
FAKTOR KONFIRMATORI DI KABUPATEN
PADANG LAWAS UTARA
SKRIPSI
Saya mengakui bahwa skripsi ini adalah hasil kerja saya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing disebutkan sumbernya.
Medan, Agustus2015
SYELVIANA SIREGAR
080803012
iii Puji dan syukur penulis panjatkankepada Allah SWT yang memberikan kemudahan dan keberkahan sehingga skripsi ini dapat diselesaikan dalam waktu yang telah ditetapkan.
Ucapan terima kasih penulis sampaikan kepada Bapak Dr. Suwarno Ariswoyo, M.Siselaku pembimbing dan Bapak Drs. Henry Rani Sitepu, M.Si selaku pembimbing pada penyelesaian skripsi ini yang telah memberikan panduan dan penuh kepercayaan kepada penulis untuk menyempurnakan skripsi ini.
Penulis juga mengucapkan terima kasih kepada Bapak Prof. Dr. Tulus, M.Si, selaku ketua Departemen Matematika, kepada Ibu Dr. Mardiningsih, M.Si selaku sekretaris Departemen Matematika, kepada Bapak Prof. Dr. Saib Suwilo, M.Sc dan kepada Ibu Dr. Mardiningsih, M.Si selaku penguji skripsi, serta kepada staf pengajar Matematika di FMIPA USU, beserta pegawai administrasi.
Penulis juga mengucapkan terima kasih kepada kedua orangtua yang tersayang Ayahanda Alm. Ali Famri Siregar dan Ibunda Suwarsih juga ayahanda Muhammad Sholeh dan Ibunda Ati Hasanah yang telah memberika doa, semangat dan semua bantuan yang diperlukan. Suami penulis yang tercinta Ricky Stiawan, S.Stat terima kasih atas semua hal yang telah diberikan. Akhirnya penulis juga mengucapkan terima kasih kepada sahabat semua atas doa, semangat dan bantuannya dalam menyelesaikan skripsi ini.
Semoga Allah membalas dengan kebaikan dan keberkahan atas segala kebaikan dan bantuan yang telah diberikan. Aamiin Allahumma Aamiin
Sebagai seorang mahasiswa, penulis menyadari bahwa masih banyak kekurangan didalam menyelesaikan skripsi ini. Untuk itu, kritik dan saran yang membangun sangat diharapkan demi perbaikan skripsi ini.
Medan, 1 Agustus 2015 Penulis
Syelviana Siregar
FAKTOR-FAKTOR YANG MEMPENGARUHI ANAK PUTUS
SEKOLAH DENGAN MENGGUNAKAN ANALISIS
iv
ABSTRAK
Dunia pendidikan menghadapi sebuah masalah besar, yaitu putus sekolah. Lokasi penelitian ini diKabupaten Padang Lawas Utara, yang memiliki angka putus sekolah dasar dan menengah cukup tinggi yaitu sebesar24 %. Penelitian ini membantu menanggulangi atau mengantisipasi faktor-faktor penyebab anak putus sekolah dengan menganalisis variabel Eksternal dan Internal sebagai indikator penyebab anak putus sekolah. Dilakukan dua tahapan membentuk model Second Confirmatory Factor
Analysis (2CFA), karena ditahap awal hanya ada tiga indikator Goodness of fit yaitu
derajat bebas (db), Root Mean Square Error of Approximation (RMSEA) dan
Goodness of Fit Index (GFI) yang memenuhi syarat. Namun, Second Confirmatory Factor Analysis (2CFA) tahap akhir didapatkan bahwa semua indikator memenuhi
syarat. Dari Second Confirmatory Factor Analysis (2CFA) tahap akhir diketahui bahwa kontribusi terbesar pada variabel laten eksternal sebesar 71,5% dengan indikator terbesar adalah Y113 (sarana pendidik)dengan nilai sebesar 65%. Sedangkan pada variabel laten internalsebesar 33,5% dengan indikator terbesar adalahX223(ekonomi) dengan nilai sebesar 80,9%.
Kata kunci : Faktor Putus Sekolah, Second Confirmatory Factor Analysis dan
Goodness of Fit
FACTORS AFFECTINGCHILDRENDROP OUT OF SCHOOL
v
ABSTRACT
Education have a major problem it is called a dropouts. The location of this research in North Padang Lawas District, which has a dropout rate of primary and secondary schools is quite high at 24%. This study helps mitigate or anticipate the risk of dropouts factors by analyzing variables as indicators of External and Internal causes of dropouts. This is two stages to form a model of Second Confirmatory Factor Analysis (2CFA), because the early stages there are only three indicators of goodness of fit is the degree of freedom (df), Root Mean Square Error of Approximation (RMSEA) and Goodness of Fit Index (GFI) are eligible . However, 2CFA final stage was found that all the indicators qualified. Second Confirmatory Factor Analysis (2CFA) final stage is known that the largest contribution to the external latent variables by 71.5% with the biggest indicator is Y113 (means educators) with a value of 65%. While the internal latent variables by 33.5% with the biggest indicator is X223 (economy) with a value of 80.9%.
