LAMPIRAN
KUESIONER Perihal : Permohonan PengisianAngket Lampiran : Satu berkas
JudulSkripsi : Analisis Faktor Untuk Peningkatan Mutu Madrasah Tsanawiyah Al-Washliyah Medan Krio
Dengan hormat,
Dalam rangka penulisan skripsi Program Sarjana Sains, Departemen Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Sumatera Utara, maka saya mohon bantuan kesediaan saudara/i untuk mengisi kuesioner ini dengan sebaiknya. Kuesioner ini akan digunakan dalam analisis peningkatan mutu yang nantinya dapat menjadi masukan dalam perbaikan dan peningkatan mutu di sekolah Madrasah Tsanawiyah Al-Washliyah Medan Krio
Saya menjamin kerahasiaan data yang saudara/i berikan, karena jawaban tersebut hanya sebagai bahan penelitian dan tidak untuk dipublikasikan.Atas kesediaan dan kerjasamanya saya ucapkan terima kasih.
Tingkat Kepentingan
Pengisian kuesioner ini bertujuan untuk mengetahui pendapat anda mengenai variabel apa yang paling penting untuk meningkatkan mutu Madrasah Tsanawiyah Al-Washliyah Medan Krio.
Berilah tanda silang (X) padaskala (1, 2, 3, 4 dan 5) yang tersedia sesuai dengan
KEMENTERIAN RISET, TEKNOLOGI DAN PENDIDIKAN TINGGI UNIVERSITAS SUMATERA UTARA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM Jalan Bioteknologi No. 1 Kampus USU Medan 20155 Telp/Fax. (061) 8214290
No DaftarPertanyaan Tingkat Kepentingan 4 Kelengkapan fasilitas misal: toilet, musholla,
kantin, tempat sampah, danfotocopy 1 2 3 4 5
II. DIMENSI RELIABILITY (KEHANDALAN)
9 Guru yang kompeten sesuai dengan keahliannya 1 2 3 4 5 10 Reward (penghargaan) bagi anak didik, bahkan
guru dan pegawai yang aktif dan berprestasi 1 2 3 4 5 11 Proses belajar mengajar yang aktif dan kreatif 1 2 3 4 5 III. DIMENSI RESPONSIVENESS (DAYA TANGGAP)
12 Respon yang baik dalam menerima kritik dan V. DIMENSI EMPATHY (KEPEDULIAN)
LAMPIRAN 2
DATA PENELITIAN RESPONDEN
X1 X2 X3 X4 X5 X6 X7 X8 X9 X10 X11 X12 X13 X14 X15 X16 X17 X18
4 4 3 3 4 1 2 5 2 2 3 3 2 3 3 2 2 2
4 4 4 3 4 3 2 4 1 2 3 4 3 2 2 2 1 1
4 3 3 3 4 2 2 4 1 2 2 3 2 2 2 1 2 1
4 3 3 4 5 1 3 4 1 2 3 2 1 3 1 1 3 1
4 3 4 4 4 1 3 4 1 2 3 2 2 2 1 2 2 1
4 3 3 3 4 5 2 3 2 2 2 2 2 3 2 2 1 1
4 3 4 4 5 2 2 3 1 1 2 1 1 1 2 1 1 1
5 4 3 5 5 3 4 5 4 3 3 4 3 3 3 1 2 1
5 2 4 5 5 1 2 5 2 2 2 2 1 2 4 2 1 1
4 4 4 3 3 3 2 4 3 2 3 3 3 4 3 3 3 1
4 4 3 3 4 1 2 5 1 2 2 1 2 3 2 1 1 1
1 3 5 5 4 1 2 5 1 1 2 3 2 4 3 2 2 1
2 3 4 5 4 2 3 3 2 2 3 2 2 3 2 1 2 3
3 4 4 5 4 2 3 3 2 2 2 5 4 2 2 3 2 5
3 3 2 3 2 1 3 1 3 3 1 3 3 2 2 2 2 1
3 3 2 3 2 1 3 1 3 3 2 3 3 2 2 2 2 1
3 3 2 3 2 1 3 1 3 3 1 3 3 2 2 2 2 1
3 3 1 4 1 2 3 1 2 1 3 1 1 2 3 1 2 1
3 4 4 3 3 1 2 2 2 2 3 3 2 3 2 3 2 1
3 4 3 3 3 2 2 2 2 2 2 2 3 2 3 2 2 3
4 3 4 4 5 2 2 3 1 2 2 3 3 2 2 3 2 2
2 4 4 5 3 1 2 2 2 2 2 3 3 5 3 2 2 2
3 3 4 3 4 2 2 3 3 3 2 3 3 5 4 2 2 2
2 3 4 4 2 1 2 1 1 2 2 2 1 2 2 1 3 3
4 3 4 4 5 2 2 3 1 1 2 1 1 1 1 1 1 1
3 3 4 4 3 2 2 3 2 1 4 2 3 3 2 3 3 2
3 3 4 4 3 2 3 4 1 2 3 1 3 2 2 2 1 1
4 4 5 4 4 1 2 2 1 2 2 2 2 2 4 2 1 1
4 2 3 4 3 1 2 3 1 4 3 2 3 2 3 3 2 1
4 1 3 2 2 2 1 4 1 2 1 3 4 3 4 2 2 1
4 2 3 3 2 1 1 1 1 2 3 2 2 1 3 2 1 2
4 2 4 4 3 1 3 5 2 3 4 2 1 2 3 4 3 2
4 2 3 5 3 2 3 5 2 3 2 5 3 4 4 4 2 2
4 2 4 4 2 1 4 4 1 4 4 4 4 3 1 1 1 1
4 2 4 4 3 2 4 4 2 4 3 4 2 3 3 1 1 1
4 2 4 3 4 2 5 4 1 3 4 4 3 2 3 1 2 2
4 2 4 4 4 1 4 3 2 1 2 4 2 2 4 2 2 3
4 1 4 2 4 1 2 4 1 2 1 2 1 2 2 2 1 1
3 2 2 3 3 1 4 4 1 2 3 2 1 2 4 2 2 3
4 3 3 3 3 2 3 3 2 2 3 2 3 2 3 3 4 3
4 3 4 4 3 2 3 4 2 3 2 3 3 3 3 3 2 3
4 3 4 4 3 2 4 4 2 3 2 3 3 3 3 3 2 3
4 2 3 3 3 2 2 2 2 3 3 2 4 3 3 3 3 2
3 1 3 4 3 2 3 4 1 2 2 5 5 1 2 1 1 1
2 1 2 2 2 1 1 3 2 1 1 1 1 1 2 1 1 2
2 1 2 3 3 1 2 3 1 2 1 3 2 2 1 1 1 1
1 2 4 3 3 1 2 4 1 2 2 3 2 1 1 1 1 1
4 2 3 4 5 2 3 4 2 4 3 3 3 2 3 2 3 2
4 1 2 2 2 3 4 4 3 2 3 3 3 2 3 2 2 3
3 1 3 2 3 1 2 4 1 3 4 3 4 2 4 2 4 1
2 1 3 2 4 1 2 4 2 1 2 4 1 4 2 1 2 1
3 1 2 2 3 1 3 3 1 2 3 1 2 2 3 1 2 2
3 1 2 2 2 1 1 2 1 1 1 3 3 2 1 1 1 1
4 1 2 1 2 1 1 4 1 2 2 4 4 1 4 1 2 1
4 1 1 2 2 1 1 4 1 1 1 1 2 2 1 2 1 2
2 1 2 2 3 1 1 2 1 1 1 2 3 2 1 1 1 1
3 2 3 2 2 2 2 3 1 1 2 3 4 3 2 2 3 1
3 3 3 3 3 2 3 3 2 2 2 4 4 4 2 3 4 3
3 2 3 4 4 3 4 4 1 3 3 5 4 3 2 2 2 3
4 1 2 2 2 1 3 4 1 2 2 2 3 1 2 3 2 1
3 1 4 3 3 1 3 4 1 3 3 4 4 3 2 3 2 1
3 1 3 4 3 1 2 4 1 3 3 4 4 3 2 3 3 1
4 2 3 2 3 2 2 4 1 4 3 4 4 2 2 2 2 1
3 2 2 2 4 1 2 4 2 3 1 5 4 2 2 3 2 2
4 1 2 2 3 1 2 4 1 4 3 4 2 1 1 2 1 4
2 2 3 4 4 2 3 4 2 4 3 4 4 3 2 3 2 1
2 4 5 4 3 2 2 2 1 2 2 3 3 1 1 2 1 1
2 4 2 3 1 2 3 1 2 3 1 5 3 1 1 1 1 1
2 3 3 4 2 1 2 1 1 2 2 3 4 1 1 1 1 1
4 4 4 3 1 1 4 5 1 1 2 5 4 1 2 1 4 2
2 4 4 4 2 1 2 2 4 1 1 2 1 3 1 2 4 2
2 4 4 3 1 2 3 2 1 3 2 5 4 1 1 2 2 1
3 4 3 3 1 2 3 2 1 3 2 5 4 2 1 2 2 1
3 4 4 3 2 4 1 5 3 3 2 2 2 4 2 2 2 3
2 5 4 1 3 1 2 4 3 2 1 2 4 3 2 2 2 1
2 5 5 1 4 3 2 5 3 5 1 5 5 5 1 4 4 5
3 3 4 3 2 2 2 4 2 2 2 4 4 2 2 2 3 2
2 4 5 4 4 1 2 2 1 2 1 3 3 2 2 1 1 2
2 3 4 3 3 2 3 4 2 2 2 3 4 2 2 2 2 2
3 3 4 4 2 1 3 2 1 2 1 5 4 2 1 2 2 1
2 1 4 4 2 1 2 2 1 2 1 4 5 1 2 2 2 1
3 3 4 4 3 1 2 5 1 1 2 5 4 3 2 1 4 2
3 3 4 4 3 2 2 5 1 2 3 5 4 1 1 2 4 1
3 4 3 3 2 1 3 4 1 1 2 5 4 1 2 1 1 2
3 4 3 3 2 2 3 4 1 1 1 5 4 1 1 1 2 2
2 4 4 3 2 1 3 5 2 3 1 3 2 3 1 2 3 1
2 4 4 3 2 1 2 5 2 2 1 2 4 3 3 2 4 2
2 5 5 3 2 1 3 3 1 2 1 5 4 2 2 1 3 1
16 1 29 0,333 0,333 0,364 -0,431 1,000
2 39 0,448 0,782 0,295 0,778 2,244
3 16 0,184 0,966 0,076 1,819 3,279
4 3 0,034 1,000 0,000 8,161 4,304
17 1 25 0,287 0,287 0,341 -0,561 1,000
2 41 0,471 0,759 0,312 0,702 2,248
3 12 0,138 0,897 0,180 1,262 3,143
4 9 0,103 1,000 0,000 3,925
