ANALISIS FAKTOR PENYEBAB KEPADATAN PENDUDUK
MENURUT PERSEPSI MASYARAKAT
DI KOTAMADYA SIBOLGA
SKRIPSI
HENNI MULYANI SIREGAR
090803061
DEPARTEMEN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS SUMATERA UTARA
ANALISIS FAKTOR PENYEBAB KEPADATAN PENDUDUK MENURUT PERSEPSI MASYARAKAT
DI KOTAMADYA SIBOLGA
SKRIPSI
Diajukan untuk melengkapi tugas dan memenuhi syarat mencapai gelar Sarjana Sains
HENNI MULYANI SIREGAR 090803061
DEPARTEMEN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA
PERSETUJUAN
Judul : ANALISIS FAKTOR PENYEBAB KEPADATAN
PENDUDUK MENURUT PERSEPSI
MASYARAKAT DI KOTAMADYA SIBOLGA
Kategori : SKRIPSI
Nama : HENNI MULYANI SIREGAR
Nomor Induk Mahasiswa : 090803061
Program Studi : SARJANA (S1) MATEMATIKA
Departemen : MATEMATIKA
Fakultas : MATEMATIKA DAN ILMU PENGETAHUAN
ALAM (FMIPA) UNIVERSITAS SUMATERA
UTARA
Diluluskan di Medan, Juli 2013
Komisi Pembimbing :
Pembimbing 2 Pembimbing 1
Drs. Suwarno Ariswoyo, M.Si Drs. Henry Rani Sitepu, M.Si
NIP.19500321 198003 1 001 NIP. 19530303 198303 1 002
Diketahui/ Disetujui oleh
Departemen Matematika FMIPA USU Ketua,
PERNYATAAN
ANALISIS FAKTOR PENYEBAB KEPADATAN PENDUDUK MENURUT PERSEPSI MASYARAKAT
DI KOTAMADYA SIBOLGA
SKRIPSI
Saya mengakui bahwa skripsi ini adalah hasil kerja saya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing disebutkan sumbernya.
Medan, Juli 2013
PENGHARGAAN
Segala puji dan rasa syukur penulis panjatkan kepada Allah SWT yang telah memberikan rahmat dan hidayah-Nya sehingga penulis dapat menyelesaikan Tugas Akhir yang berjudul “Analisis Faktor Penyebab Kepadatan Penduduk Menurut Persepsi Masyarakat di Kotamadya Sibolga” ini tepat pada waktu yang telah ditetapkan.
Penulis menyadari bahwa Tugas Akhir ini tidak terwujud apabila tidak mendapat dorongan dan bimbingan dari berbagai pihak. Pada kesempatan ini penulis mengucapkan terima kasih yang setulus-tulusnya kepada Bapak Drs. Henry Rani Sitepu, M.Si dan Bapak Drs. Suwarno Ariswoyo, M.Si selaku dosen pembimbing I dan pembimbing II saya yang telah banyak menyumbangkan pemikiran dan panduan dengan penuh kepercayaan kepada saya dalam menyempurnakan pengerjaan Tugas Akhir ini. Penulis juga mengucapkan terima kasih kepada Bapak Drs. Open Darnius, M.Sc dan Bapak Drs. Pasukat Sembiring, M.Si selaku dosen penguji saya yang telah banyak memberikan saran dan masukan yang positif dalam pengerjaan Tugas Akhir ini. Ucapkan terima kasih juga penulis tujukan kepada Ketua dan Sekretaris Departemen Matematika, Bapak Prof. Dr. Tulus, M.Si dan Ibu Dra. Mardiningsih, M.Si, Dekan dan Pembantu Dekan Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Sumatera Utara, Semua Dosen pada Departemen Matematika FMIPA USU, pegawai FMIPA USU, dan teman-teman kuliah khususnya Anak Jendral Stambuk 2009, serta seluruh Senior dan Alumni Matematika, Adik-adik Junior Stambuk 2010, 2011 dan 2012. Akhirnya, tidak terlupakan kepada kedua orang tua saya tercinta Bapak Ahmad Maskhur Siregar dan Ibunda Salbiah, Adik-adik saya tersayang, dan seluruh sanak saudara yang telah memberikan semangat dan doa yang besar kepada saya dalam pengerjaan tugas akhir ini. Semoga Allah SWT akan membalasnya
Akhir kata penulis mengucapkan terima kasih. Semoga skripsi ini bermanfaat bagi kita semua.
Medan, Juli 2013 Penulis
ABSTRAK
ABSTRACT
DAFTAR ISI
2.2.2 Teori-teori Kependudukan 10
2.3 Proyeksi Penduduk 11
2.4 Kepadatan Penduduk 13
2.4.1 Definisi Kepadatan Penduduk 13
2.4.2 Jenis-jenis Kepadatan Penduduk 13
2.4.3 Faktor Penyebab Kepadatan Penduduk 15
2.4.4 Upaya Mengurangi Kepadatan Penduduk 15
2.5 Data 16
2.5.1 Uji Dalam Pengolahan Data 16
2.5.1.1 Uji Validitas 16
2.5.1.2 Uji Reliabilitas 17
2.6 Analisis Faktor 17
2.6.1 Definisi Analisis Faktor 17
2.6.2 Model Analisis Faktor 18
2.6.3 Statistik yang Berkaitan dengan Analisis Faktor 19
2.6.4 Langkah-langkah Analisis Faktor 22
Bab 3 Pembahasan dan Hasil 29
3.1 Populasi, Sampel dan Teknik Penarikan Sampel 29
3.2 Karakteristik Responden 30
3.4 Sumber Data 34
3.5 Pengolahan Data 34
3.5.1 Input Data Mentah 34
3.5.2 Penskalaan Data Ordinal Menjadi Data Interval 35
3.6 Uji Validitas 39
3.7 Uji Reliabilitas 41
3.8 Analisis Data 44
3.8.1 Membentuk Matriks Korelasi 44
3.8.2 Ekstraksi Faktor 49
3.8.3 Menentukan Banyaknya Faktor 52
3.8.4 Melakukan Rotasi Faktor 53
3.8.5 Interpretasi Faktor 56
3.8.6 Menentukan Ketepatan Model 60
Bab 4 Kesimpulan dan Saran 62
4.1 Kesimpulan 62
4.2 Saran 63
DAFTAR TABEL
Halaman
Tabel 2.1 Topografi Kotamadya Sibolga 9
Tabel 3.1 Daftar Jumlah Penduduk Kotamadya Sibolga tahun 2010 29
Tabel 3.2 Penarikan Sampel dengan Proporsional 30
Tabel 3.8 Uji Validitas Variabel Penelitian 39
Tabel 3.9 Contoh Perhitungan Korelasi Product Moment 40 Tabel 3.10 Uji Reliabilitas Variabel Penelitian 42
Tabel 3.11 Matriks Korelasi 45
Tabel 3.12 Perhitungan Korelasi Antara Variabel X1Dengan X2 45 Tabel 3.13 Kaiser-Meyer-Olkin (KMO) dan Barlett’s Test 47 Tabel 3.14 Nilai Measure of Sampling Adequecy (MSA) 48
Tabel 3.15 Komunalitas Variabel 49
Tabel 3.16.A Nilai Eigenvalue Untuk Setiap Faktor 51
Tabel 3.16.B Sumbangan Masing-Masing Faktor 51
Tabel 3.17 Matriks Faktor (a) (Sebelum Dirotasi) 54
Tabel 3.18 Matriks Faktor (a) (Setelah Dirotasi) 56
DAFTAR GAMBAR
Halaman
DAFTAR LAMPIRAN
Lampiran 1: Kuisioner Penelitian
Lampiran 2: Data Hasil Kuisioner
Lampiran 3: Hasil Output SPSS
ABSTRAK
ABSTRACT
BAB 1
PENDAHULUAN
1.1 Latar Belakang
Demografi adalah studi matematik dan statistik terhadap jumlah, komposisi dan distribusi penduduk, manusia dan perubahan-perubahan dari aspek-aspek tersebut yang senantiasa terjadi sebagai akibat bekerjanya lima proses yaitu fertilitas (kelahiran), mortalitas (kematian), perkawinan, migrasi dan mobilitas sosial. Demografi mengkaji pertumbuhan penduduk yang seimbang dan dinamis antara kekuatan-kekuatan yang menambah dan kekuatan-kekuatan yang mengurangi jumlah penduduk. Adapun pertumbuhan penduduk secara terus menerus akan dipengaruhi oleh jumlah kelahiran dan banyaknya imigrasi tetapi secara bersamaan hal tersebut akan dikurangi dengan jumlah kematian dan emigrasi penduduk yang terjadi setiap tahunnya .