Keywords: DropoutFactors, Second Confirmatory Factor Analysis and Goodness of Fit
DAFTAR ISI
vi
ABSTRAK ... iv
ABSTRACT ... v
DAFTAR ISI ... v
DAFTAR TABEL ... vi
BAB 1 PENDAHULUAN ... 1
1.1 Latar Belakang ... 1
1.2 Perumusan Masalah ... 3
1.3 Batasan Masalah ... 4
1.4 Tujuan Penelitian ... 4
1.5 Kontribusi Penelitian ... 4
1.6 Metodologi Penelitian ... 5
1.7 Tinjauan Pustaka ... 5
BAB 2 LANDASAN TEORI ... 7
2.1 Faktor-faktor Anak Putus Sekolah ... 7
2.2 Analisis Faktor Konfirmatori ... 9
2.3 Uji Validitas dan Reliabilitas ... 11
2.4 Memilih Matriks dan Teknik Estimasi ... 11
2.5 Menilai Masalah Identifikasi ... 12
2.6 Evaluasi Kriteria Goodness of Fit ... 12
BAB 3 PEMBAHASAN... 16
3.1 Sumber Data... 16
3.2 Metode Pengambilan Sampel ... 16
3.3 Analisis Data dan Pembahasan ... 17
3.4 Hasil Pengujian Multivariat Normal ... 20
BAB 4 KESIMPULAN DAN SARAN ... 27
DAFTAR PUSTAKA ... 28
vii
Tabel 2Indeks Gooness of Fit Model ... 15
Tabel 3 Distribusi Sampel Penelitian ... 17
Tabel 4 Penilaian responden terhadap indikator Eksternal (Y11) ... 17
Tabel 5 Penilaian responden terhadap indikator Internal (Y22) ... 19
Tabel 6Pengujian hipotesis penelitian ... 20
Tabel 7Goodness of fit Variabel Eksternal ... 21
Tabel 8 Loading Factor dan Nilai t Indikator Eksternal... 21
Tabel 9 Reliabilitas Indikator Eksternal ... 22
Tabel 10Goodness of fit Variabel Internal ... 22
Tabel 11Loading Factor dan Nilai t Indikator Internal ... 23
Tabel 12 Reliabilitas Indikator Internal ... 24
Tabel 13 Indeks Kesesuaian 2CFA Tahap Awal ... 24
Tabel 14 Indeks Kesesuaian 2CFA Setelah Modifikasi Model ... 25
Tabel 15Hasil Pengujian Pengaruh Faktor Putus Sekolah ... 26
DAFTAR GAMBAR
Gambar 1 First Order Confirmatory Factor Analysis ... 9iv
ABSTRAK
Dunia pendidikan menghadapi sebuah masalah besar, yaitu putus sekolah. Lokasi penelitian ini diKabupaten Padang Lawas Utara, yang memiliki angka putus sekolah dasar dan menengah cukup tinggi yaitu sebesar24 %. Penelitian ini membantu menanggulangi atau mengantisipasi faktor-faktor penyebab anak putus sekolah dengan menganalisis variabel Eksternal dan Internal sebagai indikator penyebab anak putus sekolah. Dilakukan dua tahapan membentuk model Second Confirmatory Factor
Analysis (2CFA), karena ditahap awal hanya ada tiga indikator Goodness of fit yaitu
derajat bebas (db), Root Mean Square Error of Approximation (RMSEA) dan
Goodness of Fit Index (GFI) yang memenuhi syarat. Namun, Second Confirmatory Factor Analysis (2CFA) tahap akhir didapatkan bahwa semua indikator memenuhi
syarat. Dari Second Confirmatory Factor Analysis (2CFA) tahap akhir diketahui bahwa kontribusi terbesar pada variabel laten eksternal sebesar 71,5% dengan indikator terbesar adalah Y113 (sarana pendidik)dengan nilai sebesar 65%. Sedangkan pada variabel laten internalsebesar 33,5% dengan indikator terbesar adalahX223(ekonomi) dengan nilai sebesar 80,9%.
Kata kunci : Faktor Putus Sekolah, Second Confirmatory Factor Analysis dan
Goodness of Fit
FACTORS AFFECTINGCHILDRENDROP OUT OF SCHOOL
v
ABSTRACT
Education have a major problem it is called a dropouts. The location of this research in North Padang Lawas District, which has a dropout rate of primary and secondary schools is quite high at 24%. This study helps mitigate or anticipate the risk of dropouts factors by analyzing variables as indicators of External and Internal causes of dropouts. This is two stages to form a model of Second Confirmatory Factor Analysis (2CFA), because the early stages there are only three indicators of goodness of fit is the degree of freedom (df), Root Mean Square Error of Approximation (RMSEA) and Goodness of Fit Index (GFI) are eligible . However, 2CFA final stage was found that all the indicators qualified. Second Confirmatory Factor Analysis (2CFA) final stage is known that the largest contribution to the external latent variables by 71.5% with the biggest indicator is Y113 (means educators) with a value of 65%. While the internal latent variables by 33.5% with the biggest indicator is X223 (economy) with a value of 80.9%.
Keywords: DropoutFactors, Second Confirmatory Factor Analysis and Goodness of Fit
DAFTAR ISI
1
BAB 1
PENDAHULUAN
1.1 Latar Belakang
2 sekolah)merupakansalah satu faktor yang dapat menjadi tolak ukur rendahnya tingkat pendidikan di Indonesia. Berdasarkan data pada Kementerian Pendidikan Nasional (Kemendiknas), jumlah anak putus sekolah tingkat Sekolah Dasar masih tinggi, meski sudah ada upaya peningkatan akses pendidikan dasar lewat program Bantuan Operasional Sekolah. Peran pendidikan dasar memiliki peran yang sangat besar dalam memajukan dan membangun bangsa kedepan, karena dari pendidikan dasar itulah anak-anak tumbuh dan berkembang. Apabila dasar atau basisnya tidak kokoh dan kuat, seperti pengetahuan agama, kemampuan berfikir dan kemampuan analisa serta perilaku, banyak yang pintar tapi perilakukanya kurang terpuji. Dan ini tidak akan bisa dijadikan landasan untuk membangun Indonesia yang lebih baik. Oleh karena itu semangat untuk membangun negeri dimulai dari pendidikan dasar.
Dengan demikian perlu merencanakan program untuk meningkatkan angka partisipasi sekolah dengan menyelesaikan masalah putus sekolah. Salah satu program yang dapat dilaksanakan adalah menanggulangi atau mengantisipasi faktor-faktor penyebab anak putus sekolah. Untuk itu diperlukan pengamatan terhadap faktor-faktor yang mempengaruhi anak putus sekolah, khususnya putus sekolah pendidikan dasar dengan menggunakan analisis faktor konfirmatori.
Analisis faktor konfirmatori merupakan salah satu metode analisis multivariatyangdapat digunakan untuk menguji atau mengkonfirmasikan model yang dihipotesiskan.Model yang dihipotesiskan terdiri dari satu atau lebih peubah laten, yang diukur olehsatu atau lebih peubah indikator. Peubah laten adalah peubah yang tidak terukur atautidak dapat diukur secara langsung dan memerlukan peubah indikator untukmengukurnya, sedangkan peubah indikator adalah peubah yang dapat diukur secara langsung. Pada penelitian ini analisis faktor konfirmatori digunakan untuk mengetahu indikator-indikator yang berkontribusi besar dalam survei faktor yang mempengaruhi anak putus sekolah dengan metode pendugaan parameternya adalah metode maximum likelihood estimation (MLE). Penelitian ini bertujuan
3 Lawas Utara sudah cukup baik, namun masih banyak ditemukan kasus anak putus sekolah.
Data BPS Kabupaten Paluta tahun 2012 tentang pendidikan tertinggi anak diatas 10 tahun pada Tabel 1 sebagai berikut :
Tabel 1 Pendidikan Tertinggi Anak diatas 10 tahun
Pendidikan Tertinggi Yang
1. Tidak/Belum Pernah Sekolah 0,38 1,27
2. Tidak/ Belum Tamat SD 18,02 17,42
3. SD 33,59 34,19
4. SMTP 24,51 24,05
TOTAL 76,5 76,93
Sumber : BPS Padang Lawas Utara 2013
Dari Tabel 1 dapat diketahui bahwa ada 76,5% (laki-laki) dan 76,93% (perempuan) pendidikan tertinggi anak diatas 10 tahun di Kabupaten Padang Lawas Utara, sehingga masih terdapat 23,5% (laki-laki) dan 23,07% (perempuan) anak yang putus sekolah.Berdasarkan penjelasan dari uraian di atas penulis memilih judul “Faktor-FaktorYang Mempengaruhi Anak Putus Sekolah Dengan Menggunakan
Analisis Faktor Konfirmatori di Kabupaten Padang Lawas Utara”.