18 1 49 0,563 0,563 0,394 0,159 1,000
2 23 0,264 0,828 0,255 0,945 2,224
3 12 0,138 0,966 0,076 1,819 2,997
4 1 0,011 0,977 0,054 1,996 3,602
5 2 0,023 1,000 0,000 8,161 4,069
LAMPIRAN 4
X1 X2 X3 X4 X5 X6 X7 X8 X9 X10 X11 X12 X13 X14 X15 X16 X17 X18 4,000 4,000 3,000 3,000 4,000 1,000 2,000 5,000 2,000 2,000 3,000 3,000 2,000 3,000 3,000 2,000 2,000 2,000 4,246 3,449 3,979 2,925 3,909 3,355 2,293 3,200 1,000 2,227 3,173 3,397 2,583 2,166 2,185 2,244 1,000 1,000 4,246 2,559 2,958 2,925 3,909 2,367 2,293 3,200 1,000 2,227 2,155 2,765 1,882 2,166 2,185 1,000 2,248 1,000 4,246 2,559 2,958 3,917 4,860 1,000 3,399 3,200 1,000 2,227 3,173 1,990 1,000 3,126 1,000 1,000 3,143 1,000 4,246 2,559 3,979 3,917 3,909 1,000 3,399 3,200 1,000 2,227 3,173 1,990 1,882 2,166 1,000 2,244 2,248 1,000 4,246 2,559 2,958 2,925 3,909 4,370 2,293 2,406 2,301 2,227 2,155 1,990 1,882 3,126 2,185 2,244 1,000 1,000 4,246 2,559 3,979 3,917 4,860 2,367 2,293 2,406 1,000 1,000 2,155 1,000 1,000 1,000 2,185 1,000 1,000 1,000 5,739 3,449 2,958 5,069 4,860 3,355 4,379 4,351 4,086 3,236 3,173 3,397 2,583 3,126 3,110 1,000 2,248 1,000 5,739 1,879 3,979 5,069 4,860 1,000 2,293 4,351 2,301 2,227 2,155 1,990 1,000 2,166 4,031 2,244 1,000 1,000 4,246 3,449 3,979 2,925 3,064 3,355 2,293 3,200 3,196 2,227 3,173 2,765 2,583 3,882 3,110 3,279 3,143 1,000 4,246 3,449 2,958 2,925 3,909 1,000 2,293 4,351 1,000 2,227 2,155 1,000 1,882 3,126 2,185 1,000 1,000 1,000 1,000 2,559 5,294 5,069 3,909 1,000 2,293 4,351 1,000 1,000 2,155 2,765 1,882 3,882 3,110 2,244 2,248 1,000 2,240 2,559 3,979 5,069 3,909 2,367 3,399 2,406 2,301 2,227 3,173 1,990 1,882 3,126 2,185 1,000 2,248 2,997 3,190 3,449 3,979 5,069 3,909 2,367 3,399 2,406 2,301 2,227 2,155 4,240 3,519 2,166 2,185 3,279 2,248 4,069 3,190 2,559 2,084 2,925 2,123 1,000 3,399 1,000 3,196 3,236 1,000 2,765 2,583 2,166 2,185 2,244 2,248 1,000 3,190 2,559 2,084 2,925 2,123 1,000 3,399 1,000 3,196 3,236 2,155 2,765 2,583 2,166 2,185 2,244 2,248 1,000 3,190 2,559 2,084 2,925 2,123 1,000 3,399 1,000 3,196 3,236 1,000 2,765 2,583 2,166 2,185 2,244 2,248 1,000 3,190 2,559 1,000 3,917 1,000 2,367 3,399 1,000 2,301 1,000 3,173 1,000 1,000 2,166 3,110 1,000 2,248 1,000 3,190 3,449 3,979 2,925 3,064 1,000 2,293 1,833 2,301 2,227 3,173 2,765 1,882 3,126 2,185 3,279 2,248 1,000 3,190 3,449 2,958 2,925 3,064 2,367 2,293 1,833 2,301 2,227 2,155 1,990 2,583 2,166 3,110 2,244 2,248 2,997
4,246 2,559 3,979 3,917 4,860 2,367 2,293 2,406 1,000 2,227 2,155 2,765 2,583 2,166 2,185 3,279 2,248 2,224 2,240 3,449 3,979 5,069 3,064 1,000 2,293 1,833 2,301 2,227 2,155 2,765 2,583 4,594 3,110 2,244 2,248 2,224 3,190 2,559 3,979 2,925 3,909 2,367 2,293 2,406 3,196 3,236 2,155 2,765 2,583 4,594 4,031 2,244 2,248 2,224 2,240 2,559 3,979 3,917 2,123 1,000 2,293 1,000 1,000 2,227 2,155 1,990 1,000 2,166 2,185 1,000 3,143 2,997 4,246 2,559 3,979 3,917 4,860 2,367 2,293 2,406 1,000 1,000 2,155 1,000 1,000 1,000 1,000 1,000 1,000 1,000 3,190 2,559 3,979 3,917 3,064 2,367 2,293 2,406 2,301 1,000 4,296 1,990 2,583 3,126 2,185 3,279 3,143 2,224 3,190 2,559 3,979 3,917 3,064 2,367 3,399 3,200 1,000 2,227 3,173 1,000 2,583 2,166 2,185 2,244 1,000 1,000 4,246 3,449 5,294 3,917 3,909 1,000 2,293 1,833 1,000 2,227 2,155 1,990 1,882 2,166 4,031 2,244 1,000 1,000 4,246 1,879 2,958 3,917 3,064 1,000 2,293 2,406 1,000 4,089 3,173 1,990 2,583 2,166 3,110 3,279 2,248 1,000 4,246 1,000 2,958 1,999 2,123 2,367 1,000 3,200 1,000 2,227 1,000 2,765 3,519 3,126 4,031 2,244 2,248 1,000 4,246 1,879 2,958 2,925 2,123 1,000 1,000 1,000 1,000 2,227 3,173 1,990 1,882 1,000 3,110 2,244 1,000 2,224 4,246 1,879 3,979 3,917 3,064 1,000 3,399 4,351 2,301 3,236 4,296 1,990 1,000 2,166 3,110 4,304 3,143 2,224 4,246 1,879 2,958 5,069 3,064 2,367 3,399 4,351 2,301 3,236 2,155 4,240 2,583 3,882 4,031 4,304 2,248 2,224 4,246 1,879 3,979 3,917 2,123 1,000 4,379 3,200 1,000 4,089 4,296 3,397 3,519 3,126 1,000 1,000 1,000 1,000 4,246 1,879 3,979 3,917 3,064 2,367 4,379 3,200 2,301 4,089 3,173 3,397 1,882 3,126 3,110 1,000 1,000 1,000 4,246 1,879 3,979 2,925 3,909 2,367 5,412 3,200 1,000 3,236 4,296 3,397 2,583 2,166 3,110 1,000 2,248 2,224 4,246 1,879 3,979 3,917 3,909 1,000 4,379 2,406 2,301 1,000 2,155 3,397 1,882 2,166 4,031 2,244 2,248 2,997 4,246 1,000 3,979 1,999 3,909 1,000 2,293 3,200 1,000 2,227 1,000 1,990 1,000 2,166 2,185 2,244 1,000 1,000 3,190 1,879 2,084 2,925 3,064 1,000 4,379 3,200 1,000 2,227 3,173 1,990 1,000 2,166 4,031 2,244 2,248 2,997 4,246 2,559 2,958 2,925 3,064 2,367 3,399 2,406 2,301 2,227 3,173 1,990 2,583 2,166 3,110 3,279 3,925 2,997