Proyeksi keadaan penduduk merupakan salah satu unsur demografi yang sering menarik perhatian bagi mereka yang mempelajari ilmu kependudukan, termasuk statistik. Hal ini karena pengetahuan yang berkaitan dengan keadaan penduduk suatu daerah di masa depan mempunyai beragam kegunaan seperti untuk penyusunan rencana pembangunan sosial ekonomi daerah yang bersangkutan.
Untuk mengatisipasi tingkat kepadatan penduduk, pertama harus diketahui faktor-faktor apa saja yang menjadi faktor dominan kepadatan penduduk di suatu daerah tersebut. Faktor kepadatan penduduk tersebut di bagi dalam beberapa variabel yang dianggap sebagai penyebab utama kepadatan penduduk. Kemudian variabel-variabel tersebut perlu direduksi untuk memperoleh beberapa faktor yang dapat menggambarkan keragaman variabel tersebut.
Penelitian ini menggunakan Analisis Faktor untuk mengetahui apa saja faktor-faktor yang dominan yang dapat mempengaruhi kepadatan penduduk. Analisis Faktor dipilih karena Analisis Faktor merupakan suatu kelas prosedur yang digunakan untuk mereduksi/meringkas data dari variabel banyak diubah menjadi sedikit variabel.
Dengan luas wilayah Sibolga yang cukup terbatas yaitu 10,77 km2, sementara pertumbuhana penduduk selalu meningkat mengakibatkan kepadatan penduduk per km2 wilayah juga meningkat. Kepadatan penduduk per km2 kota Sibolga tahun 2010 mencapai 7.644 jiwa/ km2. Angka ini merupakan angka tertinggi di kabupaten/kota se Sumatera Utara sesuai dengan hasil sensus penduduk tahun 2010 (Sibolga dalam angka, 2012), sehingga Sibolga berada diurutan pertama sebagai kota terpadat di Sumatera Utara.
Tentu saja ini sangat menjadi perhatian pemerintah kotamadya Sibolga guna menanggulangi kepadatan penduduk yang terus meningkat dari waktu ke waktu, ada pun cara yang telah dilakukan pemerintah yaitu menekan angka kelahiran seperti digalakkannya program Keluarga Berencana (KB).
Berdasarkan uraian diatas maka penulis memilih judul tugas akhir “Analisis Faktor Penyebab Kepadatan Penduduk Menurut Persepsi Masyarakat di Kotamadya Sibolga.
1.2 Perumusan Masalah
1.3 Batasan Masalah
Agar pembatasan masalah lebih jelas, maka penulis memberikan batasan yang akan dilakukan yaitu:
1. Penduduk yang menjadi responden adalah masyarakat yang terdaftar sebagai penduduk kotamadya Sibolga dan memiliki KTP.
2. Iklim di seluruh wilayah kotamadya Sibolga adalah sama, artinya iklim tidak merupakan faktor yang mempengaruhi kepadatan penduduk.
1.4 Tinjauan Pustaka
Demografi mempelajari struktur dan proses penduduk di suatu wilayah. Struktur penduduk meliputi: jumlah, persebaran dan komposisi penduduk. Struktur penduduk ini selalu berubah-ubah, dan perubahan tersebut disebabkan karena proses demografi, yaitu: kelahiran (fertilitas), kematian (mortalitas) dan mobilitas sosial (perubahan status) (Ida Bagoes Mantra, 2009)
Proyeksi penduduk merupakan perkiraan data kependudukan dimasa datang yang dibuat dengan perhitungan-perhitungan dan asumsi-asumsi tertentu (Ida Bagoes Mantra, 2009). Proyeksi penduduk merupakan suatu perhitungan ilmiah yang didasarkan pada asumsi dari komponen laju pertumbuhan penduduk, yaitu kelahiran, kematian dan perpindahan penduduk. Untuk menentukan asumsi dari tingkat perkembangan kelahiran, kematian dan perpindahan penduduk dimasa datang diperlukan data-data dimasa lampau, faktor-faktor yang mempengaruhi dari masing-masing komponen dan hubungan satu dengan yang lain.
Analisis faktor merupakan nama umum yang menunjukkan suatu kelas prosedur, utamanya dipergunakan untuk menemukan hubungan (interrelatioship) antara sejumlah variabel-variabel yang saling independen satu dengan yang lain, sehingga data tereduksi atau diringkas dari variabel banyak diubah menjadi variabel yang lebih sedikit dari jumlah variabel awal. Dengan kata lain, Analisis faktor adalah menilai mana saja variabel yang dianggap layak (appropriateness) untuk dimasukkan dalam analisis selanjutnya (Supranto, 2004).
Pada dasarnya tujuan Analisis Faktor adalah: (Santoso, 2010)
1. Data summarization, yakni mengidentifikasi adanya hubungan antar variabel dengan melakukan uji korelasi.
2. Data reduction, yakni setelah melakukan korelasi, dilakukan proses membuat sebuah variabel set baru yang dinamakan faktor untuk menggantikan sejumlah variabel tertentu.
Analisis faktor dipergunakan di dalam situasi sebagai berikut : (Supranto, 2004)
1. Mengenali atau mengidentifikasi dimensi yang mendasari (underlying dimensions) atau faktor, yang menjelaskan korelasi antara suatu set variabel. Menganalisis faktor berarti mereduksi data/variabel.