1.2 Perumusan Masalah
Rumusan masalah dalam penelitian ini adalah :
1. Faktor-faktor apa saja yang mempengaruhi anak putus sekolah Pendidikan dasar.
4 1.3 Batasan Masalah
Pembatasan masalah dalam penelitian ini adalah :
1. Penelitian ini hanya dilakukan pada orangtua yang memiliki anak putus sekolah pendidikan dasar di Kabupaten Padang Lawas Utara.
2. Hanya digunakan untuk menganalisis faktor-faktor apa saja yang mempengaruhi anak putus sekolah pendidikan dasar dengan menggunakan Analisis Faktor Konfirmatori.
1.4 Tujuan Penelitian
Tujuan dari penelitian ini adalah untuk menganalisis faktor-faktor apa saja yang mempengaruhi anak putus sekolah pendidikan dasar. Dan mengetahui faktor-faktor yang lebih dominan mempengaruhi anak putus sekolah pendidikan dasar dengan menggunakan analisis faktor konfirmatori.
1.5 Kontribusi Penelitian
5 1.6 Metodologi Penelitian
Langkah-langkah yang digunakan dalam penelitian ini adalah sebagai berikut : 1. Pengumpulan Data
Dalam penelitian ini data yang digunakan adalah data primer. Data primer bersumber dari hasil wawancara terhadap responden dengan menggunakan angket (kuesioner) yang diberikan kepada responden. Responden dalam penelitian ini adalah orangtua yang memiliki anak putus sekolah pendidikan dasar. Sampel lokasi yang diambil dalam penelitian ini di Kabupaten Padang Lawas Utara. Teknik yang digunakan dalam pengambilan sampel adalah teknik
PurposeSampling.
2. Pengolahan Data
Metode analisis data yang digunakan adalah teknik analisis faktor konfirmatori dengan tahapan sebagai berikut :
a) Memisahkan faktor ke dalam faktor dependen dan faktor independen. b) Melakukan analisis univariat untuk mengetahui kenormalan data.
c) Pengujian unidimensionalitas (validitas dan reliabilitas) setiap variabel laten dengan menggunakan Confirmatory Factor Analysis (CFA).
d) Menduga parameter-parameter model dengan metode kemungkinan maksimum.
e) Melakukan pengujian kecocokan antara model dengan data menggunakan criteria Goodness Of Fit (GOF).
f) Melakukan interpretasi terhadap analisis konfirmatori tersebut.
6 Berikut diberikan tinjauan pustaka tentang analisis faktor konfirmatori untuk penelitian yang berkaitan dengan masalah di atas.
1.7.1 Pengertian Analisis Faktor Konfirmatori
Analisis faktor konfirmatori merupakan salah satu metode analisis multivariat yang dapat digunakan untuk mengkonfirmasikan apakah model pengukuran yang dibangun sesuai dengan yang dihipotesiskan. Dalam analisis faktor konfirmatori, Model yang dihipotesiskan terdiri dari satu atau lebih peubah laten, yang diukur oleh satu atau lebih peubah indikator.Peubah laten adalah peubah yang tidak dapat dibentuk dan dibangun secara langsung dan memerlukan peubah indikator untuk mengukurnya sedangkan peubah indikator adalah peubah yang dapat diamati dan diukur secara langsung.
1.7.2 Analisis Faktor Konfirmatori
Analisis Faktor Konfirmatori merupakansalah satu metode analisis multivariatyang dapat digunakan untuk mengkonfirmasikan apakah model pengukuran yangdibangun sesuai dengan yang dihipotesiskan. Dalam Analisis Faktor Konfirmatori,peubah laten dianggap sebagai peubah penyebab (peubah bebas) yang mendasari peubah-peubah indikator (Ghozali, 2008).
Peubah-peubah terdiri dari peubah-peubah yang dapat diamati atau diukur langsung disebut peubah manifest dan peubah-peubah yang tidak dapat diukur secara langsung disebut peubah laten (latent variable). Peubah laten tidak dapat diukur secara langsung tetapi dapat dibentuk dan dibangun oleh peubah-peubah lain yang dapat diukur. Peubah-peubah yang digunakan untuk membangun peubah laten disebut peubah indikator.Model umum analisis faktor konfirmatori menurut Hair et. al. (1998) sebagai berikut :
�̅ = Xξ + δ Dengan:
�̅ = merupakan vector untuk peubah-peubah indikator berukuran q x 1 X = merupakan matriks untuk faktor loading atau koefisien yang menunjukan
7 ξ (ksi) = merupakan vektor untuk peubah–peubah latenberukuran n x 1
δ = vektor bagi galat pengukuran berukuran q x 1
BAB 2
LANDASAN TEORI
2.1 Faktor-faktor Anak Putus Sekolah
Putus sekolah adalah kondisi siswa memutuskan aktivitas pembelajaran di sekolah. Dalam penelitian ini, siswa adalah peserta pendidikan dasar sekolah dasar dan sekolah menengah pertama. Faktor putus sekolah memiliki enamfaktor penyebab pada jenjang pendidikan dasar yaitu faktor ekonomi, minat untuk bersekolah rendah, perhatian orang tua yang kurang, fasilitas belajar yang kurang mendukung, faktor budaya dan lokasi atau letak sekolah (Prihatin, 2011).
2.1.1 Faktor Ekonomi
Faktor ekonomimerupakan faktor pertama penyebab anakputus sekolah. Ketidakmampuan keluargaanak yang putus sekolah untuk membiayai segala prosesyang dibutuhkan selama menempuhpendidikan atau sekolah dalam satu jenjangtertentu, walaupun pemerintah telahmencanangkan Program Pendidikan Gratisdua belas tahun, namun belum berimplikasisecara maksimal terhadap penurunanjumlah anak putus sekolah.
2.1.2 Perhatian Orang Tua/Wali
8 tercurahpada upaya untuk memenuhi kebutuhankeluarga. Persentase anak yang tidak danputus sekolah karena rendahnya kurangnyaperhatian orang tua.
2.1.3 Fasilitas Pembelajaran
Fasilitaspembelajaran yang kurang memadaimerupakan faktor ketiga. fasilitas belajaryang tersedia di sekolah, misalnyaperangkat (alat, bahan, dan media)pembelajaran yang kurang memadai, bukupelajaran kurang memadai, dansebagainya. Kebutuhan dan fasilitas belajaryang dibutuhkan siswa tidak dapat dipenuhisiswa dapat menyebabkan turunnya minatanak yang pada akhirnya menyebabkanputus sekolah.
2.1.4 Minat Sekolah
Minat anak untuksekolah merupakan faktor keempat.Rendahnya minat anak dapat disebabkanoleh perhatian orang tua yang kurang,jarak antara tempat tinggal anak dengansekolah yang jauh, fasilitas belajar yangkurang, dan pengaruh lingkungansekitarnya. Minat yang kurang dapatdisebabkan oleh pengaruh lingkunganmisalnya tingkat pendidikan masyarakatrendah yang diikuti oleh rendahnyakesadaran tentang pentingnya pendidikan.Ketidakmampuan ekonomi keluarga dalammenopang biaya pendidikan yangberdampak terhadap masalah psikologi anak sehingga anak tidak bisa bersosialisasi dengan baik dalam pergaulandengan teman sekolahnya selain itu adalah peranan lingkungan.