4,246 2,559 3,979 3,917 3,064 2,367 3,399 3,200 2,301 3,236 2,155 2,765 2,583 3,126 3,110 3,279 2,248 2,997 4,246 2,559 3,979 3,917 3,064 2,367 4,379 3,200 2,301 3,236 2,155 2,765 2,583 3,126 3,110 3,279 2,248 2,997 4,246 1,879 2,958 2,925 3,064 2,367 2,293 1,833 2,301 3,236 3,173 1,990 3,519 3,126 3,110 3,279 3,143 2,224 3,190 1,000 2,958 3,917 3,064 2,367 3,399 3,200 1,000 2,227 2,155 4,240 4,811 1,000 2,185 1,000 1,000 1,000 2,240 1,000 2,084 1,999 2,123 1,000 1,000 2,406 2,301 1,000 1,000 1,000 1,000 1,000 2,185 1,000 1,000 2,224 2,240 1,000 2,084 2,925 3,064 1,000 2,293 2,406 1,000 2,227 1,000 2,765 1,882 2,166 1,000 1,000 1,000 1,000 1,000 1,879 3,979 2,925 3,064 1,000 2,293 3,200 1,000 2,227 2,155 2,765 1,882 1,000 1,000 1,000 1,000 1,000 4,246 1,879 2,958 3,917 4,860 2,367 3,399 3,200 2,301 4,089 3,173 2,765 2,583 2,166 3,110 2,244 3,143 2,224 4,246 1,000 2,084 1,999 2,123 3,355 4,379 3,200 3,196 2,227 3,173 2,765 2,583 2,166 3,110 2,244 2,248 2,997 3,190 1,000 2,958 1,999 3,064 1,000 2,293 3,200 1,000 3,236 4,296 2,765 3,519 2,166 4,031 2,244 3,925 1,000 2,240 1,000 2,958 1,999 3,909 1,000 2,293 3,200 2,301 1,000 2,155 3,397 1,000 3,882 2,185 1,000 2,248 1,000 3,190 1,000 2,084 1,999 3,064 1,000 3,399 2,406 1,000 2,227 3,173 1,000 1,882 2,166 3,110 1,000 2,248 2,224 3,190 1,000 2,084 1,999 2,123 1,000 1,000 1,833 1,000 1,000 1,000 2,765 2,583 2,166 1,000 1,000 1,000 1,000 4,246 1,000 2,084 1,000 2,123 1,000 1,000 3,200 1,000 2,227 2,155 3,397 3,519 1,000 4,031 1,000 2,248 1,000 4,246 1,000 1,000 1,999 2,123 1,000 1,000 3,200 1,000 1,000 1,000 1,000 1,882 2,166 1,000 2,244 1,000 2,224 2,240 1,000 2,084 1,999 3,064 1,000 1,000 1,833 1,000 1,000 1,000 1,990 2,583 2,166 1,000 1,000 1,000 1,000 3,190 1,879 2,958 1,999 2,123 2,367 2,293 2,406 1,000 1,000 2,155 2,765 3,519 3,126 2,185 2,244 3,143 1,000 3,190 2,559 2,958 2,925 3,064 2,367 3,399 2,406 2,301 2,227 2,155 3,397 3,519 3,882 2,185 3,279 3,925 2,997 3,190 1,879 2,958 3,917 3,909 3,355 4,379 3,200 1,000 3,236 3,173 4,240 3,519 3,126 2,185 2,244 2,248 2,997 4,246 1,000 2,084 1,999 2,123 1,000 3,399 3,200 1,000 2,227 2,155 1,990 2,583 1,000 2,185 3,279 2,248 1,000
3,190 1,000 3,979 2,925 3,064 1,000 3,399 3,200 1,000 3,236 3,173 3,397 3,519 3,126 2,185 3,279 2,248 1,000 3,190 1,000 2,958 3,917 3,064 1,000 2,293 3,200 1,000 3,236 3,173 3,397 3,519 3,126 2,185 3,279 3,143 1,000 4,246 1,879 2,958 1,999 3,064 2,367 2,293 3,200 1,000 4,089 3,173 3,397 3,519 2,166 2,185 2,244 2,248 1,000 3,190 1,879 2,084 1,999 3,909 1,000 2,293 3,200 2,301 3,236 1,000 4,240 3,519 2,166 2,185 3,279 2,248 2,224 4,246 1,000 2,084 1,999 3,064 1,000 2,293 3,200 1,000 4,089 3,173 3,397 1,882 1,000 1,000 2,244 1,000 3,602 2,240 1,879 2,958 3,917 3,909 2,367 3,399 3,200 2,301 4,089 3,173 3,397 3,519 3,126 2,185 3,279 2,248 1,000 2,240 3,449 5,294 3,917 3,064 2,367 2,293 1,833 1,000 2,227 2,155 2,765 2,583 1,000 1,000 2,244 1,000 1,000 2,240 3,449 2,084 2,925 1,000 2,367 3,399 1,000 2,301 3,236 1,000 4,240 2,583 1,000 1,000 1,000 1,000 1,000 2,240 2,559 2,958 3,917 2,123 1,000 2,293 1,000 1,000 2,227 2,155 2,765 3,519 1,000 1,000 1,000 1,000 1,000 4,246 3,449 3,979 2,925 1,000 1,000 4,379 4,351 1,000 1,000 2,155 4,240 3,519 1,000 2,185 1,000 3,925 2,224 2,240 3,449 3,979 3,917 2,123 1,000 2,293 1,833 4,086 1,000 1,000 1,990 1,000 3,126 1,000 2,244 3,925 2,224 2,240 3,449 3,979 2,925 1,000 2,367 3,399 1,833 1,000 3,236 2,155 4,240 3,519 1,000 1,000 2,244 2,248 1,000 3,190 3,449 2,958 2,925 1,000 2,367 3,399 1,833 1,000 3,236 2,155 4,240 3,519 2,166 1,000 2,244 2,248 1,000 3,190 3,449 3,979 2,925 2,123 3,874 1,000 4,351 3,196 3,236 2,155 1,990 1,882 3,882 2,185 2,244 2,248 2,997 2,240 4,594 3,979 1,000 3,064 1,000 2,293 3,200 3,196 2,227 1,000 1,990 3,519 3,126 2,185 2,244 2,248 1,000 2,240 4,594 5,294 1,000 3,909 3,355 2,293 4,351 3,196 5,030 1,000 4,240 4,811 4,594 1,000 4,304 3,925 4,069 3,190 2,559 3,979 2,925 2,123 2,367 2,293 3,200 2,301 2,227 2,155 3,397 3,519 2,166 2,185 2,244 3,143 2,224 2,240 3,449 5,294 3,917 3,909 1,000 2,293 1,833 1,000 2,227 1,000 2,765 2,583 2,166 2,185 1,000 1,000 2,224 2,240 2,559 3,979 2,925 3,064 2,367 3,399 3,200 2,301 2,227 2,155 2,765 3,519 2,166 2,185 2,244 2,248 2,224 3,190 2,559 3,979 3,917 2,123 1,000 3,399 1,833 1,000 2,227 1,000 4,240 3,519 2,166 1,000 2,244 2,248 1,000
2,240 1,000 3,979 3,917 2,123 1,000 2,293 1,833 1,000 2,227 1,000 3,397 4,811 1,000 2,185 2,244 2,248 1,000 3,190 2,559 3,979 3,917 3,064 1,000 2,293 4,351 1,000 1,000 2,155 4,240 3,519 3,126 2,185 1,000 3,925 2,224 3,190 2,559 3,979 3,917 3,064 2,367 2,293 4,351 1,000 2,227 3,173 4,240 3,519 1,000 1,000 2,244 3,925 1,000 3,190 3,449 2,958 2,925 2,123 1,000 3,399 3,200 1,000 1,000 2,155 4,240 3,519 1,000 2,185 1,000 1,000 2,224 3,190 3,449 2,958 2,925 2,123 2,367 3,399 3,200 1,000 1,000 1,000 4,240 3,519 1,000 1,000 1,000 2,248 2,224 2,240 3,449 3,979 2,925 2,123 1,000 3,399 4,351 2,301 3,236 1,000 2,765 1,882 3,126 1,000 2,244 3,143 1,000 2,240 3,449 3,979 2,925 2,123 1,000 2,293 4,351 2,301 2,227 1,000 1,990 3,519 3,126 3,110 2,244 3,925 2,224 2,240 4,594 5,294 2,925 2,123 1,000 3,399 2,406 1,000 2,227 1,000 4,240 3,519 2,166 2,185 1,000 3,143 1,000
LAMPIRAN 5
HASIL OUTPUT SPSS HASIL PERHITUNGAN UJI VALIDITAS
Total Variance Explained
Component
Initial Eigenvalues
Extraction Sums of Squared Loadings
HASIL PERHITUNGAN RELIABILITAS
Case Processing Summary
N %
Cases Valid 88 100.0
Excludeda 0 .0
Total 88 100.0
a. Listwise deletion based on all variables in the procedure.
Reliability Statistics
Cronbach's Alpha
Cronbach's Alpha Based on Standardized
Items N of Items
,711 ,711 18
KMO and Bartlett's Test Kaiser-Meyer-Olkin Measure of Sampling Adequacy.
.595 Bartlett's Test of
Sphericity
Approx. Chi-Square 446.174
df 153
Sig. .000
Communalities Initial Extraction
x1 1.000 .623
x2 1.000 .693
x3 1.000 .784
x4 1.000 .722
x5 1.000 .712
x6 1.000 .692
x7 1.000 .722
x8 1.000 .644
x9 1.000 .759
x10 1.000 .518
x11 1.000 .629
x12 1.000 .760
x13 1.000 .752
x14 1.000 .628
x15 1.000 .541
x16 1.000 .531
x17 1.000 .694
x18 1.000 .310
Extraction Method: Principal Component Analysis.