2. Menganalisis atau mengidentifikasi suatu set variabel baru yang tidak berkorelasi (independent) yang lebih sedikit jumlahnya untuk menggantikan suatu set variabel asli yang saling berkorelasi di dalam analisis multivariat selanjutnya, misalnya analisis regresi berganda dan analisis diskriminan. 3. Mengenali atau mengidentifikasi suatu set variabel yang penting dari suatu
set variabel yang lebih banyak jumlanya untuk dipergunakan di dalam analisis multivariat selanjutnya.
Model Analisis Faktor dapat ditulis sebagai berikut ini :
dimana :
Xi = Variabel ke i yang dibakukan.
Fj = Komponen faktor ke j.
Vi = Koefisien regresi yang dibakukan untuk variabel ke i pada faktor yang unik
ke i
µi = Faktor unik variabel ke i.
m = Banyaknya komponen faktor.
Analisis faktor memiliki banyak aplikasi di dalam riset pemasaran, manajemen dan ilmu sosial/kedokteran, untuk klasifikasi/pengelompokkan (Supranto: 2004).
Antara lain adalah sebagai berikut:
1. Analisis faktor bisa dipergunakan di dalam segmentasi pasar untuk mengidentifikasi variabel yang mendasari yang dipergunakan untuk mengelompokkan pelanggan.
2. Di dalam riset produk analisis faktor dapat dipergunakan untuk menentukan atribut atau karakteristik merek yang mempengaruhi pilihan pelanggan/pembeli. 3. Di dalam studi advertensi, analisis faktor dapat dipergunakan untuk memahami
kebiasaan mengkonsumsi media atau the media consumption habits dari sasaran (the target market).
4. Di dalam penelitian harga, bisa digunakan untuk mengenali/mengidentifikasi karakteristik atau sifat-sifat pelanggan/pembeli yang sensitif terhadap harga.
Pada bidang ilmu kependudukan/demografi penggunaan analisis faktor juga mengambil peran penting. Christopel (2012) menggunakan analisis faktor untuk menyelidiki faktor-faktor yang mempengaruhi pertumbuhan penduduk di kotamadya Medan.
1.5 Tujuan Penelitian
1.6 Manfaat Penelitian
a. Bagi penulis
Membantu penulis mengaplikasikan ilmu yang telah didapat di bangku perkuliahan dan menambah wawasan serta memperkaya literatur dalam bidang statistika yang berhubungan dengan pengetahuan demografi dan analisis faktor.
b. Bagi Departemen/Universitas
Agar dapat dijadikan sebagai bahan studi kasus bagi pembaca, khususnya kepada mahasiswa, serta dapat memberikan referensi bagi pihak perpustakaan sebagai bahan bacaan yang dapat menambah ilmu pengetahuan.
c. Bagi Kotamadya Sibolga
Memberikan gambaran seberapa besar pengaruh faktor-faktor yang mempengaruhi kepadatan penduduk di kotamadya Sibolga dan sebagai bahan antisipasi atau pengendali kepadatan penduduk.
1.7 Metodologi Penelitian
Adapun metodologi penelitian dalam tulisan ini adalah sebagai berikut:
1. Mengumpulkan bahan yang berkaitan dengan ilmu kependudukan (demografi) dan analisis faktor (multivariat).
2. Menentukan variabel penelitian yang mempengaruhi kepadatan penduduk. 3. Mengumpulkan data primer yang bersumber pada hasil kuesioner terhadap
responden yang merupakan penduduk kotamadya Sibolga, dengan menggunakan angket (kuesioner).
4. Mengolah dan menganalisis data hasil kuisioner yang diperoleh dengan cara manual dan dengan menggunakan software statistika SPSS.
a.Penskalaan data ordinal menjadi data interval. b.Menguji validitas data.
d.Menganalisis data dengan menggunakan teknik analisis faktor. e.Interpretasi faktor.
f.Menetukan ketepatan model.
BAB 2
LANDASAN TEORI
2.1 Profil Kota Sibolga
Kota Sibolga adalah salah satu kota di provinsi Sumatera Utara, Indonesia. Kota ini terletak di pantai barat pulau Sumatera, membujur sepanjang pantai dari utara ke selatan dan berada pada kawasan teluk yang bernama Teluk Tapian Nauli, sekitar ± 350 km dari kota Medan.
Kota Sibolga memiliki wilayah seluas 10,77 Km2. Berdasarkan perhitungan Badan Pusat Statistik kota Sibolga tahun 2010, penduduk kota Sibolga adalah 85.271 jiwa ini berarti kepadatan penduduk pada wilayah pemukiman adalah 7.917 jiwa per km², sementara pertumbuhan penduduk setiap tahunnya sekitar 1.99 %. Masyarakat Sibolga terdiri dari bermacam etnis, antara lain Batak Toba, Batak Mandailing, Melayu dan Minangkabau. Namun dalam kesehariannya, bahasa yang dipergunakan adalah Bahasa Minangkabau logat pesisir.
Tabel 2.1 Topografi Kotamadya Sibolga
Kemiringan Luas
(km²)
Persentase
(%) Keterangan
Datar, kemiringan 0-2 % 3,12 29,10 daratan 2,17 km² dan kepulauan 0,95 km²
Bergelombang lereng
2-15 % 0,91 8,49
daratan 0,73 km² dan kepulauan 0,18 km²
Curam, lereng 15-40 % 0,31 28,9 daratan 0,10 km² dan kepulauan 0,21 km²
Terjal, lereng lebih dari
40 % 6,31 59,51
daratan 5,90 km² dan kepulauan 0,53 km²
Total 10,77 100
2.2 Dasar Teori Kependudukan
2.2.1 Defenisi Penduduk
Penduduk adalah orang dalam matranya sebagai pribadi, anggota keluarga, anggota masyarakat, warga Negara, dan himpunan kuantitas yang bertempat tinggal di suatu tempat dalam batas wilayah Negara pada waktu tertentu (Undang-Undang RI No.10 tahun 1992). Sedangkan menurut Kamus Besar Bahasa Indonesia, penduduk adalah orang yang tinggal di suatu Negara dengan hak-hak dan kewajiban tertentu yang telah diatur dalam Undang-Undang.
2.2.2. Teori- Teori Kependudukan
Teori kependudukan dikembangkan oleh dua faktor yang sangat dominan yaitu yang pertama adalah meningkatnya pertumbuhan penduduk terutama di negara-negara yang sedang berkembang dan hal ini menyebabkan para ahli memahami faktor-faktor yang dapat mempengaruhi kepadatan penduduk, sedangkan yang kedua adalah adanya masalah-masalah yang bersifat universal, yang menyababkan para ahli harus lebih banyak mengembangkan dan menguasai kerangka teori untuk mengkaji lebih lanjut sejauh mana telah terjalin suatu hubungan antara penduduk dengan perkembangan ekonomi dan sosial.
hitung (1, 2, 3, 4, 5, 6, 7, ...). Hal ini tentu saja akan sangat mengkhawatirkan di masa depan di mana kita akan kerurangan stok bahan makanan.