2.1.5 Budaya
9 seperti itu dijadikan landasandalam menentukan masa depan anaknya.Pandangan banyak anak banyak rejekimembuat masyarakat di pedesaan lebihbanyak mengarahkan anaknya yang masihusia sekolah diarahkan untuk membantuorang tua dalam mencari nafkah.
2.1.6 Letak Geografis Sekolah
Lokasiatau letak sekolah merupakan faktorkeenam yang mampu menyebabkan anakputus sekolah. Jarak yang jauh denganakses yang sulit merupakan hal-hal yangharus dipertimbangkan oleh masyarakatuntuk bisa menyekolahkan anak-anaknya.Alat transportasi yang kurang serta jarakantara rumah dengan sekolah yang cukupjauh. Selain itu juga dengan akses yangdirasa sulit, keselamatan pun dianggaptidak terjamin.
2.2 Analisis Faktor Konfirmatori
2.2.1First Order Confirmatory Factor Analysis
Pada First Order Confirmatory Factor Analysis suatu variabel laten diukur berdasarkan beberapa indikator yang dapat diukur secara langsung.
Gambar 1First Order Confirmatory Factor Analysis
λp
λ1
X1 X2 XP
λ2
δ1 δ2 δp
10 Variabel X adalah simpangan baku dari masing-masing rata-ratanya, sehingga kovarian matrik X adalah nilai harapan dari XX’. Kovarian matrik X ditulis sebagai fungsi dan merepresentasikannya sebagai [�].
[�]= E(XX’) kovarian matrik X untuk general faktor analisis, dimana kovarian matrik
faktor laten adalah kovarian matrik untuk error. [�]= E(XX’)
= E[(ᴧ��+�)(�′ᴧ� +�′)] = ᴧ��(��′)ᴧ� +��
= ᴧ��ᴧ�′+��
Kovarian matrik X untuk general faktor analisis,dimana : � = adalah kovarian matrik faktor laten
�� = adalah kovarian matriks untuk error
2.2.2Second Order Confirmatory Factor Analysis
Suatu permasalahan memungkinkan untuk variabel laten tidak dapat langsung diukur langsung melalui variabel-variabel indikatornya. Variabel laten tersebut memiliki beberapa indikator-indikator dimana indikator-indikator tersebut tidak dapat diukur secara langsung, dan memerlukan beberapa indikator lagi. Dalam kasus ini First Order
Confirmatory Factor Analysis tidak dapat digunakan, sehingga digunakan higher order
(Second Order Confirmatory Factor Analysis).
Model persamaann menurut (Hair et. al., 1998) sebagai berikut :
η = Ґ ξ + ς
dengan,
Ґ = matrik second order loading.
ξ = random vektor variabel laten.
ς =vektor variabel tunggal (unique) untuk η ξ
11
Estimasi parameter dalam Confirmatory Factor Analysis(CFA) umumnya berdasarkan pada metode maximum likelihood(ML). Metode ML menghendaki adanya asumsi Distribusi Normal Multivariat.Hipotesis yang digunakan sebagai berikut.
H0 : data mengikuti distribusi multinormal. H1 : data tidak mengikuti distribusi multinormal.
Data mengikuti distribusi multinormal jika gagal tolak H0. artinya daerah dibawah kurva �(0.05,p)2 multivariat lebih dari 50%.
2.3 Uji Validitas dan Reliabilitas
Pengujian validitas dilakukan dengan menguji signifikansiparameter-parameter model pengukuran. Lambda (λ) merupakan parameter yang berkaitan dengan pengukuran variabel laten oleh vaiabel indikator. Statistik uji yang digunakan adalah t-test dengan kriteria tolak H0 apabila t-test lebih besar dari t-tabel atau p-value< α dan hipotesa yang diuji adalah:
H0 : λ = 0 ≈ variabel indikator tidak valid sebagai indikator variabel laten H1 : λ ≠ 0 ≈ variabel indikator valid sebagai indikator variabel laten
Reliabilitas tinggi menunjukkan bahwa indikator-indikator mempunyai konsistensi tinggi dalam mengukur peubah latennya. Untuk mengukur reliabilitas dapat digunakan rumus costruct reliability (CR) sebagai berikut :
��= [∑ ��]
� �=1
2
[∑��=1��]2 + [∑��=1��]
Dengan λi adalah faktor loading untuk setiap variabel laten dan δi merupakan kesalahan pengukuran (error variance) untuk setiap konstruk/laten. Nilai batas minimum yang digunakan untuk menilai CR atau dikatakan memiliki reliabilitas baik untuk suatu peubah laten adalah sebesar 0,70(Hair et al., 1998).
12 Setelah model dispesifikasikan secara lengkap, langkah berikutnya adalah memilih jenis input (kovarians dan korelasi). Matriks input yang dipilih dalam penelitian ini adalah matrix kovarians. Alasan memilih input data matrix covarians adalah karena matriks covarians memiliki keunggulan dalam menyajikan perbandingan yang valid antara populasi yang berbeda atau sampel yang berbeda. Selain itu matriks
covarians lebih sesuai untuk memvalidasi hubungan kausal.Selanjutnya untuk memilih
teknik analisis dengan mempertimbangkan ukuran sampel. Setelah memilih matriks input, maka AMOS akan melakukan estimasi koefisien path. Melakukan estimasi model, ukuran sampel memegang peranan yang cukup penting. Dalam program AMOS 21 teknik-teknik estimasi yang tersedia adalah: (a) Maximum Likelihood Estimation (ML), (b) Generalized Least Square Estimation (GLS), (c) Unweighted Least Square
Estimation (ULS), (d) Scale Free Least Square Estimation (SLS), dan (e) Symtotically
Distribution-free Estimation (ADF). Metode yang digunakan dalam penelitian ini
adalah Maximum Likelihood (ML).
2.5 Menilai Masalah Identifikasi
Masalah identifikasi merupakan ketidakmampuan dari model yang dikembangkan untuk menghasilkan estimasi yang unik. Masalah identifikasi dapat muncul melalui gejala sebagai berikut:
1. Standard error untuk satu sampai beberapa koefisien sangat besar.
2.Program tidak mampu menghasilkan matriks informasi yang seharusnya disajikan. 3. Munculnya angka-angka aneh, seperti varians error yang bernilai negative.
4. Munculnya angka korelasi yang sangat tinggi antar koefisien estimasi yang diperoleh (misalnya lebih dari 0,9).
5. Heywood case atau offending estimates, dimana adanya negative error variances pada konstruk-konstruk model.
2.6 Evaluasi Kriteria Goodness of Fit
13 1. Ukuran Sampel
Ukuran sampel yang harus dipenuhi dalam pemodelan CFA adalah minimum berjumlah 50, selanjutnya menggunakan perbandingan 5 observasi untuk setiap parameter yang diestimasi.Oleh karena itu, apabilamengembangkan model dengan 8 parameter maka minimum digunakan 77 sampel(Hair et al., 1998).