Correlation Matrixa
x1 x2 x3 x4 x5 x6 x7 x8 x9 x10 x11 x12 x13 x14 x15 x16 x17 x18
Correlation x1 1,000 -,180 -,162 ,049 ,301 ,207 ,180 ,271 -,014 ,142 ,401 -,120 -,160 -,065 ,385 ,161 -,081 ,004
x2 -,180 1,000 ,497 ,227 -,003 ,225 ,099 -,069 ,320 -,020 -,168 ,112 ,084 ,201 -,162 ,024 ,212 ,135
x3 -,162 ,497 1,000 ,404 ,293 ,092 ,062 ,202 -,027 ,036 ,039 ,146 ,092 ,246 ,000 ,146 ,180 ,071
x4 ,049 ,227 ,404 1,000 ,306 ,054 ,315 -,047 ,018 -,020 ,253 ,033 -,149 ,097 ,099 ,042 -,030 ,008
x5 ,301 -,003 ,293 ,306 1,000 ,168 ,019 ,338 ,023 ,077 ,248 -,161 -,283 ,251 ,196 ,096 -,121 ,093
x6 ,207 ,225 ,092 ,054 ,168 1,000 ,110 ,144 ,306 ,193 ,176 ,098 ,140 ,243 ,032 ,170 ,017 ,214
x7 ,180 ,099 ,062 ,315 ,019 ,110 1,000 ,128 ,119 ,273 ,346 ,322 ,102 -,012 ,102 ,006 ,113 ,161
x8 ,271 -,069 ,202 -,047 ,338 ,144 ,128 1,000 -,024 ,130 ,216 ,157 ,055 ,262 ,163 ,151 ,222 ,114
x9 -,014 ,320 -,027 ,018 ,023 ,306 ,119 -,024 1,000 ,207 -,088 -,061 -,076 ,467 ,192 ,283 ,262 ,253
x10 ,142 -,020 ,036 -,020 ,077 ,193 ,273 ,130 ,207 1,000 ,274 ,286 ,280 ,228 ,069 ,393 ,067 ,138
x11 ,401 -,168 ,039 ,253 ,248 ,176 ,346 ,216 -,088 ,274 1,000 -,083 -,090 ,073 ,292 ,169 ,134 ,043
x12 -,120 ,112 ,146 ,033 -,161 ,098 ,322 ,157 -,061 ,286 -,083 1,000 ,649 -,001 -,161 ,067 ,188 ,104
x13 -,160 ,084 ,092 -,149 -,283 ,140 ,102 ,055 -,076 ,280 -,090 ,649 1,000 ,008 -,093 ,210 ,279 ,046
x14 -,065 ,201 ,246 ,097 ,251 ,243 -,012 ,262 ,467 ,228 ,073 -,001 ,008 1,000 ,250 ,364 ,324 ,202
x15 ,385 -,162 ,000 ,099 ,196 ,032 ,102 ,163 ,192 ,069 ,292 -,161 -,093 ,250 1,000 ,223 ,110 ,131
x16 ,161 ,024 ,146 ,042 ,096 ,170 ,006 ,151 ,283 ,393 ,169 ,067 ,210 ,364 ,223 1,000 ,350 ,321
x17 -,081 ,212 ,180 -,030 -,121 ,017 ,113 ,222 ,262 ,067 ,134 ,188 ,279 ,324 ,110 ,350 1,000 ,269
x18 ,004 ,135 ,071 ,008 ,093 ,214 ,161 ,114 ,253 ,138 ,043 ,104 ,046 ,202 ,131 ,321 ,269 1,000
Sig. (1-tailed)
x1 ,046 ,066 ,326 ,002 ,027 ,046 ,005 ,449 ,093 ,000 ,133 ,069 ,273 ,000 ,067 ,227 ,485
x2 ,046 ,000 ,017 ,490 ,018 ,179 ,263 ,001 ,427 ,059 ,149 ,218 ,030 ,066 ,413 ,024 ,106
x3 ,066 ,000 ,000 ,003 ,196 ,283 ,030 ,401 ,369 ,358 ,087 ,197 ,010 ,499 ,087 ,046 ,256
x4 ,326 ,017 ,000 ,002 ,310 ,001 ,333 ,434 ,427 ,009 ,380 ,083 ,184 ,179 ,348 ,389 ,472
x5 ,002 ,490 ,003 ,002 ,059 ,429 ,001 ,415 ,237 ,010 ,067 ,004 ,009 ,034 ,188 ,131 ,195
x6 ,027 ,018 ,196 ,310 ,059 ,155 ,091 ,002 ,035 ,050 ,182 ,097 ,011 ,384 ,057 ,437 ,023
x7 ,046 ,179 ,283 ,001 ,429 ,155 ,117 ,134 ,005 ,000 ,001 ,171 ,455 ,172 ,479 ,146 ,067
x8 ,005 ,263 ,030 ,333 ,001 ,091 ,117 ,414 ,114 ,022 ,072 ,304 ,007 ,065 ,081 ,019 ,146
x9 ,449 ,001 ,401 ,434 ,415 ,002 ,134 ,414 ,027 ,208 ,286 ,241 ,000 ,037 ,004 ,007 ,009
x10 ,093 ,427 ,369 ,427 ,237 ,035 ,005 ,114 ,027 ,005 ,003 ,004 ,016 ,262 ,000 ,266 ,099
x11 ,000 ,059 ,358 ,009 ,010 ,050 ,000 ,022 ,208 ,005 ,220 ,201 ,249 ,003 ,058 ,107 ,346
x12 ,133 ,149 ,087 ,380 ,067 ,182 ,001 ,072 ,286 ,003 ,220 ,000 ,498 ,067 ,268 ,040 ,167
x13 ,069 ,218 ,197 ,083 ,004 ,097 ,171 ,304 ,241 ,004 ,201 ,000 ,470 ,193 ,025 ,004 ,336
x14 ,273 ,030 ,010 ,184 ,009 ,011 ,455 ,007 ,000 ,016 ,249 ,498 ,470 ,009 ,000 ,001 ,030
x15 ,000 ,066 ,499 ,179 ,034 ,384 ,172 ,065 ,037 ,262 ,003 ,067 ,193 ,009 ,019 ,154 ,113
x16 ,067 ,413 ,087 ,348 ,188 ,057 ,479 ,081 ,004 ,000 ,058 ,268 ,025 ,000 ,019 ,000 ,001
x17 ,227 ,024 ,046 ,389 ,131 ,437 ,146 ,019 ,007 ,266 ,107 ,040 ,004 ,001 ,154 ,000 ,006
x18 ,485 ,106 ,256 ,472 ,195 ,023 ,067 ,146 ,009 ,099 ,346 ,167 ,336 ,030 ,113 ,001 ,006
Anti-image Matrices
x1 x2 x3 x4 x5 x6 x7 x8 x9 x10 x11 x12 x13 x14 x15 x16 x17 x18
Anti-image Covariance
x1 ,541 -,060 ,131 ,017 -,116 -,129 -,054 -,128 ,044 -,024 -,081 -,002 ,060 ,140 -,208 -,119 ,024 ,089
x2 -,060 ,507 -,249 -,039 ,057 -,085 -,037 ,087 -,146 ,029 ,074 ,017 -,018 -,016 ,126 ,083 -,069 -,042
x3 ,131 -,249 ,466 -,148 -,124 -,006 ,027 -,110 ,133 -,022 ,007 -,018 -,006 -,023 -,068 -,076 -,034 ,039
x4 ,017 -,039 -,148 ,591 -,121 ,016 -,170 ,154 ,000 ,105 -,107 -,069 ,071 -,023 -,027 -,063 ,054 ,058
x5 -,116 ,057 -,124 -,121 ,573 -,032 ,067 -,146 -,003 -,034 -,026 ,024 ,070 -,093 ,015 ,027 ,104 -,079
x6 -,129 -,085 -,006 ,016 -,032 ,674 ,042 -,034 -,157 ,039 -,140 -,001 -,127 -,077 ,111 ,022 ,149 -,128
x7 -,054 -,037 ,027 -,170 ,067 ,042 ,594 -,060 -,094 -,099 -,153 -,140 ,020 ,070 -,018 ,111 -,009 -,101
x8 -,128 ,087 -,110 ,154 -,146 -,034 -,060 ,636 ,053 ,027 -,013 -,089 ,031 -,117 ,011 ,023 -,116 -,002
x9 ,044 -,146 ,133 ,000 -,003 -,157 -,094 ,053 ,480 -,104 ,142 ,027 ,097 -,144 -,116 -,073 -,109 -,002
x10 -,024 ,029 -,022 ,105 -,034 ,039 -,099 ,027 -,104 ,598 -,157 -,086 -,079 -,075 ,074 -,171 ,144 ,007
x11 -,081 ,074 ,007 -,107 -,026 -,140 -,153 -,013 ,142 -,157 ,534 ,094 ,040 -,001 -,078 -,005 -,160 ,046
x12 -,002 ,017 -,018 -,069 ,024 -,001 -,140 -,089 ,027 -,086 ,094 ,443 -,239 -,002 ,068 ,058 -,016 -,053
x13 ,060 -,018 -,006 ,071 ,070 -,127 ,020 ,031 ,097 -,079 ,040 -,239 ,425 ,030 -,069 -,095 -,105 ,078
x14 ,140 -,016 -,023 -,023 -,093 -,077 ,070 -,117 -,144 -,075 -,001 -,002 ,030 ,538 -,122 -,076 -,089 ,035
x15 -,208 ,126 -,068 -,027 ,015 ,111 -,018 ,011 -,116 ,074 -,078 ,068 -,069 -,122 ,659 ,000 ,014 -,081
x16 -,119 ,083 -,076 -,063 ,027 ,022 ,111 ,023 -,073 -,171 -,005 ,058 -,095 -,076 ,000 ,572 -,113 -,168
x17 ,024 -,069 -,034 ,054 ,104 ,149 -,009 -,116 -,109 ,144 -,160 -,016 -,105 -,089 ,014 -,113 ,574 -,108
x18 ,089 -,042 ,039 ,058 -,079 -,128 -,101 -,002 -,002 ,007 ,046 -,053 ,078 ,035 -,081 -,168 -,108 ,767
Anti-image Correlation
x1 .571a -,114 ,260 ,030 -,209 -,213 -,096 -,218 ,086 -,043 -,151 -,005 ,125 ,260 -,349 -,213 ,043 ,139
x2 -,114 .552a -,513 -,071 ,106 -,146 -,067 ,153 -,297 ,052 ,143 ,035 -,039 -,031 ,219 ,154 -,127 -,067
x3 ,260 -,513 .532a -,283 -,241 -,012 ,052 -,202 ,280 -,041 ,014 -,039 -,013 -,046 -,123 -,146 -,066 ,066
x4 ,030 -,071 -,283 .560a -,208 ,026 -,288 ,252 ,001 ,177 -,190 -,135 ,141 -,042 -,044 -,108 ,092 ,085
x5 -,209 ,106 -,241 -,208 .682a -,052 ,116 -,242 -,005 -,059 -,047 ,048 ,142 -,167 ,024 ,047 ,181 -,119
x6 -,213 -,146 -,012 ,026 -,052 .550a ,067 -,053 -,276 ,062 -,233 -,003 -,238 -,127 ,167 ,035 ,239 -,177
x7 -,096 -,067 ,052 -,288 ,116 ,067 .571a -,097 -,176 -,166 -,273 -,273 ,039 ,125 -,029 ,191 -,016 -,150
x8 -,218 ,153 -,202 ,252 -,242 -,053 -,097 .597a ,096 ,044 -,022 -,167 ,060 -,200 ,017 ,038 -,191 -,003
x9 ,086 -,297 ,280 ,001 -,005 -,276 -,176 ,096 .535a -,195 ,280 ,059 ,215 -,284 -,207 -,139 -,208 -,003
x10 -,043 ,052 -,041 ,177 -,059 ,062 -,166 ,044 -,195 .615a -,279 -,166 -,157 -,132 ,117 -,292 ,246 ,010
x11 -,151 ,143 ,014 -,190 -,047 -,233 -,273 -,022 ,280 -,279 .592a ,194 ,084 -,003 -,131 -,008 -,288 ,071
x12 -,005 ,035 -,039 -,135 ,048 -,003 -,273 -,167 ,059 -,166 ,194 .600a -,551 -,005 ,127 ,115 -,031 -,091
x13 ,125 -,039 -,013 ,141 ,142 -,238 ,039 ,060 ,215 -,157 ,084 -,551 .570a ,062 -,131 -,192 -,212 ,137
x14 ,260 -,031 -,046 -,042 -,167 -,127 ,125 -,200 -,284 -,132 -,003 -,005 ,062 .717a -,205 -,137 -,161 ,055
x15 -,349 ,219 -,123 -,044 ,024 ,167 -,029 ,017 -,207 ,117 -,131 ,127 -,131 -,205 .598a ,001 ,022 -,114
x16 -,213 ,154 -,146 -,108 ,047 ,035 ,191 ,038 -,139 -,292 -,008 ,115 -,192 -,137 ,001 .663a -,198 -,254
x17 ,043 -,127 -,066 ,092 ,181 ,239 -,016 -,191 -,208 ,246 -,288 -,031 -,212 -,161 ,022 -,198 .584a -,163
x18 ,139 -,067 ,066 ,085 -,119 -,177 -,150 -,003 -,003 ,010 ,071 -,091 ,137 ,055 -,114 -,254 -,163 .648a
Total Variance Explained
Component Matrixa Component
1 2 3 4 5 6
x1 .277 -.634 .341 .018 .083 .146
x2 .303 .425 -.583 .193 .196 .077
x3 .407 .185 -.494 .482 -.327 -.027
x4 .298 -.193 -.372 .590 .220 -.250
x5 .373 -.538 -.278 .218 -.266 .296
x6 .478 .009 -.029 -.043 .283 .617
x7 .403 -.010 .275 .450 .473 -.237
x8 .454 -.189 .176 .098 -.574 .179
x9 .477 .127 -.299 -.500 .418 .040
x10 .514 .096 .416 -.013 .170 .203
x11 .420 -.501 .300 .247 .095 -.204
x12 .260 .599 .423 .378 -.051 .093
x13 .215 .662 .472 .128 -.150 .074
x14 .624 .046 -.313 -.325 -.178 .034
x15 .383 -.468 .094 -.234 -.032 -.333
x16 .613 .065 .123 -.331 -.126 -.104
x17 .487 .348 .021 -.207 -.233 -.487
x18 .466 .124 -.031 -.238 .113 -.085
Extraction Method: Principal Component Analysis. a. 6 components extracted.