Emile Durkheim seorang ahli sosiologis dan salah satu tokoh kependudukan mutakhir menyatakan pada suatu wilayah dimana angka kepadatan penduduknya tinggi akibat dari tingginya laju pertumbuhan penduduk, akan timbul persaingan antara penduduk untuk dapat mempertahankan hidup. Dalam usaha memenangkan persaingan tiap-tiap orang berusaha untuk meningkatkan pendidikan dan keterampilan, dan mengambil spesialisasi tertentu. Keadaan seperti ini jelas terlihat pada masyarakat perkotaan dengan kehidupan yang kompleks.
2.3 Proyeksi Penduduk
1.Kelahiran (Fertilitas)
Fertilitas adalah sama dengan kelahiran hidup (live birth), yaitu terlepasnya bayi dari rahim seorang perempuan dengan adanya tanda-tanda kehidupan ( Ida Bagoes Mantra, 2009). Kemampuan seorang wanita untuk melahirkan berbeda antara wanita satu dengan wanita lain. Tinggi rendahnya tingkat kelahiran penduduk mempunyai keterkaitan dan ketergantungan pada struktur umur, banyaknya perkawinan, penggunaan kontrasepsi, usia perkawinan, tingkat pendidikan dan status sosial ekonami. Tingkat kelahiran yang tinggi tentu saja menjadi penyebab utama tingkat kepadatan penduduk disuatu daerah, sehingga perlu dilakukan penekanan terhadap angka kelahiran yang salah satunya menggalakkan program Keluarga Berencana (KB).
2. Kematian (Mortalitas)
masyarakat di daerah tersebut. Dengan memperhatikan trend dari tingkat mortalitas dan fertilitas di masa lampau dan estimasi perkembangan di masa mendatang dapat di buat proyeksi penduduk wilayah bersangkutan.
3 Mobilitas
Mobilitas penduduk adalah perpindahan penduduk dari suatu daerah ke daerah lain. Mobilitas penduduk ada yang bersifat nonpermanen (sementara) misalnya turisme baik nasional maupun internasional, dan ada pula mobilitas penduduk permanen (menetap). Mobilitas penduduk permanen disebut migrasi. Migrasi adalah perpindahan penduduk dari suatu tempat ke tempat lain dengan melewati batas negara atau batas administrasi dengan tujuan untuk menetap.
Salah satu jenis migrasi yaitu Transmigrasi, yaitu perpindahan penduduk dari pulau yang padat penduduk ke pulau yang jarang penduduknya di dalam wilayah Republik Indonesia. Transmigrasi pertama kali dilakukan di Indonesia pada tahun 1905 oleh pemerintah Belanda yang dikenal dengan nama kolonisasi. Berdasarkan pelaksanaannya, transmigrasi di Indonesia dapat dibedakan atas :
1. Transmigrasi Umum, yaitu transmigrasi yang dilaksanakan dan dibiayai oleh pemerintah
2. Transmigrasi Khusus, yaitu transmigrasi yang dilaksanakan degan tujuan tertentu, seperti penduduk yang terkena bencana alam dan daerah yang terkena pembangunan proyek
3. Transmigrasi Spontan (swakarsa), yaitu transmigrasi yang dilakukan oleh seseorang atas kemauan dan biaya sendiri
2.4
Kepadatan Penduduk
2.4.1 Definisi Kepadatan Penduduk
Kepadatan penduduk adalah jumlah penduduk yang mendiami suatu daerah per satuan luas (kilometer persegi). Ciri-ciri kepadatan penduduk yang makin lama makin tinggi adalah tingginya pertumbuhan penduduk yang terus berjalan dan meningkatnya jumlah pemukiman di daerah tersebut. Adapun Kepadatan Penduduk dapat dirumuskan :
KP =
KP : Kepadatan Penduduk
P : Jumlah Penduduk
A : Luas Wilayah (km2)
2.4.2 Jenis-jenis Kepadatan Penduduk
Kepadatan penduduk secara umum dibagi menjadi empat macam, sebagai berikut:
1. Kepadatan Arithmatik
Kepadatan arithmatik adalah jumlah penduduk rata-rata per kilometer persegi daerah tanpa memperhitungkan kualitas daerah maupun kualitas penduduk. Jenis kepadatan ini merupakan kepadatan tradisional dan paling mudah perhitungannya.
2. Kepadatan Fisiologis
3. Kepadatan Agraris
Kepadatan agraris adalah jumlah penduduk yang bertani dari setiap kesatuan tanah yang dikerjakan untuk pertanian.
4. Kepadatan Ekonomis
Kepadatan ekonomis adalah jumlah penduduk yang dapat dijamin penghidupannya oleh tiap kesatuan wilayah tanah (kesatuan luas tanah). Perhitungan ini tidak hanya tergantung dari sektor pertanian tapi juga sektor industri dan perdagangan. Kepadatan jenis ini dipengaruhi oleh:
1. Kesuburan tanah,
2. Tingkat intensitas dalam bertani,
3. Jarak dengan kota-kota industri makmur,
4. Tingkat kebutuhan rohani penduduk, seperti hiburan dll.
Berdasarkan kepadatan penduduknya, tiap-tiap daerah dapat digolongkan menjadi tiga macam yaitu :
1. Kelebihan Penduduk (over population)
Kelebihan penduduk adalah keadaan daerah tertentu selama waktu yang terbatas, dimana bahan-bahan keperluan hidup tidak mencukupi kebutuhan daerah tersebut secara layak. Daerah yang mengalami kelebihan penduduk biasanya akan mengalami kesulitan pemenuhan kebutuhan pokok penduduk (pangan, sandang dan tempat tinggal).
2. Kekurangan Penduduk (under population)
3. Penduduk Optimum (optimum population)
Penduduk optimum adalah jumlah penduduk yang sebaik-baiknya berdasarkan daerah tertentu. Penduduk dapat berproduksi maksimum perkapita berdasarkan sumber alam yang tersedia dan teknologi yang berkembang.
2.4.3 Faktor Penyebab Kepadatan Penduduk
Adapun Faktor yang mempengaruhi kepadatan penduduk antara lain :
a. Faktor iklim dan topografi, iklim yang nyaman dan topografi yang relatif landai menyebabkan penduduk terkonsentrasi dan menjadi padat.
b. Faktor ekonomi, yang termasuk faktor ekonomi adalah tersedianya sumber daya alam dan tersedianya lapangan kerja.
c. Faktor sosial budaya, yang termasuk faktor sosial budaya adalah kesempatan untuk meneruskan pendidikan, keterbukaan masyarakat. Selain itu daerah yang relatif aman akan selalu jadi pemukiman yang padat.
2.2.4 Upaya Mengurangi Kepadatan Penduduk
Adapun upaya-upaya yang dilakukan untuk mengurangi kepadatan penduduk antara lain :
a. Transmigrasi atau program memindahkan penduduk dari tempat yang padat ke tempat yang lain yang jarang penduduknya baik dilakukan atas bantuan pemerintah maupun keinginan diri sendiri.
b. Pemerataan lapangan kerja dengan mengembangkan industri, perikanan, pertanian, dan pertambangan di wilayah lain.