2.Normalitas dan Linieritas
Sebaran data harus dianalisisuntuk melihat apakah asumsi normalitasterpenuhi sehingga data dapat diolah lebih lanjut dengan pemodelan CFA. Normalitas dapat diuji dengan melihar gambar histogram data atau dapat diuji dengan model statistik. Uji normalitas dilakukan dengan menggunakan uji skewness yang menunjukkan bahwa hampir seluruh variabel normal pada tingkat signifikansi 0,05 atau (5%). Hal ini terlihat pada nilai CR dari skewness yang berada di bawah ± 2,58. Nilai mutivariat pada uji normalitas adalah koefisien kurtosis multivariate, apabila hasil yang diperoleh masih di bawah nilai batas ± 2,58, ini berarti bahwa ada data yang digunakan berdistribusi multivariat normal. 3. Angka Ekstrim (Outliers)
Outliers adalah observasi yang muncul dengan nilai-nilai ekstrim baik secara univariat
maupun multivariat yaitu yang muncul karena kombinasi karakteristik unik yang dimilikinya dan terlihat sangat jauh berbeda dari observasi-observasi lainnya.
4.Multikolonearitas (Multicollinearity)
Multikollinearitas adalah suatu kondisi, dimana terdapat hubungan korelasi yang tinggi antar sebagian atau seluruh variabel independen dalam suatu regresi berganda. Multicollinearity dapat dideteksi dari determinan matriks kovarians. Nilai determinan matriks kovarian yang sangat kecil memberi indikasi adanya
problem multicollinearity.
Setelah asumsi-asumsi CFA terpenuhi maka dilakukan kelayakan model. Untuk menguji kelayakan model yang dikembangkan dalam model persamaan struktural ini, maka akan digunakan beberapa indeks kelayakan model. Adapun kriteria tersebut adalah:
1. Derajat kebebasan (Degree of Freedom) harus positif
14 Alat uji fundamental untuk mengukur overall fit adalah likelihood ratio chi square
statistic. Model dikategorikan baik harus mempunyai chi square = 0 berarti tidak ada
perbedaan. Tingkat signifikan penerimaan yang direkomendasikan adalah apabila p ≥ 0,05 (Hair et al., 1998:389) yang berarti matriks input sebenarnya dengan matriks input yang diprediksi tidak berbeda secara statistik.
3. CMIN/DF (Normed Chi Square)
CMIN/DF adalah ukuran yang diperoleh dari nilai chi-square dibagi dengan degree of
freedom. Menurut (Hair et.al., 1998:340) nilai direkomendasikan untuk menerima
kesesuian sebuah model adalah nilai CMIN/DF yang lebih kecil atau sama dengan 2,0. 4. Goodness of fit Index (GFI)
Digunakan untuk menghitung proporsi tertimbang dari varians dalam matriks kovarians sampel yang dijelaskan oleh matriks kovarians populasi yang terestimasikan. Indeks ini mencerminkan tingkat kesesuaian model secara keseluruhan yang dihitung dari residual kuadrat model yang yang diprediksi dibandingkan dengan data yang sebenarnya. Nilai
Goodness of Fit Indexbiasanya dari 0 sampai 1. semakin besar jumlah sampel
penelitian maka nilai GFI akan semakin besar. Nilai yang lebih baik mendekati 1 mengindikasikan model yang diuji memiliki kesesuaian yang baik (Hair et al., 1998:387) nilai GFI dikatakan baik adalah ≥ 0,90.
5. Adjusted GFI (AGFI)
Menyatakan bahwa GFI adalah analog dari R2 (R square) dalam regresi berganda. Fit Index dapat diadjust terhadap degree of freedom yang tersedia untuk menguji diterima tidaknya model. Tingkat penerimaan yang direkomendasikan adalah bila mempunyai nilai sama atau lebih besar dari 0,9.
6. Tuker-Lewis Index (TLI)
TLI adalah sebuah alternative incremental fit index yang membandingkan sebuah model yang diuji terhadap sebuah baseline model. Nilai yang direkomendasikan sebagai acuan untuk diterimanya sebuah model adalah lebih besar atau sama dengan 0,9 dan nilai yang mendekati 1 menunjukkan a very good fit. TLI merupakan index fit yang kurang dipengaruhi oleh ukuran sampel.
7. CFI (Comparative Fit Index)
15 dikatakan baik untuk mengukur kesesuaian sebuah model karena tidak dipengaruhi oleh ukuran sampel (Hair et al., 1998:289). Indeks yang mengindikasikan bahwa model yang diuji memiliki kesesuian yang baik adalah apabila CFI ≥ 0,90.
8. RMSEA (Root Mean Square Error of Approximation)
Nilai RMSEA menunjukkan goodness of fit yang diharapkan bila model diestimasikan dalam populasi. Nilai RMSEA yang lebih kecil atau sama dengan 0,08 merupakan indeks untuk dapat diterimanya model yang menunjukkan sebuah close fit dari model itu didasarkan degree of freedom. RMSEA merupakan indeks pengukuran yang tidak dipengaruhi oleh besarnya sampel sehingga biasanya indeks ini digunakan untuk mengukur fit model pada jumlah sampel besar. Indeks-indeks yang digunakan untuk menguji kelayakan sebuah model dapat diringkas dalam Tabel 2.
Tabel 2Indeks Gooness of Fit Model Goodness of Fit Index Cut off Value Chi square < Chi Square tabel Significance Probability > 0,05
RMSEA ≤ 0,08
Pengujian hipotesis dilakukan dengan menguji signifikansi regresi berdasarkan
16 menambah jalur baru terhadap model yang diestimasi. Nilai residual lebih besar atau sama dengan 2,58 diinterpretasikan sebagai signifikan secara statistik pada tingkat 5% dan residual yang signifikan ini menunjukkan adanya prediction error yang substansial untuk sepasang indikator.
BAB 3
PEMBAHASAN
3.1 Sumber Data
Dalam penelitian ini data yang digunakan adalah data primer. Untuk mendapatkan data primer tersebut, peneliti melakukan survey dengan menyebarkan kuesioner penelitian kepada sejumlah orangtua yang memiliki anak putus sekolah di Kabupaten Padang Lawas Utara Provinsi Sumatera Utara. Penelitian ini memiliki tujuan untuk melihat faktor penyebab anakputus sekolah. Adapun responden survey ini adalah orangtua yang memiliki anak putus sekolah pendidikan dasar di Kabupaten Padang Lawas Utara.
3.2Metode Pengambilan Sampel
17 responden sebanyak 77 orang. Data distribusi sampel penelitian dapat dilihat pada Tabel 3.
Tabel 3 Distribusi Sampel Penelitian
No Wilayah Jumlah
3.3 Analisis Data dan Pembahasan
3.3.1 Statistik Deskriptif Penelitian
Gambaran jawaban responden dari hasil penelitian dapat dilihat pada hasil analisis deskriptif berupa tabel frekuensi. Hasil analisis deskriptif masing-masing variabel penelitian diuraikan sebagai berikut.