Rotated Component Matrixa
Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization. a. Rotation converged in 15 iterations.
Component Transformation Matrix
Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization.
LAMPIRAN 6
PERHITUNGAN KMO DAN MSA
Untuk menghitung KMO dan MSA maka diperlukan matriks korelasi sederhana dan matriks korelasi parsial yang semua entrinya telah dikuadratkan. Berikut ini akan disajikan matriks korelasi sederhana dan matriks korelasi parsial yang semua entrinya telah dikuadratkan
MATRIKS KORELASI SEDERHANA [Rij]
x1 x2 x3 x4 x5 x6 x7 x8 x9 x10 x11 x12 x13 x14 x15 x16 x17 x18
x1 1,00 -0,18 -0,16 0,05 0,30 0,21 0,18 0,27 -0,01 0,14 0,40 -0,12 -0,16 -0,07 0,39 0,16 -0,08 0,00
x2 -0,18 1,00 0,50 0,23 0,00 0,22 0,10 -0,07 0,32 -0,02 -0,17 0,11 0,08 0,20 -0,16 0,02 0,21 0,13
x3 -0,16 0,50 1,00 0,40 0,29 0,09 0,06 0,20 -0,03 0,04 0,04 0,15 0,09 0,25 0,00 0,15 0,18 0,07
x4 0,05 0,23 0,40 1,00 0,31 0,05 0,31 -0,05 0,02 -0,02 0,25 0,03 -0,15 0,10 0,10 0,04 -0,03 0,01
x5 0,30 0,00 0,29 0,31 1,00 0,17 0,02 0,34 0,02 0,08 0,25 -0,16 -0,28 0,25 0,20 0,10 -0,12 0,09
x6 0,21 0,22 0,09 0,05 0,17 1,00 0,11 0,14 0,31 0,19 0,18 0,10 0,14 0,24 0,03 0,17 0,02 0,21
x7 0,18 0,10 0,06 0,31 0,02 0,11 1,00 0,13 0,12 0,27 0,35 0,32 0,10 -0,01 0,10 0,01 0,11 0,16
x8 0,27 -0,07 0,20 -0,05 0,34 0,14 0,13 1,00 -0,02 0,13 0,22 0,16 0,06 0,26 0,16 0,15 0,22 0,11
∑ = (rij)= x9 -0,01 0,32 -0,03 0,02 0,02 0,31 0,12 -0,02 1,00 0,21 -0,09 -0,06 -0,08 0,47 0,19 0,28 0,26 0,25
x10 0,14 -0,02 0,04 -0,02 0,08 0,19 0,27 0,13 0,21 1,00 0,27 0,29 0,28 0,23 0,07 0,39 0,07 0,14
x11 0,40 -0,17 0,04 0,25 0,25 0,18 0,35 0,22 -0,09 0,27 1,00 -0,08 -0,09 0,07 0,29 0,17 0,13 0,04
x12 -0,12 0,11 0,15 0,03 -0,16 0,10 0,32 0,16 -0,06 0,29 -0,08 1,00 0,65 0,00 -0,16 0,07 0,19 0,10
x13 -0,16 0,08 0,09 -0,15 -0,28 0,14 0,10 0,06 -0,08 0,28 -0,09 0,65 1,00 0,01 -0,09 0,21 0,28 0,05
x14 -0,07 0,20 0,25 0,10 0,25 0,24 -0,01 0,26 0,47 0,23 0,07 0,00 0,01 1,00 0,25 0,36 0,32 0,20
x15 0,39 -0,16 0,00 0,10 0,20 0,03 0,10 0,16 0,19 0,07 0,29 -0,16 -0,09 0,25 1,00 0,22 0,11 0,13
x16 0,16 0,02 0,15 0,04 0,10 0,17 0,01 0,15 0,28 0,39 0,17 0,07 0,21 0,36 0,22 1,00 0,35 0,32
x17 -0,08 0,21 0,18 -0,03 -0,12 0,02 0,11 0,22 0,26 0,07 0,13 0,19 0,28 0,32 0,11 0,35 1,00 0,27
x18 0,00 0,13 0,07 0,01 0,09 0,21 0,16 0,11 0,25 0,14 0,04 0,10 0,05 0,20 0,13 0,32 0,27 1,00
LANJUTAN LAMPIRAN 6
MATRIKS KORELASI PARSIAL
x1 x2 x3 x4 x5 x6 x7 x8 x9 x10 x11 x12 x13 x14 x15 x16 x17 x18
x1 0,05 0,07 0,33 0,00 0,03 0,05 0,01 0,45 0,09 0,00 0,13 0,07 0,27 0,00 0,07 0,23 0,49
x2 0,05 0,00 0,02 0,49 0,02 0,18 0,26 0,00 0,43 0,06 0,15 0,22 0,03 0,07 0,41 0,02 0,11
x3 0,07 0,00 0,00 0,00 0,20 0,28 0,03 0,40 0,37 0,36 0,09 0,20 0,01 0,50 0,09 0,05 0,26
x4 0,33 0,02 0,00 0,00 0,31 0,00 0,33 0,43 0,43 0,01 0,38 0,08 0,18 0,18 0,35 0,39 0,47
x5 0,00 0,49 0,00 0,00 0,06 0,43 0,00 0,41 0,24 0,01 0,07 0,00 0,01 0,03 0,19 0,13 0,19
x6 0,03 0,02 0,20 0,31 0,06 0,15 0,09 0,00 0,04 0,05 0,18 0,10 0,01 0,38 0,06 0,44 0,02
x7 0,05 0,18 0,28 0,00 0,43 0,15 0,12 0,13 0,01 0,00 0,00 0,17 0,45 0,17 0,48 0,15 0,07
x8 0,01 0,26 0,03 0,33 0,00 0,09 0,12 0,41 0,11 0,02 0,07 0,30 0,01 0,06 0,08 0,02 0,15
A = (aij)=
x9 0,45 0,00 0,40 0,43 0,41 0,00 0,13 0,41 0,03 0,21 0,29 0,24 0,00 0,04 0,00 0,01 0,01
x10 0,09 0,43 0,37 0,43 0,24 0,04 0,01 0,11 0,03 0,00 0,00 0,00 0,02 0,26 0,00 0,27 0,10
x11 0,00 0,06 0,36 0,01 0,01 0,05 0,00 0,02 0,21 0,00 0,22 0,20 0,25 0,00 0,06 0,11 0,35
x12 0,13 0,15 0,09 0,38 0,07 0,18 0,00 0,07 0,29 0,00 0,22 0,00 0,50 0,07 0,27 0,04 0,17
x13 0,07 0,22 0,20 0,08 0,00 0,10 0,17 0,30 0,24 0,00 0,20 0,00 0,47 0,19 0,02 0,00 0,34
x14 0,27 0,03 0,01 0,18 0,01 0,01 0,45 0,01 0,00 0,02 0,25 0,50 0,47 0,01 0,00 0,00 0,03
x15 0,00 0,07 0,50 0,18 0,03 0,38 0,17 0,06 0,04 0,26 0,00 0,07 0,19 0,01 0,02 0,15 0,11
x16 0,07 0,41 0,09 0,35 0,19 0,06 0,48 0,08 0,00 0,00 0,06 0,27 0,02 0,00 0,02 0,00 0,00
x17 0,23 0,02 0,05 0,39 0,13 0,44 0,15 0,02 0,01 0,27 0,11 0,04 0,00 0,00 0,15 0,00 0,01
x18 0,49 0,11 0,26 0,47 0,19 0,02 0,07 0,15 0,01 0,10 0,35 0,17 0,34 0,03 0,11 0,00 0,01
LANJUTAN LAMPIRAN 6
KUADRAT MATRIKS KORELASI SEDERHANA
LANJUTAN LAMPIRAN 6
KUADRAT MATRIKS KORELASI PARSIAL
��� = ,
, + , = ,
��� = , ,+ , = ,
��� = , ,+ , = ,
��� = , ,+ , = ,
LAMPIRAN 7
UJI BARLETT PENDEKATAN STATISTIK CHI-SQUARE
Untuk menguji apakah matriks korelasi sederhana bukan merupakan suatu matriks identitas, maka digunakan uji Barlett dengan pendekatan statistik chi-square. Berikut ini langkah- langkah pengujiannya:
1. Hipotesis
H0 : matriks korelasi sederhana merupakan matriks identitas
H1 : matriks korelasi sederhana bukan merupakan matriks identitas
2. Statistik Uji
� = −[ � − − � + ]��|∑|
3. Taraf nyata α dan nilai � dari tabel diperoleh: α = 5% = 0,05
dengan = � �− = 8 8− =
� � = ,
4. Kriteria Pengujian:
H0 ditolak apabila �ℎ� � � �
H0 diterima apabila �ℎ� � � �
5. Perhitungan � : Det(R) = 0,004
� = −[ − − + ]��| , |
= −[ − , ] − ,
= − , − ,
= ,
6. Kesimpulan:
�ℎ� � = , > � � = , , maka H0 ditolak. Dengan kata lain,
matriks sederhana bukan merupakan matriks identitas.