2.5
Data
Data adalah bahan mentah yang perlu diolah sehingga menghasilkan informasi atau keterangan, baik kualitatif maupun kuantitatif yang menunjukkan fakta (Riduwan,2002). Pengolahan data merupakan kegiatan terpenting dalam proses dan kegiatan penelitian. Kekeliruan memilih analisis dan perhitungan akan berakibat fatal pada kesimpulan, generalisasi maupun interpretasi.
2.5.1 Uji Dalam pengolahan Data
2.5.1.1 Uji Validitas
Validitas menunjukkan sejauh mana ketepatan dan kecermatan suatu alat ukur dalam melakukan fungsi ukurnya. Suatu test atau instrumen pengukur dapat dikatakan mempunyai validitas yang tinggi apabila alat ukur tersebut menjalankan fungsi ukurnya, atau memberikan hasil ukur yang sesuai dengan maksud dilakukannya pengukuran tersebut. Metode yang yang digunakan untuk menguji validitas adalah dengan korelasi product moment yang rumusnya sebagai berikut :
∑ ∑ ∑
Untuk menentukan valid tidaknya variabel adalah dengan cara mengkonsultasikan hasil perhitungan koefisien korelasi dengan tabel nilai koefisien (r) pada taraf kepercayaan 95 %.
Apabila rxy ≥ rtabel → valid
2.5.1.2. Uji Reliabilitas
Reliabilitas menunjukkan sejauh mana hasil pengukuran dapat dipercaya. Pengukuran yang memiliki reliabilitas tinggi disebut sebagai pengukuran yang reliabilitas. Metode yang digunakan untuk menguji reliabilitas adalah metode Alpha Cronbach. Variabel dikatakan reliabel jika memberikan nilai Alpha Cronbach > 0,60 (Ade Fatma, 2007). Nilai Alpha Cronbach diperoleh dengan menggunakan rumus sebagai berikut :
( ∑
Keterangan:
= nilai (koefisien) Alpha Cronbach = banyaknya variabel penelitian ∑ = jumlah varians variabel penelitian
= varians total
2.6
Analisis Faktor
2.6.1 Definisi Analisis Faktor
Analisis faktor adalah sebuah analisis yang mensyaratkan adanya keterkaitan antar variabel. Pada prinsipnya analisis faktor menyederhanakan hubungan yang beragam dan kompleks pada variabel yang diamati dengan menyatukan faktor atau dimensi yang saling berhubungan atau mempunyai korelasi pada suatu struktur data yang baru yang mempunyai set faktor lebih kecil. Data-data yang dimasukkan pada umumnya data matriks dan terdiri dari variabel-variabel dengan jumlah yang besar.
Analisis faktor dapat digunakan di dalam situasi sebagai berikut :
1. Mengenali atau mengidentifikasi dimensi yang mendasari (underlying dimensions) atau faktor yang menjelaskan korelasi antara suatu set variabel.
yang saling berkorelasi di dalam analisis multivariat selanjutnya, misalnya analisis regresi berganda dan analisis diskriminan.
3. Mengenali atau mengidentifikasi suatu set variabel yang penting dari suatu set variabel yang lebih banyak jumlahnya untuk dipergunakan di dalam analisis multivariat selanjutnya.
2.6.2 Model Analisis Faktor
Secara matematis, analisis faktor agak mirip dengan analisis regresi, yaitu dalam hal bentuk fungsi linier. Jumlah varians yang dikontribusi dari sebuah variabel dengan seluruh variabel lainnya lebih dikelompokkan sebagai komunalitas. Kovarians diantara variabel dijelaskan terbatas dalam sejumlah kecil komponen ditambah sebuah faktor unik untuk setiap variabel. Faktor-faktor tersebut tidak secara eksplisit diamati.
Jika variabel distandarisasi, maka model analisis faktor dapat ditulis sebagai berikut :
dimana :
Xi = Variabel ke i yang dibakukan.
Bij = Koefisien regresi yang dibakukan untuk variabel i pada komponen faktor j.
Fj = Komponen faktor ke j.
Vi = Koefisien regresi yang dibakukan untuk variabel ke i pada faktor yang
unik ke i.
µi = Faktor unik variabel ke i.
m = Banyaknya komponen faktor.
Faktor yang unik tidak berkorelasi dengan sesama faktor yang unik dan juga tidak berkorelasi dengan komponen faktor. Komponen faktor sendiri bisa dinyatakan sebagai kombinasi linier dari variabel-variabel yang terlihat/terobservasi hasil penelitian lapangan.
Dimana :
Fi = Perkiraan faktor ke i (didasarkan pada nilai variabel X dengan koefisiennya
Wi ).
Wi = Koefisien nilai faktor ke i.
k = banyaknya variabel
2.6.3 Statistik yang Berkaitan dengan Analisis Faktor
Statistik yang berkaitan dengan analisis faktor adalah :
a. Barlett’s test of sphericity
Barlett’s test of sphericity adalah uji statistik yang digunakan untuk menguji hipotesis yang menyatakan bahwa variabel-variabel tersebut tidak berkorelasi dalam populasinya. Dengan kata lain, matriks korelasi populasi adalah sebuah matriks identitas, dimana setiap variabel berkorelasi dengan variabel itu sendiri (r = 1), tetapi tidak berkorelasi dengan variabel lainnya (r = 0).
Statistik uji bartlett adalah sebagai berikut :
[ ] | |
dengan derajat kebebasan (degree of freedom) df
Keterangan :
= jumlah observasi = jumlah variabel
| | = determinan matriks korelasi
b. Correlation matrix (Matriks Korelasi)
n = 3 →
Komunalitas adalah jumlah varian yang dikontribusi dari sebuah variabel dengan seluruh variabel lainnya dalam analisis. Ini juga merupakan proporsi dari varians yang diterangkan oleh komponen faktor.
Nilai eigen merupakan jumlah varians yang dijelaskan oleh setiap faktor-faktor yang mempunyai nilai eigenvalue > 1, maka faktor tersebut akan dimasukkan ke dalam
e. Factor loadings (Faktor Muatan)
Faktor muatan adalah korelasi sederhana antara variabel dengan faktor.
f. Factor loading plot (Plot Faktor Muatan)
Plot faktor muatan adalah suatu plot dari variabel asli dengan menggunakan factor loading sebagai koordinat.
g. Factor matrix (Faktor Matriks)
Matriks faktor mengandung factor loading dari seluruh variabel dalam seluruh faktor yang dikembangkan.
h. Kaiser - Meyer - Olkin (KMO) measure of sampling adequency
Kaiser – Meyer – Olkin (KMO) merupakan suatu indeks yang digunakan untuk menguji ketepatan analisis faktor. Nilai yang tinggi (antara 0,5 – 1,0) mengidentifikasi analisis faktor tepat. Apabila dibawah 0,5 menunjukkan bahwa analisis faktor tidak tepat untuk diaplikasikan.
Measure of Sampling Adequacy (MSA) yaitu suatu indeks perbandingan antara koefisien korelasi parsial untuk setiap variabel. MSA digunakan untuk mengukur kecukupan sampel.