Variabel Eksternal(Y11) dibentukoleh 4 (empat) indikator yang terdiri dari Persepsi Masyarakat (Y111), Sarana Pendidikan(Y112), Sarana Pendidik(Y113) dan Letak Geografis(Y114).
Gambar 2 Skema Variabel Eksternal
Tabel frekuensirespondenuntuk masing-masing indikator secara lengkap dapat dilihat pada Tabel 4 berikut.
Tabel 4Penilaian responden terhadap indikator Eksternal (Y11) Skala
Jawaban
Item Pertanyaan Faktor Putus SekolahEksternal(Y11)
18 Sumber: Data primer diolah, 2014
Dari Tabel 4 di atas, untuk indikator Y111, sebanyak 4 responden (5,19%) menyatakan sangat setuju, diikuti 63 responden (81,82%) menyatakan setuju,9 responden (11,63%) menyatakan tidak setuju, dan ada 1 responden(1,30%) yang menyatakan sangat tidak setuju. Hal ini menunjukkan bahwa responden cenderung menilai setuju dengan persepsi masyarakat yang harus bersikap positif dan memotivasi anak putus sekolah.
Untuk indikator Y112, sebanyak 10 responden (12,99%) menyatakan sangat setuju, diikuti 59 responden (76,62%) menyatakan setuju,7 responden (9,09%) menyatakan tidak setuju, dan ada 1 responden(1,30%)yang menyatakan sangat tidak setuju. Hal ini menunjukkan bahwa responden cenderung menilai memang sarana pendidikan sudah cukup baik.Untuk indikator Y113, sebanyak 4 responden (5,19%) menyatakan sangat setuju, diikuti 61 responden (79,22%) menyatakan setuju,12 responden (15,58%) menyatakan tidak setuju, danada 1 responden(1,30%) yang menyatakan sangat tidak setuju. Hal ini menunjukkan bahwa responden cenderung menilai memang sarana pendidik sudah cukup baik.Untuk indikator Y114, sebanyak 6 responden (7,79%) menyatakan sangat setuju, diikuti 52 responden (69,53%) menyatakan setuju,18 responden (23,28%) menyatakan tidak setuju, dan ada 1 responden(1,30%) yang menyatakan sangat tidak setuju. Hal ini menunjukkan bahwa responden cenderung menilai memang letak geografis sudah cukup bisa diakses oleh anak sekolah di Kabupaten Padang Lawas Utara.
Variabel Internal(Y22) dibentukoleh 4 (empat) indikator yang terdiri dariKeterbatasan Informasi(Y221), Ekonomi(Y223), Sosial Masyarakat(Y224) dan Tanggungan dan Prioritas Orang Tua(Y225).
Internal (Y22)
19 Gambar 3 Skema Variabel Internal
Tabel frekuensirespondenuntuk masing-masing indikator secara lengkap dapat dilihat pada Tabel 5 berikut.
Tabel 5Penilaian responden terhadap indikator Internal (Y22) Skala
Jawaban
Item Pertanyaan Faktor Putus Sekolah Internal(Y22)
Y221 Y223 Y224 Y225 Sumber: Data primer diolah, 2014
DariTabel 5 di atas, untuk indikator Y221, sebanyak 10 responden (12,99%)menyatakan sangat setuju, diikuti 46 responden (59,74%) menyatakan setuju,14 responden (18,18%) menyatakan tidak setuju, dan ada 7responden(9,09%) yang menyatakan sangat tidak setuju. Hal ini menunjukkan bahwa responden cenderung menilai setuju dengan persepsi masyarakat yang harus memberikan informasi yang cukup kepada siswa dan orang tua.
Untuk indikator Y223, sebanyak 4 responden (5,19%) menyatakan sangat setuju, diikuti 15 responden (19,48%) menyatakan setuju,29 responden (37,66%) menyatakan tidak setuju, dan ada 29 responden (37,66%) yang menyatakan sangat tidak setuju. Hal ini menunjukkan bahwa responden cenderung menilai memang faktor ekonomi bukan menjadi faktor anak putus sekolah.Untuk indikator Y224, sebanyak 19 responden (24,68%) menyatakan sangat setuju, diikuti 39 responden (50,65%) menyatakan setuju,11 responden (14,29%) menyatakan tidak setuju, dan ada 8responden(10,39%) yang menyatakan sangat tidak setuju. Hal ini menunjukkan bahwa responden cenderung menilaisosial-masyarakat sudah cukup baik kondusif.Untuk indikator Y225, sebanyak 6 responden (7,79%) menyatakan sangat setuju, diikuti 52 responden (69,53%) menyatakan setuju,18 responden (23,28%) menyatakan tidak setuju, dan ada 1 responden(1,30%) yang menyatakan sangat tidak setuju. Hal ini menunjukkan bahwa
20 responden cenderung menilai memang letak geografis sudah cukup bisa diakses oleh anak sekolah di Kabupaten Padang Lawas Utara.
3.4 Hasil Pengujian Multivariat Normal
Dalam penelitian ini terdapat dua variabel laten yang digunakan untuk mengukur faktor anak putus sekolah di Padang Lawas Utara, variabel laten tersebut adalah eksternal dan internal. Masing-masing variabel laten diukur dengan indikator-indikator. Asumsi yang harus dipenuhi sebelum melakukan confirmatory factor analysis adalah menguji apakah data berdistribusi multivariat normal. Untuk menguji multivariat normal digunakan plot X2 multivariat. Hipotesis yang digunakan sebagai berikut :
H0: Data berdistribusi multivariat normal H1: Data tidak berdistribusi multivariat normal
Tolak H0 bila nilai X2multivariate < 50% pada α = 0,05 dan Derajat Bebasnya Tabel 6Pengujian hipotesis penelitian
Variabel Nilai X2 DB Nilai Tabel X2 Keterangan Kesimpulan Y111 61,506 14 23.685 Tidak Tolak H0 Multivariat Normal Y112 67,416 15 24.996 Tidak Tolak H0 Multivariat Normal Y113 100,545 8 15.507 Tidak Tolak H0 Multivariat Normal Y114 132,364 6 12.592 Tidak Tolak H0 Multivariat Normal Y221 20,225 15 24.996 Tolak H0 Tidak Multivariat
Normal Y223 117,610 8 15.507 Tidak Tolak H0 Multivariat Normal Y224 82,740 11 19.675 Tidak Tolak H0 Multivariat Normal Y225 192,818 7 14.067 Tidak Tolak H0 Multivariat Normal
Tabel 6 dapat dilihat bahwa nilai daerah dibawah X2tolak H0 untuk semua variabel laten lebih besar dari 50% kecuali Keterbatasan Informasi (Y221), sehingga hal ini dapat disimpulkan variabel laten lainnya untuk pengukuran anak putus sekolah berdistribusi normal multivariat.
21 Gambar 4Nilai Standardized Estimate Model Eksternal
Identifikasi model berdasarkan derajat kebebasan (degree of freedom) didapatkan model dengan df = 2 yang menunjukkan model identified, hasil estimasi ini adalah model yang dapat diterima, model dengan kondisi seperti ini adalah model yang diinginkan dalam analisis.