LAMPIRAN 8
PERHITUNGAN KOMUNALITAS
Variabel li1 li2 li3 li4 li5 li6
x1 -0,020 -0,178 0,592 -0,284 0,313 0,249
x2 0,217 0,074 -0,244 0,702 -0,169 0,245
x3 0,113 0,122 -0,086 0,775 0,377 -0,076
x4 -0,066 -0,138 0,437 0,712 -0,012 -0,035
x5 -0,012 -0,334 0,213 0,268 0,650 0,247
x6 0,174 0,099 0,064 0,085 0,129 0,790
x7 0,035 0,316 0,692 0,271 -0,242 0,101
x8 0,173 0,177 0,129 -0,026 0,752 0,003
x9 0,670 -0,185 -0,046 0,092 -0,291 0,426
x10 0,273 0,415 0,322 -0,129 0,079 0,380
x11 0,079 -0,032 0,757 0,000 0,220 -0,012
x12 -0,008 0,858 0,042 0,134 0,013 0,057
x13 0,125 0,849 -0,109 -0,058 0,011 -0,004
x14 0,678 -0,097 -0,101 0,195 0,283 0,173
x15 0,415 -0,290 0,460 -0,153 0,174 -0,139
x16 0,665 0,148 0,131 -0,085 0,197 0,060
x17 0,686 0,281 0,010 0,122 0,027 -0,359
x18 0,521 0,074 0,089 0,060 -0,046 0,142
53
DAFTAR PUSTAKA
Azwar, Saifuddin. 1996. Reliabilitas dan Validitas.Yogyakarta: Pustaka Pelajar Imam Ghozali. 2006. Analisis Multivariat dengan Program SPSS. Semarang :
Badan Penerbit Universitas Diponegoro.
Johnson, R. A and D. W. Wichern. (1982). Applied Multivariate Statistical Analysis, Prentice-Hall, Inc. New Jersey
Mulyasa. 2002. Kurikulum Berbasis Kompetensi. Bandung: Remaja Rosdakarya. Santoso, Singgih. 2010. Statistik Multivariat Konsep dan Aplikasi dengan
SPSS.Jakarta: PT Elex Media Komputindo.
Soedijarto. 1991. Mencari Strategi Pengembangan Pendidikan Nasional Menjelang Abad XXI. Jakarta: PT. Grasindo.
Sudjana, 1996. Teknik Analisis Regresi dan Korelasi. Bandung: Penerbit Tarsito. Suparmoko. 1991. Metode Penelitian Praktek. BPFE. Yogyakarta.
Supranto, J. 2004. Analisis Multivariate Arti dan Interpretasi. PT. Rineka Cipta Jakarta
Suyata. 1998.Perbaikan Mutu Pendidikan Transformasi Sekolah Dan Implikasi Kebijakan. Yogyakarta: IKIP Yogyakarta
Tilaar, H. A. R. 1990. Pendidikan Dalam Pembangunan Nasional Menyongsong Abad XXI. Jakarta: Balai Pustaka.
Zamroni. 2001. Paradigma Pendidikan Masa Depan. Yogyakarta: Bigraf Publishing.
27
27 BAB 3 PEMBAHASAN
3.1 Populasi Penelitian
Pengambilan data dilakukan dengan cara langsung menyebar kuesioner yaitu berupa pertanyaan-pertanyaan kepada responden penelitian. Responden penelitian ini adalah siswa kelas VII, VIII dan IX di Madrasah Tsanawiyah Al- Washliyah
Sumber: Madrasah Tsanawiyah Al-Washliyah Medan Krio
3.2 Pengambilan Sampel
Pengambilan jumlah sampel dalam penelitian ini menggunakan teknik Slovin. Jumlah populasi yang diambil yaitu siswa kelas VII, VIII dan IX di Madrasah Tsanawiyah Al- Washliyah Medan Krio yaitu sebanyak 707 orang.
� =
+��Maka:
� = + ,
� = , � = ,
Sehingga jumlah sampel yang akan diteliti dalam penelitian ini adalah sebanyak 88 orang.
Dalam penelitian ini terdapat 7 kelas yaitu kelas VII - 1 sampai VII - 7, VIII - 1 sampai VIII - 5 dan IX – 1 sampai IX - 5 di Madrasah Tsanawiyah Al- Washliyah Medan Krio. Metode yang digunakan dalam pengambilan sampelnya adalah dengan Proportionale Stratified random sampling yaitu pengambilan
28
sampel dilakukan secara acak dengan memperhatikan strata yang ada. Artinya setiap strata terwakili sesuai proporsinya. Rumusnya sebagai berikut:
� =�� �
Tabel 3.2 Populasi Penelitian Tiap Strata
No Kelas Jumlah Jumlah Sampel
(Orang)
1 VII – 1 40 � =
2 VII – 2 40 � =
3 VII – 3 40 � =
4 VII – 4 41 � =
5 VII – 5 40 � =
6 VII – 6 39 � =
7 VII – 7 42 � = 5
8 VIII – 1 42 � =
9 VIII – 2 41 � =
10 VIII – 3 43 � =
11 VIII – 4 44 � =
12 VIII – 5 40 � =
13 IX – 1 45 � =
14 IX – 4 44 � =
15 IX – 3 45 � =
16 IX – 4 42 � =
17 IX – 5 39 � =
Jumlah 707 88
29
3.3 Uji Validitas
Sebelum menjabarkan tentang analisis data dalam bentuk perhitungan dengan menggunakan bantuan program SPSS, sebagaimana diketahui hipotesis penelitian sebagai berikut:
H0= Variabel tidak valid
H1= Variabel valid
Validitas dapat diukur dengan membandingkan rhitung dengan rtabel. Kriteria
penilaian uji validitas adalah:
a. Apabila rhitung> rtabel (pada taraf signifikan 5% atau 1%), maka H0 diterima artinya
butir pertanyaan tersebut valid.
b. Apabila rhitung≤ rtabel (pada taraf signifikan 5% atau 1%), maka H0 ditolak artinya
butir pertanyaan tersebut tidak valid.
Untuk penilaian ini diperoleh rtabel dengan jumlah sampel 88 dan taraf signifikan
sebesar 5% atau 0,05 yaitu: n-2 = 88-2 = 86
rtabel = 0,2096
Hasil uji validitas kuesioner dari 18 variabel yang diukur kemudian dihitung dengan menggunkan software SPSS yang ditunjukkan pada tabel berikut:
Tabel 3.3 Uji Validitas 1
No r-tabel r-hitung Keterangan
30
15 0,2096 0,348 Valid
16 0,2096 0,529 Valid
17 0,2096 0,468 Valid
18 0,2096 0,426 Valid
Mempunyai korelasi person rhitung ≥ 0,2096 maka butir pertanyaan tersebut
adalah valid. Jika suatu butir pertanyaan tidak valid maka butir pertanyaan tersebut harus dibuang kemudian dilakukan uji sesuai prosedur sebelumnya dengan mengurangi butir pertanyaan yang tidak valid
Secara manual perhitungan korelasi Product Moment antara variabel X1
dengan skor total variabel lainnya (Y) dapat dilihat pada tabel berikut: Tabel 3.4 Contoh Perhitungan Korelasi Product Moment
33
� = .
√ . . .
� = .
. ,
� = ,
Diperoleh nilai validitas dengan perhitungan manual adalah 0,282 sama dengan
output SPSS yakni 0,282. Selanjutnya untuk perhitungan lainnya akan dilakukan dengan software SPSS.
3.4 Uji Reliabilitas
Setelah dilakukan uji validitas dan dinyatakan valid dilanjutkan dengan uji reliabilitas. Suatu variabel dikatakan reliabel apabila setelah dilakukan uji reliabel diperoleh nilai Cronbach Alpha > 0,60 atau nilai Cronbach Alpha > 0,80.
Hipotesis untuk signifikansi adalah: H0 = Hasil pengukuran tidak reliabilitas
H1 = Hasil pengukuran reliabilitas
Kriteria penilaian uji reliabilitas adalah:
a. Apabila Cronbach Alpha > 0,60 atau nilai Cronbach Alpha > 0,80, maka H0
ditolak artinya hasil pengukuran reliabilitas.
b. Apabila Cronbach Alpha ≤ 0,60, maka H0 diterima artinya hasil pengukuran
tidak reliabilitas.
Jika dihitung variansi itemnya akan diperoleh hasil sebagai berikut:
Mencari nilai variansi dari masing masing variabel dengan rumus sebagai berikut:
=
∑ −
∑� �
�
34
Mencari nilai variansi total
35
� = , ,
� = ,
Berikut adalah hasil perolehan data dari uji reliabilitas dengan SPSS Tabel 3.5 Hasil Cronbach Alpha Reliability Test
Reliability Statistics
Cronbach's Alpha
Cronbach's Alpha Based on
Standardized Items N of Items
,711 ,711 18
Berdasarkan hasill output di atas, di dapat nilai Cronbach Coeficien Alpha sebesar 0,711 untuk uji reliabilitas atas daftar pilihan responden. Nilai tersebut menyatakan bahwa 18 variabel yang valid tersebut memenuhi syarat uji reliabilitas, dimana nilai yang diperoleh sudah lebih dari minimum untuk sebuah penelitian yaitu 0,6.
3.5 Penskalaan Data Ordinal Menjadi Data Interval
Berikut ini adalah hasil perhitungan Method Successive Interval untuk Variabel 1. Tabel 3.6 Penskalaan Variabel 1
36
Langkah-langkah Methode Successive Interval untuk variable 1: 1. Menghitung frekuensi skor jawaban dalam skala ordinal.
2. Menghitung proporsi dan proporsi kumulatif untuk masing-masing skor jawaban.
3. Menentukan nilai Z untuk setiap kategori, dengan asumsi bahwa proporsi kumulatif dianggap mengikuti distribusi normal baku. Nilai Z diperoleh dari Tabel Distribusi Normal Baku.