∑ ∑
∑
i. Percentage of variance (Persentase Varians)
j. Residuals
Residuals adalah selisih antara korelasi yang terobservasi berdasarkan input correlation matrix dan korelasi hasil reproduksi yang diestimasi dari matriks faktor.
k. Scree plot
Scree plot adalah sebuah plot dari eigenvalue untuk menentukan banyaknya faktor.
2.6.4 Langkah-Langkah Analisis Faktor
Langkah-langkah dalam analisis faktor adalah sebagai berikut : 1. Merumuskan masalah
2. Membentuk matriks korelasi 3. Menentukan metode analisis faktor 4. Menentukan banyaknya faktor 5. Melakukan rotasi terhadap faktor
6. Membuat intrepretasi hasil rotasi terhadap faktor 7. Menentukan ketepatan model (model fit)
Merumuskan masalah
Membentuk matriks korelasi
Menghitung nilai karakteristik (eigenvalue)
Menghitung vektor karakteristik (eigenvector)
Menentukan banyaknya faktor
Menghitung matriks factor loading
Melakukan rotasi faktor
Interpretasi faktor
Menentukan ketepatan model (model fit)
Gambar 2.1 Langkah-langkah dalam analisis faktor
1. Merumuskan Masalah
Merumuskan masalah meliputi beberapa kegiatan. Pertama, tujuan analisis faktor harus diidentifikasi. Variabel yang akan digunakan dalam analisis faktor harus dispesifikasi berdasarkan penelitian sebelumnya, teori dan pertimbangan subjektif dari peneliti. Pengukuran variabel berdasarkan skala interval dan rasio. Besarnya sampel harus tepat, sebagai petunjuk umum besarnya sampel paling sedikit empat atau lima kali banyaknya variabel.
2. Membentuk Matriks Korelasi
Dilakukan perhitungan matriks korelasi . Matriks korelasi digunakan sebagai input analisis faktor.
Korelasi antar Variabel
3. Menghitung nilai karakteristik (eigenvalue)
Perhitungan nilai karakteristik (eigenvalue), dimana perhitungan ini berdasarkan persamaan karakteristik :
dengan :
= matriks korelasi = matriks identitas
= eigenvalue
Eigenvalue adalah jumlah varian yang dijelaskan oleh setiap faktor. (Anton Howard, 2000)
4. Menghitung vektor karakteristik (eigenvector)
Penentuan vektor karakteristik (eigenvector) yang bersesuaian dengan nilai karakteristik (eigenvalue), yaitu dengan persamaan :
dengan :
= eigenvector, (Anton Howard, 2000)
5. Menentukan Banyaknya Faktor
Ada beberapa prosedur yang dapat dipergunakan dalam menentukan banyaknya faktor yaitu, penentuan secara a priori, penentuan berdasarkan pada eigenvalue, penentuan berdasarkan Scree plot, penentuan berdasarkan persentase varians, penentuan berdasarkan Split-Half Reliability, dan penentuan berdasarkan uji signifikan.
a. Penentuan Secara A priori
Kadang-kadang karena adanya dasar teori atau pengalaman sebelumnya, peneliti sudah dapat menentukan banyaknya faktor yang akan diekstraksi. Hampir sebagaian besar program komputer memungkinkan peneliti untuk menentukan banyaknya faktor yang diinginkan dengan pendekatan ini.
b. Penentuan Berdasarkan Eigenvalue
Pada pendekatan ini, hanya faktor dengan eigenvalue lebih besar dari satu yang dipertahankan. Eigenvalue merepresentasikan besarnya sumbangan dari faktor terhadap varians seluruh variabel aslinya. Hanya faktor dengan varians lebih besar dari satu yang dimasukkan dalam model. Faktor dengan varians lebih kecil dari satu tidak lebih dari variabel asli, sebab variabel yang dibakukan (distandarisasi) yang berarti rata-ratanya nol dan variansinya satu.
c. Penentuan Berdasarkan Sree Plot
Sree Plot merupakan plot dari nilai eigenvalue terhadap banyaknya faktor dalam ekstraksinya. Bentuk plot yang dihasilkan digunakan untuk menentukan banyaknya faktor. Biasanya plot akan berbeda antara slope tegak faktor, dengan eigenvalue yang besar dan makin kecil pada sisa faktor yang tidak perlu diekstraksi.
d. Penentuan Berdasarkan Persentase Varians
Sebagai petunjuk umum bahwa ekstraksi faktor dihentikan kalau kumulatif persentase varians sudah mencapai paling sedikit 60% atau 75% dari seluruh varians variabel asli.
e. Penentuan Split-Half Reliability
Sampel dibagi menjadi dua, dan analisis faktor diaplikasikan kepada masing-masing bagian. Hanya faktor yang memiliki faktor loading tinggi antar dua bagian itu yang akan dipertahankan.
f. Penentuan Berdasarkan Uji Signifikan
Dimungkinkan untuk menentukan signifikansi statistik untuk eigenvalue yang terpisah dan mempertahankan faktor-faktor yang berdasarkan uji statistik eigenvaluenya signifikan pada α = 5% atau α = 1%. Penentuan banyaknya faktor dengan cara ini memiliki kelemahan, khususnya pada ukuran sampel yang besar misalnya diatas 200 responden, banyak faktor yang menunjukkan uji signifikan, walaupun dari pandangan praktis banyak faktor yang mempunyai sumbangan terhadap seluruh varians hanya kecil.
6. Menghitung matriks faktor loading
Matriks loading factor ( ) diperoleh dengan mengalikan matriks eigenvector ( ) dengan akar dari matriks eigenvalue (L). Atau dalam persamaan matematis ditulis
√ .
7. Melakukan Rotasi Faktor
Sebuah output penting dari analisis faktor adalah matriks faktor atau disebut juga sebagai matriks faktor pola. Matriks faktor mengandung koefisien yang digunakan untuk mengekspresikan variabel yang dibakukan (distandarisasi) dinyatakan dalam faktor. Koefisien-koefisien tersebut atau faktor loadings merupakan korelasi antara faktor dengan variabelnya. Sebuah koefisien dengan nilai absolut yang besar mengindikasikan bahwa faktor dan variabel berkorelasi kuat. Koefisien tersebut bisa digunakan untuk menginterpretasi faktor.
diambil kesimpulannya tentang banyaknya faktor yang bisa diekstraksi, hal ini disebabkan karena faktor berkorelasi dengan banyaknya variabel atau sebaliknya variabel tertentu masih banyak berkorelasi dengan banyak faktor.
Dalam merotasi faktor, diharapkan setiap faktor memiliki loading faktor atau koefisien yang tidak nol, atau signifikan hanya untuk beberapa variabel. Atau, diharapkan setiap variabel memiliki faktor loadings signifikan hanya dengan sedikit faktor, atau kalau mungkin dengan sebuah faktor. Rotasi tidak berpengaruh terhadap komunalitas dan persentase total varians yang dijelaskan. Namun demikian, rotasi berpengaruh terhadap persentase varians dari setiap faktor. Beberapa metode rotasi yang bisa digunakan adalah orthogonal rotation, varimax rotation, dan oblique rotation.