Tabel 7Goodness of fit Variabel Eksternal
Kriteria Nilai Cut Off Hasil Model Keterangan Derajat bebas (db) >0 2 Memenuhi syarat Chi – Square Diharapkan kecil 414 Memenuhi syarat P-value P value ≥ 0.05 0.813 Memenuhi syarat
Goodness of Fit Index (GFI)
Pada Tabel 7, nilai X2dan probabilitasnya ≥ 0,05. Hal ini berarti H0tidak ditolak sehingga matrik varian kovarian populasi sama dengan matrik varian kovarian yang ditaksir. Nilai GFI = 0,999, AGFI = 0,997, TLI = 1,032 dan CFI = 1,000 telah memenuhi kriteria fit yaitu di atas 0,90 dan nilai RMSEA = 0,005 atau kurang dari 0,08. Secara keseluruhan model dapat diterima.
Tabel 8Loading Factor dan Nilai t Indikator Eksternal Hubungan Estimasi C.R R2
22 Berdasarkan Tabel 8, bahwa semua indikator secara signifikan membentuk variabel laten eksternal. Jika dilihat dari nilai R2 dan loading factor, maka indikator Y113 (Sarana Pendidik) merupakan indikator yang memberikan kontribusi terbesar, yaitu 47,50%.Tahap selanjutnya adalah uji reliabilitas. Menurut (Ferdinand, 2002), nilai
Construct Reliability sebagai berikut:
(ΣStd Loading) 2
Construct-reliability =
(ΣStd Loading) 2
- Σє ј
Tabel 9Reliabilitas Indikator Eksternal Item
Nilai construct reliability variabel laten eksternal menghasilkan nilai sebesar 0,6 nilai tersebut kurang dari 0,7, sehingga variabel laten Eksternal dikatakan memiliki reliabilitas yang cukup baik.
3.4.2 Uji Unidimensionalitas Variabel Laten Internal
Gambar 5Nilai Standardized Estimate Model Internal
Identifikasi model berdasarkan derajat kebebasan (degree of freedom) didapatkan model dengan df = 2 yang menunjukkan model identifed, hasil adalah model yang model dapat diterima, model dengan kondisi seperti ini adalah model yang diinginkan dalam analisis.
Tabel 10Goodness of fit Variabel Internal
23
Derajat bebas (db) >0 2 Memenuhi syarat Chi – Square Diharapkan kecil 8.611 Memenuhi syarat P-value P value ≥ 0.05 0.13 Memenuhi syarat
Pada Tabel 10, nilai X2dan probabilitasnya ≥ 0,05. Hal ini berarti H0tidak ditolak sehingga matrik varian kovarian populasi sama dengan matrik varian kovarian yang ditaksir. Nilai GFI = 0,989, AGFI = 0,943, TLI = 0,970 dan CFI = 0,910 telah memenuhi kriteria fit yaitu di atas 0,90 dan nilai RMSEA = 0,095 atau lebih dari 0,08. Secara keseluruhan model dapat diterima.
Tabel 11Loading Factor dan Nilai t Indikator Internal Hubungan Estimasi C.R R2
Y221 <--- Internal 0.800 0,640 Y223 <--- Internal 0.835 1.346 0,697 Y224 <--- Internal 0.723 1.351 0,523 Y225 <--- Internal 0.406 1.336 0,165
Berdasarkan Tabel 11, bahwa semua indikator secara signifikan membentuk variabel laten eksternal. Jika dilihat dari nilai R2 dan loading factor, maka indikator Y223 (Ekonomi) merupakan indikator yang memberikan kontribusi terbesar, yaitu 69,70%.Tahap selanjutnya adalah uji reliabilitas. Menurut (Ferdinand, 2002), nilai
Construct Reliability sebagai berikut:
(ΣStd Loading) 2
24 (ΣStd Loading) 2
- Σє ј
Tabel 12Reliabilitas Indikator Internal Item
Nilai construct reliability variabel laten eksternal menghasilkan nilai sebesar 0,795 nilai tersebut lebih dari 0,7, sehingga variabel laten Internal dikatakan memiliki reliabilitas yang sangatbaik.
3.4.3 Second Order Confirmatory Variabel Laten Faktor Putus Sekolah
Pengukuran atas variabel Faktor Putus Sekolah (Y), Variabel Eksternal (Y11), variabel Internal (Y22), dengan menggunakan model Second Comfirmatory Factor
Analysis(2CFA).
3.4.3.1 Hasil Analisis 2CFA Tahap Awal
Hasil pengujian dengan model Konfirmatori Kedua (Second Comfirmatory Factor
Analysis) dengan program AMOS 20 secara lengkap dapat dilihat padaLampiran 1.
Model dikatakan baik bilamemenuhi persyaratan kebaikan suatu model yang diukur dengan beberapa statistik secara teoritik. Hasil analisis 2CFA dalam bentuk diagram jalur Tahap Awal.
Tabel 13Indeks Kesesuaian 2CFA Tahap Awal Kriteria Nilai Cut-off
pada df = 42; alpha = 0,05
Hasil AMOS
Keterangan
Derajat bebas (db) >0 42 Memenuhi syarat
Chi – Square <58.124 142.296 Tidak Memenuhi
P-value P value ≥ 0.05 0,000 Tidak Memenuhi
25
Root Mean Square Error of Approximation (RMSEA)
< 0.08 ,081 Memenuhi syarat
Goodness of Fit Index (GFI) ≥ 0.90 0,935 Memenuhisyarat Adjusted Goodness of Fit Index
(AGFI)
≥ 0.90 0,897 Tidak memenuhi
Tucker Lewis Index (TLI) ≥ 0.95 0,811 Tidak memenuhi Comparative Fit Index (CFI) ≥ 0.95 0,856 Tidak memenuhi df = derajat bebas (Lampiran 1)
Selanjutnya beberapa hasil uji goodness of fit dari default model dapatdilihat pada Tabel 13, dimana hasil analisis menunjukkan bahwa modelbelum layak digunakan untuk pembuktian hipotesis, karena hanya ada tiga yang memenuhi kriteria indeks kesesuaian. Dengan demikian, perludilakukan modifikasi terhadap model. Modifikasi model dilakukan dengan caramerujuk pada modification indices, dengan memodifikasi model hubungan (covariance) antarerror dan tidak memodifikasi jalur pengaruh.
3.4.3.2 Hasil Analisis 2CFA Tahap Akhir
Hasil pengujian dengan model Konfirmatori Kedua (Second Confirmatory Analysis) dengan program AMOS 20 pada tahap akhir yakni tahap setelah dilakukan modifikasi model memberikan hasil kebaikan model (goodness of fit model) yang lebih baik, seperti yang disajikan pada Tabel 14. Pada Tabel tersebut ditunjukkan bahwa 9 (sembilan) kriteria yang digunakan untuk menilai kebaikan suatu model, semua kriteria telah dipenuhi.