4. Menghitung nilai densitas dari nilai Z yang diperoleh dengan cara memasukkan nilai Z tersebut kedalam fungsi densitas normal baku sebagai berikut:
f(z) =
5. Menghitung Scale Value (SV) dengan rumus:
37
7. Mentransformasikan nilai skala dengan menggunakan rumus: Y = SV + |SVmin|
Dengan perhitungan manual yang dilakukan terbukti sama dengan perhitungan yang dilakukan pada Microsoft excel. Selanjutnya dengan melakukan cara yang sama, maka semua variabel akan ditransformasikan ke dalam data interval. Hasil penskalaan dari masing- masing variabel:
Tabel 3.7 Hasil Penskalaan Tiap Variabel
38
3.6 Proses Analisis Faktor I
Pada proses awal analisis faktor, dilakukan beberapa tahap sampai dengan diperoleh faktor-faktor baru sebagai dominan yang ingin diperoleh. Prose pertama tabulasi pada data serta melakukan pengolahan dengan software yang telah direfrensikan yaitu dengan program SPSS dengan mengambil versi SPSS 18.
Ada beberapa variabel yang mempengaruhi keberhasilan prestasi belajar siswa. Dalam penelitian ini, faktor-faktor tersebut berjumlah 25 variebel yang telah valid.
Berdasarkan hasil perhitungan diperoleh nilai KMO and Barlett’s Test
sebesar 0,565 dengan signifikan sebesar 0,000. Berdasarkan teori nilai KMO memang harus diatas 0,5 dan signifikan atau probabilitas dibawah 0,5 maka variabel layak dan dapat dianalisa lebih lanjut (Santoso, 2002).
Tabel 3.8 KMO and Bartlett’s Test
KMO and Bartlett's Test
Kaiser-Meyer-Olkin Measure of Sampling Adequacy. .595 Bartlett's Test of Sphericity Approx. Chi-Square 446.174
df 153
Sig. .000
Perhitungan selanjutnya adalah dengan melihat nilai MSA. Hasil nilai MSA dapat dilihat pada tabel dibawah. Hasil pada tabel menunjukkan bahwa 18 variabel yang tersisa mempunyai nilai lebih dari 0,5 berdasarkan 18 variabel yang dinilai dalam kuesioner yang merupakan jawaban 88 responden, diperoleh bahwa nilai MSA yang diperoleh di atas 0,5 dan hanya variabel ketiga di mendekati 0.5. Ini menandakan bahwa semua variabel memiliki korelasi cukup tinggi dengan variabel lainnya, sehingga selanjutnya dapat dilakukan analisis pada seluruh variabel yang diteliti.
39
Tabel 3.9 Measure Of Sampling Adequacy
No Variabel Nilai MSA
3.7 Proses Anlasisi faktor II (Ekstraksi)
Dalam penelitian ini metode yang akan digunakan adalah Principal Componen Analysis (Analisis Komponen Utama). Didalam Principal Componen Analysis
jumlah varians data dipertimbangkan yaitu diagonal matriks korelasi, setiap elemennya sebesar satu dan full variance dipergunakan untuk dasar pembentukan faktor, yaitu variabel-variabel lama yang jumlahnya lebih sedikit dan tidak berkorelasi lagi satu samalain, seperti variabel-variabel asli yang memang saling berkorelasi. Communalities adalah jumlah varians yang disumbangkan oleh suatu variabel dengan seluruh variabel lainnya dengan analisis.
3.7.1 Communalties
Communalities pada dasarnya adalah jumlah varians dari suatu variabel awal yang bisa dijelaskan oleh faktor yang ada. Semakin besar communalities sebuah variabel, maka semakin erat hubungannya dengan faktor.
40
Tabel 3.10 Communalities
No Variabel Initial Extraction
1 Variabel 1 1,000 0,623
3.7.2 Total Variance Explained
Total Variance Explaned menerangkan nilai persen dari variansi yang mampu diterangkan oleh banyaknya faktor yang terbentuk. Nilai ini berdasarkan nilai
41
5. Varian faktor kelima adalah 7% 6. Varian faktor keenam adalah 6,18%
Total kesembilan faktor akan menjelaskan (18,38+ 13,41+ 10,55 + 9,55 + 7 + 6,18) % = 65,07% atau keenam faktor tersebut akan menjelaskan 65,07% dari variabilitas ke-18 yang asli tersebut.
Sedangkan eigenvalue manunjukkan kepentingan relatif masing-masing faktor dalam menghitung varians ke 18 variabel yang dianlisis.
1. Jumlah angka eigenvalue untuk ke 18 variabel adalah sama dengan total varian ke 18 variabel atau 3,308 + 2,414 + 1,900 + 1,719 + 1,259 + 1,113 + ... + 0,213 = 18
2. Susunan eigenvalue selalu diurutkan dari yang terbesar sampai dengan yang terkecil, dengan kriteria bahwa angka eigenvalue dibawah 1 tidak digunakan dalam menghitung faktor yang terbentuk.
Tabel 3.11 Total Variance Explaained
42
Dari tabel 3.12 diatas menyatakan bahwa hanya 6 faktor yang terbentuk, terlihat dari eigenvalue dengan nilai diatas 1, namun pada faktor ketujuh angka eigenvalue
sudah dibawah 1, yakni 0,943 sehingga proses Faktoring seharusnya berhenti pada enam faktor saja, maka dalam penelitian ini hanya enam faktor yang terbentuk. 3.7.3 Scree Plot
Jika Tabel 3.12 Menjelaskan dasar jumlah faktor yang didapat dengan perhitungan angka, maka scree plot menunjukkan dengan grafik bahwa pada sumbu X (component number) faktor 10 sudah dibawah 1 dari sumbu Y (angka eigenvalue). Hal ini menunjukkan bahwa 6 faktor adalah paling tepat untuk meringkas ke 18 variabel tersebut.
Gambar 3.1 Scree Plot
Suatu Scree plot adalah plot dari eigen value melawan banyaknya faktor yang bertujuan untuk melakukan ekstraksi agar diperoleh jumlah faktor. Scree plot berupa suatu kurva yang diperoleh dengan memplot eigenvalue sebagai sumbu vertikal dan banyaknya faktor sebagai sumbu horizontal. Bentuk kurva atau plotnya dipergunakan untuk menentukan banyaknya faktor.
Jika tabel total variansi menjelaskan dasar jumlah faktor yang didapat dengan perthitungan angka, maka scree plot memperlihatkan hal tersebut dengan grafik. Terlihat bahwa dari suatu kedua faktor (baris dari sumbu Component 1 ke-2), arah garis cukup menurun tajam. Dari Component 1,2 dan 4 garis juga menurun
43
tajam. Kemudian dari 3, 5 dan 6 garis juga menurun. Pada faktor 7 sudah dibawah angka 1 dari sumbu eigen value. Hal ini menunjukkan bahwa ada 6 faktor yang mempengaruhi peningkatan mutu sekolah, yang dapat diekstraksi berdasarkan
scree plot.
3.8 Proses Analisis Faktor III (Rotasi)
Hasil ekstraksi faktor awal memberikan informasi bahwa terdapat 6 faktor dari 18 variabel yang dapat diolah dengan variansi kumulatif sebesar 65,07%. Korelasi antara variabel-variabel dan faktor (Faktor Loading) hasil ekstarksi tersebut dapat dilihat pada tabel berikut.
Dari Tabel diatas dapat dilihat bahwa variabel-variabel berkorelasi kuat dengan lebih dari satu faktor, sehingga sulit untuk menginterpretasikan faktor-faktor tersebut. Dalam hal ini, faktor loading perlu dirotasi agar masing-masing variabel berkorelasi kuat hanya pada satu faktor. Berikut ini adalah Faktor Loading setelah dirotasi (Rotated Faktor Loading).
44
Tabel 3.13 Rotated Factor Loading
Component
Faktor Loading hasil rotasi menunjukkan bahwa variabel-variabel berkorelasi kuat hanya pada satu faktor tertentu, misalnya korelasi antara variabel X12 dan faktor 2
sebesar 0,858 (Korelai kuat), sedangkan korelasi dengan faktor 1, 3, 4, 5, dan 6 masing- masing -0,008, 0,042, 0,134, 0,013, dan 0,057 (korelasi lemah).
Nilai Eigen Value dari faktor yang diekstraksi mencerminkan jumlah variansi yang dapat dijelaskan oleh suatu faktor. Pada tabel 3.13 berikut ini adalah hasil rekapitulasi faktor yang dihasilkan dengan metode analisis faktor yaitu terbagi menjadi 6 faktor.
45
3.9 Proses Analisis Faktor IV (Interpretasi Faktor) Faktor Pertama
Faktor pertama hasil rotasi faktor didukung oleh 6 variabel. Variabel-variabel tersebut yang secara berurutan nilai bobotnya adalah X9, X14, X16, X17, X18. Bobot
masing-masing variabel pendukung faktor pertama tersebut sesuai tabel berikut ini: Tabel 3.14 Bobot Variabel Pendukung Faktor Pertama
Variabel
Pendukung Nama Variabel
Bobot Variabel X9 Guru yang kompeten sesuai dengan keahliannya 0,686 X14 Keamanan siswa selama di lingkungan sekolah 0,678
X16
Keramahan guru dan pegawai saat
menerima/memberikan kritik dan saran kepada orangtua anak didik
0,665
X17 Guru dan pegawai yang siap membantu masalah anak
didik 0,670
X18 Memberikan bantuan kepada anak didik yang kurang
mampu
0,521
Dari tabel diatas, variabel X9 mempunyai bobot terbesar, yaitu 0,686.
Berdasarkan uraian tersebut dapat disimpulkan bahwa faktor pertama cukup layak diberi nama faktor guru yang kompeten sesuai dengan keahliannya.
Faktor pertama ini adalah faktor yang paling mempengaruhi peningkatan mutu sekolah di Madrasah Tsanawiyah Al-Washliyah Medan Krio dengan variansi sebesar 18,377%.
Faktor Kedua
Faktor kedua hasil rotasi faktor didukung oleh 3 variabel. Variabel-variabel tersebut yang secara berurutan nilai bobotnya adalah X6, X12 dan X13. Bobot masing-masing
variabel pendukung faktor kedua tersebut sesuai tabel berikut ini:
46
Tabel 3.15 Bobot Variabel Pendukung Faktor Kedua Variabel
Respon yang baik dalam menerima kritik dan
saran dari orangtua anak didik 0,858 X13 Menjaga hubungan yang baik antar guru, pegawai dan
orangtua anak didik dengan kegiatan tertentu 0,849 Dari tabel di atas, variabel X12 mempunyai bobot terbesar, yaitu sebesar 0,858.
Berdasarkan uraian tersebut dapat disimpulkan bahwa untuk faktor kedua diberi nama faktor respon yang baik dalam menerima kritik dan saran dari orangtua anak didik. Faktor ini adalah faktor terkuat kedua yang mempengaruhi peningkatan mutu sekolah di Madrasah Tsanawiyah Al-Washliyah Medan Krio dengan variansi sebesar 13,413%.