Orthogonal rotation adalah kalau sumbu dipertahankan tegak lurus sesamanya (bersudut 90 derajat). Yang paling banyak digunakan adalah varimax rotation, yaitu rotasi ortogonal dengan meminimumkan banyaknya variabel yang memiliki loadings tinggi pada sebuah faktor, sehingga lebih mudah menginterpretasi faktor. Rotasi ortogonal menghasilkan faktor-faktor yang tidak berkorelasi. Oblique rotation adalah jika sumbu-sumbu tidak dipertahankan harus tegak lurus sesamanya (bersudut 90 derajat) dan faktor-faktor berkorelasi. Kadang-kadang, mentoleransi korelasi antar faktor-faktor bisa menyederhanakan matriks pola faktor. Oblique rotation harus dipergunakan kalau faktor dalam populasi berkorelasi sangat kuat.
8. Interpretasi Faktor
9. Menentukan Ketepatan Model (model fit)
BAB 3
PEMBAHASAN DAN HASIL
3.1 Populasi, Sampel dan Teknik Pengambilan Sampel
Populasi dalam penelitian ini adalah seluruh penduduk kotamadya Sibolga. Data total jumlah penduduk kotamadya Sibolga pada tahun 2010 yang diperoleh dari hasil sensus penduduk oleh Badan Pusat Statistik adalah sebagai berikut ini :
Tabel 3.1 Daftar Jumlah Penduduk Kotamadya Sibolga tahun 2010
No Kecamatan Jumlah Penduduk
(jiwa)
1 Sibolga Utara 20.169
2 Sibolga Kota 14.456
3 Sibolga Selatan 30.337
4 Sibolga Sambas 20.309
Total 85.271
Sumber : Sibolga dalam Angka 2012
1. Menentukan jumlah sampel yang akan diambil berdasarkan populasi penduduk kotamadya Sibolga.
2. Menentukan banyaknya sampel yang akan diambil dari tiap kecamatan berdasarkan pertimbangan jumlah penduduk di tiap kecamatan tersebut.
3. Menentukan bagaimana sampel akan diambil.
Pengambilan sampel dalam penelitian ini dilakukan dengan cara Probability Sampling (Metode Acak), artinya setiap anggota populasi memiliki kesempatan yang sama (acak) untuk terpilih sebagai sampel sehingga diharapkan sampel yang terpilih dapat digunakan untuk menduga karakteristik populasi secara objektif (Sugiarto, 2001). Karena jumlah populasi pada tiap kecamatan berbeda maka ditentukan jumlah sampel pada setiap kecamatan dengan cara komposisi proporsional.
Berdasarkan perhitungan proporsi diperoleh jumlah sampel pada tiap kecamatan sebagai berikut :
Tabel 3.2 Penarikan Sampel dengan Proporsional
No Kecamatan Populasi Proporsi Sampel Jumlah Sampel
(jiwa)
1 Sibolga Utara 20.169 23,65 % 24
2 Sibolga Kota 14.456 16,95 % 17
3 Sibolga Selatan 30.337 35,58 % 35
4 Sibolga Sambas 20.309 23,82 % 24
Total 85.271 100 % 100
3.2 Karakteristik Responden
Tabel 3.3 Karakteristik Responden
Adapun variabel yang digunakan dalam penelitian ini adalah sebagai berikut :
1. Efektivitas alat kontrasepsi (X1)
Alat kontrasepsi adalah alat yang digunakan dalam upaya untuk mencegah terjadinya kehamilan. Kontrasepsi berasal dari kata kontra berarti mencegah atau melawan, sedangkan konsepsi adalah pertemuan antara sel telur yang matang dan sel sperma yang mengakibatkan kehamilan. Dalam penelitian ini di teliti persepsi penduduk kota Sibolga mengenai penggunaan alat kontrasepsi sebagai salah satu upaya untuk mencegah kehamilan.
2. Usia Pernikahan (X2)
3. Pendapatan/Penghasilan (X3)
Pendapatan adalah besarnya pemasukan yang diterima oleh seseorang atau lembaga tertentu. Di dalam penelitian ini di teliti persepsi penduduk Sibolga mengenai hubungan pendapatan/penghasilan dengan keinginan memiliki jumlah anak tertentu.
4. Tingkat Pendidikan (X4)
Tingkat Pendidikan adalah tinggi rendahnya pendidikan yang telah dicapai oleh seseorang dalam hidupnya. Di dalam penelitian ini di teliti persepsi penduduk Sibolga mengenai hubungan tingkat pendidikan suatu keluarga dengan keinginan memiliki jumlah anak tertentu.
5. Program KB (X5)
Program KB adalah salah satu program yang dicanangkan oleh pemerintah guna menekan lajunya angka kelahiran. Program KB yang berhasil akan menunjukan angka kelahiran yang menurun dari tiap tahunnya, namun program KB yang gagal akan menunjukkan jumlah kelahiran yang tetap bahkan bertambah untuk setiap tahunnya. Di dalam penelitian ini di teliti persepsi penduduk Sibolga mengenai program KB yang telah dicanangkan oleh Pemerintah kotamadya Sibolga.
6. Fasilitas Kesehatan (X6)
Fasilitas kesehatan adalah alat atau sarana kesehatan yang ada di suatu daerah, baik yang disediakan oleh Pemerintah maupun lembaga- lembaga swasta. Fasilitas kesehatan yang disediakan dimaksudkan dapat menjadi sarana penolong bagi masyarakat dalam mendapatkan pelayanan kesehatan yang memadai. Di dalam penelitian ini di teliti persepsi penduduk Sibolga mengenai fasilitas kesehatan yang terdapat di kotamadya Sibolga.
7. Kesadaran akan Kesehatan (X7)
untuk menjaganya. Di dalam penelitian ini di teliti persepsi penduduk Sibolga mengenai kesadaran masyarakat akan kesehatan.
8. Lapangan Pekerjaan (X8)
Lapangan pekerjaan adalah bidang kegiatan dari pekerjaan/usaha/ perusahaan/kantor tempat seseorang bekerja. Lapangan pekerjaan yang memadai menggambarkan kondisi ekonomi disuatu daerah sudah baik demikian sebaliknya. Di dalam penelitian ini di teliti persepsi penduduk Sibolga mengenai lapangan pekerjaan yang terdapat di kotamadya Sibolga menarik perhatian orang dari luar untuk mencari pekerjaan di kota Sibolga.
9. Fasilitas Pendidikan (X9)
Fasilitas Pendidikan adalah alat atau sarana yang berkaitan dengan bidang pendidikan yang terdapat di suatu daerah baik milik pemerintah maupun lembaga swasta. Pada umumnya fasilitas pendidikan menggambarkan kegiatan pembelajaran yang ada di daerah tersebut. Fasilitas pendidikan yang memadai memudahkan proses pembelajaran sehingga menghasilkan anak didik yang jauh berkualitas. Di dalam penelitian ini di teliti persepsi penduduk Sibolga mengenai fasilitas pendidikan yang terdapat di kotamadya Sibolga.