Tabel 14Indeks Kesesuaian 2CFA Setelah Modifikasi Model
Kriteria Nilai Cut-off pada
df = 27; alpha = 0,05
Hasil AMOS
Keterangan
Derajat bebas (db) >0 27 Memenuhi syarat
Chi – Square <40.113 31.115 Memenuhi syarat
P-value P value ≥ 0.05 0,266 Memenuhi syarat
CMIN/DF ≤ 2,00 1,152 Memenuhi syarat
Root Mean Square Error of Approximation (RMSEA)
< 0.08 ,020 Memenuhi syarat
26 (AGFI)
Tucker Lewis Index (TLI) ≥ 0.95 0,988 Memenuhi syarat Comparative Fit Index (CFI) ≥ 0.95 0,994 Memenuhi syarat n = jumlah sampel ; df = derajat bebas
Pada Tabel 14 menunjukkan bahwa semua kriteria yang digunakan untuk menilai suatu model mempunyai nilai yang memenuhi syarat. Dibandingkan model tahap awal, dapat dilihat lebih banyak kriteria yang dapat dipenuhi oleh model hasil modifikasi dibandingkan model awal. Oleh karena model hasil modifikasi lebih baik, maka model inilah yang akan diinterpretasikan dalam penelitian ini.Selanjutnya, dapat dilihat koefisien jalur hubungan antar variabel eksogen dan endogen yang digunakan dalam penelitian untuk menguji hipotesis. Hasil analisis 2CFA tahap akhir nilai koefisien jalur dapat dilihat pada Tabel 15. Berdasarkan hasil analisis 2CFA, hubungan kausalitas antar variabel makapengujian hipotesis dapat dijelaskan pada Tabel 15 sebagai berikut.
Tabel 15Hasil Pengujian PengaruhFaktor Putus Sekolah
Variabel Model Estimate CR Prob Keterangan
Faktor Putus
Gambar 6 Hasil Analisa 2CFA : Pengaruh Variabel Eksternal dan Internal terhadapAnak Putus Sekolah.
Koefisien jalur pengaruh variabel eksternaldan internal sebesar 0.715 dan 0,335, dimana bentuk persamaan strukturalnya (structural equation) dapat dituliskan sebagai berikut:
Ŷ11 = 0,715Y, R-square = 0,511 dan Ŷ22 = 0,335Y, R-square = 0,112
Dari uraian sebelumnya telah dijelaskan tentang indikator yang dapat menentukan diterima atau tidaknya suatu hipotesis. Berdasarkan Tabel 15 interpretasi koefisien jalur adalah sebagai berikut. Hasil perhitungan AMOS yang disajikan pada Tabel 14 menunjukkan bahwa Faktor Putus Sekolah (Y) berpengaruh signifikan dan positif
27 terhadap variabel Eksternal (Y11) dan Internal (Y22). Hal ini terlihat dari koefisien jalur yang bertanda positif sebesar 0,715dan 0,335dengan nilai critical ratio (CR) sebesar 3.166dan 1,980 (lebih besar dari 1,96) dan diperoleh probabilitas signifikansi (p) sebesar <0,05. Nilai ini lebih kecil dari taraf signifikansi (α) yang ditentukan yaitu 0,05. Dengan demikian hipotesis penelitian telah terjawab, dimana Faktor Putus Sekolah (Y) berpengaruh signifikan terhadap variabel eksternal dan internal. Dengan kata lain dapat dikatakan pengaruh langsung dari Faktor Putus Sekolah (Y) terhadap variabel Eksternal (Y11) dan Internal (Y22) adalah sebesar 71,5% dan 33,50%. Artinya, setiap ada peningkatan kinerja faktor putus sekolah (Y) maka akan meningkatkan variabel eksternal sebesar 0,715 satuan dan variabel internal sebesar 0,335 satuan.
BAB 4
KESIMPULAN DAN SARAN
4.1 Kesimpulan
Kesimpulan yang diperoleh dalam penelitian ini :
1. Semua nilai koefisienberpengaruh secara signifikan terhadap variabel-variabel laten pada first order Confirmatory Factor Analysis (CFA).
2. Kontribusi terbesar pada variabel laten eksternal sebesar 71,5% dengan kontribusi masing-masing indikator:
• Faktor sarana pendidik 65%
• Faktor sarana pendidikan60,8%
• Faktor letak geografis56%
• Faktor persepsi masyarakat20,4%.
3. Kontribusi terbesar pada variabel laten internal sebesar 33,5% dengan kontribusi masing-masingindikator :
• Faktor ekonomi80,9%
• Faktor sosial masyarakat73,6%
• Faktor prioritas dan tanggungan orangtua 42%
• Faktor keterbatasan informasi 14,9%.
28 Model dari analisis faktor konfirmatori yang diperoleh dalam penelitian ini dapat dijadikan sebagai bahan rujukan untuk mengetahui faktor-faktor apa saja yang mempengaruhi anak putus sekolah pendidikan dasar di Kabupaten Padang Lawas Utara. Dengan faktor terbesar yang mempengaruhi anak putus sekolah di kabupaten Padang Lawas Utara yaitu sarana pendidik dan faktor ekonomi. Maka perlunya di Kabupaten Padang Lawas Utara menambah guru-guru dan memperbaiki fasilitas sekolah. Serta memberi bantuan yang lebih pada bidang pendidikan khususnya pendidikan dasar.
DAFTAR PUSTAKA
Azwar, S. 2000, Reliabilitas dan Validitas.Yogya BPS Kabupaten Padang Lawas Utara Dalam Angka. Statistik Pendidikan 2013.
BPS Paluta. Medan.
Febriana, Prihatin. 2011.Penyebab PutusSekolah Usia Pendidikan Dasar (7-15 tahun) di Kecamatan LabuhanHaji Kabupaten Lombok Timurtahun 2011.(skripsi tidakditerbitkan). Singaraja: UNDIKSHASingaraja. Ferdinand, A. 2002. Structural Equation Modeling Dalam Penelitian
Manajemen: Aplikasi Model-Model Rumit Dalam Penelitian untuk Tesis Magister dan Disertasi Doktor, Edisi 2, Semarang:Badan Penerbit –
Undip.
Ghozali, I. 2008. Model Persamaan Structural Konsep Dan Aplikasi Dengan Program Amos 16, Semarang: Badan Penerbit – Undip.
Hair J.F., Anderson Rolp. Tatham E., Ronald L., and Black William C. 1998.
Multivariate Data Analysis, Fifth Edition, New York: Prentice-Hall
International Inc.
Yasril dan Kasjono, H, Subaris. 2009. Analisis Multivariat. Yogyakarta: Mitra Cendekia.
29 http : //www.imadiklus.com/2012/07/
penyebab-anak-anak-putus-sekolah-dan-cara penanggulanganya.html. Diakses pada tanggal 26 Juli 2012. http : //www.linkpdf.com/ebook. Diakses pada tanggal 2 Agustus 2012. http://putrapaluta.blogspot.com/2011/03/pemkab-paluta-terbanyak-desa-