Faktor Ketiga
Faktor ketiga hasil rotasi faktor didukung oleh 4 variabel. Variabel-variabel tersebut yang secara berurutan nilai bobotnya adalah X1, X7, X11, dan X15. Bobot
masing-masing variabel pendukung faktor ketiga tersebut sesuai tabel berikut ini: Tabel 3.16 Bobot Variabel Pendukung Faktor Ketiga Variabel
Pendukung Nama Variabel
Bobot Variabel
X1 Kelengkapan alat selama proses belajar mengajar 0,592
X7 Tersedianya tempat sampah yang cukup di lingkungan sekolah 0,692
X11 Proses belajar mengajar yang aktif dan kreatif 0,757
X15 Administrasi yang jelas dan transparan 0,460
Dari tabel di atas, variabel X11 mempunyai bobot terbesar, yaitu sebesar 0,757.
Berdasarkan uraian tersebut dapat disimpulkan bahwa untuk faktor ketiga diberi nama faktor proses belajar mengajar yang aktif dan kreatif.
47
Faktor ini adalah faktor terkuat ketiga yang mempengaruhi peningkatan mutu sekolah di Madrasah Tsanawiyah Al-Washliyah Medan Krio dengan variansi sebesar 10,555%
Faktor Keempat
Faktor keempat hasil rotasi faktor didukung oleh 3 variabel. Variabel-variabel tersebut yang secara berurutan nilai bobotnya adalah X2, X3, dan X4. Bobot
masing-masing variabel pendukung faktor keempat tersebut sesuai tabel berikut ini: Tabel 3.17 Bobot Variabel Pendukung Faktor Keempat Variabel
Pendukung Nama Variabel
Bobot Variabel
X2 Kebersihan dan kerapian ruangan 0,702
X3 Kenyamanan ruangan, misal: kursi, meja, kipas angin, AC, tidak berisik
0,775
X4 Kelengkapan fasilitas misal: toilet, musholla, kantin,
tempat sampah, dan fotocopy
0,712
Dari tabel di atas, variabel X3 mempunyai bobot terbesar, yaitu sebesar 0,775.
Berdasarkan uraian tersebut dapat disimpulkan bahwa untuk faktor keempat diberi nama faktor kenyamanan ruangan.
Faktor ini adalah faktor terkuat keempat yang mempengaruhi peningkatan mutu sekolah di Madrasah Tsanawiyah Al-Washliyah Medan Krio dengan variansi sebesar 9,555%.
Faktor Kelima
Faktor kelima hasil rotasi faktor didukung oleh 2 variabel. Variabel-variabel tersebut yang secara berurutan nilai bobotnya adalah X5 dan X8. Bobot
masing-masing variabel pendukung faktor kelima tersebut sesuai tabel berikut ini: Tabel 3.18 Bobot Variabel Pendukung Faktor Kelima Variabel
Pendukung Nama Variabel
Bobot Variabel
X5 Kelayakan fasilitas 0,650
X8 Area bermain 0,752
48
Dari tabel di atas, variabel X8 mempunyai bobot terbesar, yaitu sebesar 0,752.
Berdasarkan uraian tersebut dapat disimpulkan bahwa untuk faktor kelima diberi nama faktor area bermain.
Faktor ini adalah faktor terkuat kelima yang mempengaruhi peningkatan mutu sekolah di Madrasah Tsanawiyah Al-Washliyah Medan Krio dengan variansi sebesar 6,996%.
Faktor Keenam
Faktor keenam hasil rotasi faktor hanya didukung oleh 1 variabel. Variabel-variabel tersebut bobotnya adalah X10. Bobot variabel pendukung faktor keenam tersebut
sesuai tabel berikut ini:
Tabel 3.19 Bobot Variabel Pendukung Faktor Keenam Variabel
Pendukung Nama Variabel
Bobot Variabel X10 Reward (penghargaan) bagi anak didik, bahkan
guru dan pegawai yang aktif dan berprestasi 0,790
Dari tabel di atas, variabel X10 mempunyai bobot yaitu sebesar 0,790. Berdasarkan
uraian tersebut dapat disimpulkan bahwa untuk faktor keenam diberi nama faktor reward (penghargaan) bagi anak didik, bahkan guru dan pegawai yang aktif dan berprestasi.
Faktor ini adalah faktor terkuat keenam yang mempengaruhi peningkatan mutu sekolah di Madrasah Tsanawiyah Al-Washliyah Medan Krio dengan variansi sebesar 6,182%.
28
49 BAB 4
KESIMPULAN DAN SARAN
4.1 Kesimpulan
Berdasarkan penelitian yang telah dilakukan dapat disimpulkan sebagai berikut: 1. Dari 18 variabel yang diteliti, terbentuk 6 faktor hasil ekstraksi yang
berpengaruh terhadap peningkatan mutu Madrasah Tsanawiyah Al-Washliyah Medan Krio. Keenam faktor tersebut telah mewakili kedelapan belas variabel sebelumnya. Dengan variansi kumulatif sebesar 65,07%, variabel-variabel yang terlihat/terobservasi adalah sebagai berikut:
� = , + , + , + , + ,
Adapun keenam faktor yang berpengaruh terhadap peningkatan mutu Madrasah Tsanawiyah Al-Washliyah Medan Krio antara lain:
a. Faktor pertama yaitu faktor guru yang kompeten sesuai dengan keahliannya sebesar 18,38%. Faktor pertama ini didukung oleh 5 variabel, yaitu:
1. Guru yang kompeten sesuai dengan keahliannya ( , � ) 2. Keamanan siswa selama di lingkungan sekolah ( , )
3. Keramahan guru dan pegawai saat menerima/memberikan kritik dan saran kepada orangtua anak didik ( , )
4. Guru dan pegawai yang siap membantu masalah anak didik
( , )
5. Memberikan bantuan kepada anak didik yang kurang mampu
( , )
Penamaan faktor berdasarkan bobot variabel tertinggi diantara bobot variabel lain yang terbentuk di dalam faktor pertama atau dengan kata lain keempat variabel lain telah diwakilkan oleh variabel guru yang kompeten sesuai dengan keahliannya.
50
b. Faktor kedua yaitu faktor respon yang baik dalam menerima kritik dan saran dari orangtua anak didik sebesar 13,41%. Faktor kedua ini didukung oleh 3 variabel, yaitu:
Penamaan faktor berdasarkan bobot variabel tertinggi diantara bobot variabel lain yang terbentuk di dalam faktor kedua atau dengan kata lain kedua variabel lainnya telah diwakilkan oleh variabel respon yang baik dalam menerima kritik dan saran dari orangtua anak didik.
c. Faktor ketiga yaitu faktor proses belajar mengajar yang aktif dan kreatif sebesar 10,56%. Faktor ketiga ini didukung oleh 4 variabel, yaitu:
1. Kelengkapan alat selama proses belajar mengajar ( , ) 2. Tersedianya tempat sampah yang cukup di lingkungan sekolah
( , )
3. Proses belajar mengajar yang aktif dan kreatif ( , � ) 4. Administrasi yang jelas dan transparan ( , )
51
Penamaan faktor berdasarkan bobot variabel tertinggi diantara bobot variabel lain yang terbentuk di dalam faktor keempat atau dengan kata lain kedua variabel lainnya telah diwakilkan oleh variabel kenyamanan ruangan.
e. Faktor kelima yaitu faktor area bermain sebesar 7%. Faktor kelima ini didukung oleh 2 variabel, yaitu:
1. Kelayakan fasilitas ( , ) 2. Area bermain ( , � )
Penamaan faktor berdasarkan bobot variabel tertinggi diantara bobot variabel lain yang terbentuk di dalam faktor kelima atau dengan kata lain variabel lainnya telah diwakilkan oleh variabel area bermain.
f. Faktor keenam yaitu faktor reward (penghargaan) bagi anak didik, bahkan guru dan pegawai yang aktif dan berprestasi 6,18%. Faktor keenam ini hanya didukung oleh 1 variabel saja, yaitu variabel reward (penghargaan) bagi anak didik, bahkan guru dan pegawai yang aktif dan berprestasi dengan bobot variabel , �
Maka penulis menarik kesimpulan bahwa keenam faktor yang berpengaruh terhadap peningkatan mutu Madrasah Tsanawiyah Al-Washliyah Medan Krio adalah sebagai berikut:
1. Guru yang kompeten sesuai dengan keahliannya (18,38%)
2. Respon yang baik dalam menerima kritik dan saran dari orangtua anak didik (13,41%)
3. Proses belajar mengajar yang aktif dan kreatif (10,56%) 4. Kenyamanan ruangan (9,55%)
5. Area bermain (7%)
6. Reward (penghargaan) bagi anak didik, bahkan guru dan pegawai yang aktif dan berprestasi (6,18%)
52
4.2 Saran
Berdasarkan hasil penelitian yang dilakukan, maka peulis mengajukan beberapa saran sebagai berikut:
1. Bagi Sekolah
Kualitas seorang guru, kemampuannya mengajar terbukti dapat mempengaruhi peningkatan mutu sekolah. Sehingga penulis memberikan saran kepada sekolah untuk lebih berupaya dalam meningkatkan kemampuan guru, menugaskannya sesuai dengan keahlian mereka masing-masing, menanggapi kritik dan saran dari orangtua anak didik dengan lebih baik lagi, meningkatkan kenyamanan ruang belajar, berusaha memfasilitasi area bermain yang lebih memadai, menciptakan proses belajar mengajar yang aktif dan kreatif agar memancing minat siswa, serta meningkatkan reward (penghargaan) bagi siswa, pegawai, dan guru yang berprestasi agar terus terjadi persaingan yang sehat di lingkungan sekolah. 2. Bagi Orangtua Siswa
Orangtua diharapkan bisa memantau perkembangan anak di rumah, baik itu perkembangan akademik, kepribadian, moral dan tingkah laku, serta membantu anak menemukan bakat dan minatnya untuk terus dikembangkan. Semua itu tentu dilakukan dengan menjaga komunikasi antara orangtua dan wali kelas. 3. Bagi Peneliti Lain
Untuk peneliti selanjutnya, diharapkan dapat meneliti kembali faktor-faktor lain yang dapat mempengaruhi peningkatan mutu sekolah, tidak hanya pada satu sekolah saja.