10.Tingkat Keamanan (X10)
Keamanan adalah keadaan bebas dari bahaya, yang dapat diartikan bahwa seseorang merasa aman dan nyaman lahir dan batinnya untuk tinggal di suatu daerah terhadap tindak- tindak kejahatan yang bisa terjadi. Keamanan merupakan prioritas penting dalam kehidupan, karena tanpa adanya rasa aman dalam diri seseorang maka ketenangan tidak akan pernah ada. Di dalam penelitian ini di teliti persepsi penduduk kota Sibolga mengenai tingkat keamanan kotamadya Sibolga untuk dijadikan tempat tinggal oleh orang dari luar kota Sibolga.
11.Sumber Daya Alam (X11)
3.4 Sumber Data
Data di dalam penelitain ini diperoleh dari hasil wawancara terstruktur terhadap responden dengan menggunakan kuisioner. Kuisioner yang digunakan merupakan kuisioner tertutup (kuesioner terstruktur), yaitu kuisioner yang disusun dalam bentuk pernyataan yang telah disertai dengan pilihan jawaban dalam bentuk skala.
Skala yang digunakan dalam penelitian ini adalah skala likert, yang biasanya digunakan untuk mengukur sikap, pendapat dan persepsi seseorang tentang suatu kejadian atau gejala sosial (Riduwan, 2005).
Dalam penelitian ini skala ditetapkan dalam bentuk pilihan ganda dengan setiap pernyataan diberi skor antara 1 sampai dengan 5, yaitu :
1 = Sangat tidak setuju 2 = Tidak setuju
3 = Tidak tahu/ragu-ragu 4 = Setuju
5 = Sangat setuju
3.5 Pengolahan Data
3.5.1 Input Data Mentah
Tabel 3.4 Data Hasil Kuisioner
Nomor
Responden X1 X2 X3 X4 X5 X6 X7 X8 X9 X10 X11
1. 4 4 3 5 4 5 3 4 5 4 3
2. 5 3 3 3 5 2 4 3 4 4 4
3. 4 4 3 5 4 5 5 5 5 5 5
4. 5 5 4 5 5 5 5 5 4 4 4
5. 4 2 4 4 4 3 2 2 4 3 3
6. 5 5 5 3 5 4 5 5 4 4 5
7. 4 2 5 3 4 3 2 2 5 4 4
8. 4 5 4 4 4 5 5 5 5 3 5
9. 4 4 4 3 4 4 3 2 2 3 2
10. 5 4 5 5 4 4 5 5 4 4 5
. . . .
. . . .
. . . .
. . . .
100. 4 4 4 4 4 4 2 3 4 4 4
Data mentah keseluruahan ada pada lampiran 2A
3.5.2 Penskalaan Data Ordinal Menjadi Data Interval
Tabel 3.5 Penskalaan Variabel 1
Langkah-langkah Methods Successive Interval :
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 ke dalam fungsi densitas normal baku sebagai berikut:
√
√
5. Menghitung Scale Value (SV) dengan rumus :
6. Menentukan Scale Value min sehingga | | Scale Value terkecil =
| |
| |
7. Mentransformasikan nilai skala dengan menggunakan rumus : | |
Hasil penskalaan dari masing-masing variabel:
3.6 Uji Validitas
Validitas menunjukkan sejauh mana ketepatan dan kecermatan suatu alat ukur dalam melakukan fungsi ukurnya. Pada penelitian ini uji validitas dilakukan dengan membandingkan nilai r-hitung dengan nilai r-tabel (rproduct moment).
Pengujian validitas dilakukan pada 100 responden dengan bantuan SPSS dengan langkah sebagai berikut:
1. Klik analyze, pilih scale dan reliability analysis.
2. Setelah muncul kotak dialog reliability analysis, pindahkan data (X1 sampai X11)
Tabel 3.8 Uji Validitas Variabel Penelitian
Dengan N = 100 dan α = 5% maka berdasarkan tabel korelasi product moment diperoleh r-tabel sebesar 0,195, ini menunjukkan bahwa seluruh variabel dinyatakan valid karena nilai r-hitung > r tabel, r-hitung > 0,195.
Secara manual perhitungan korelasi product moment antara variabel X1 dengan skor total variabel lainnya (Y = X2 + X3 + X4 + X5 + X6 + X7 + X8 + X9 + X10 + X11) dapat dilihat pada tabel berikut:
Tabel 3.9 Contoh Perhitungan Korelasi Product Moment Nomor
Responden X Y XY X
2 Y2
1. 2,496 35,353 88,241088 6,230016 1249,834609
2. 3,934 30,206 118,830404 15,476356 91,402436
3. 2,496 40,992 102,316032 6,230016 1680,344064
4. 3,934 40,58 159,64172 15,476356 1646,7364
5. 2,496 27,087 67,609152 6,230016 733,705569
6. 3,934 39,702 156,187668 15,476356 1576,248804
7. 2,496 30,638 76,472448 6,230016 938,687044
8. 2,496 39,73 99.16608 6,230016 1578,4729
9. 2,496 26,84 66,99264 6,230016 720,3856
10. 3,934 39,439 155,153026 15,476356 1555,434721
11. 2,496 27,76 69,28896 6,230016 770,6176
12. 3,934 30,183 118,739922 15,476356 911,013489
13. 3,934 28,504 112,134736 15,476356 812,478016
14. 2,496 30,045 74,99232 6,230016 902,702025
15. 2,496 32,145 80,23392 6,230016 1033,301025
. . . . . .
. . . . . .
. . . . . .
100. 2,496 31,807 79,390272 6,230016 1011,685249
∑ ∑ ∑ √ ∑ ∑ ∑ ∑
(
√
√
√
√
Hasil perhitungan nilai korelasi product moment menggunakan program SPSS menunjukkan nilai yang sama dengan perhitungan nilai korelasi product moment secara manual terhadap variabel X1 yaitu sebesar 0,285.
3.7 Uji Reliabilitas
Uji Reliabilitas menunjukkan sejauh mana hasil suatu pengukuran dapat dipercaya. Pengukuran yang memiliki reliabilitas tinggi disebut sebagai pengukuran yang reliabel. Metode yang digunakan untuk menguji reliabilitas adalah metode Alpha Cronbach. Variabel dikatakan reliabel jika memberikan nilai Alpha Cronbach > 0,6 (Ghozali, 2005).
1. Klik analyze, pilih scale dan reliability analysis.
2. Setelah muncul kotak dialog reliability analysis, pindahkan data (X1 sampai X11) ke dalam item statistik.
3. Klik kotak dialog statistic pilih descriptive for (item, scale, dan scale if item deleted).
4. Klik continue dan OK.
5. Pada output kolom cronbach’s Alpha if item deleted adalah hasil uji reliabilitas.
Tabel 3.10 Uji Reliabilitas Variabel Penelitian
Hasil uji reliabilitas terhadap variabel-variabel penelitian menunjukkan bahwa data mempunyai tingkat reliabilitas yang tinggi karena nilai Alpha Cronbach untuk ke 11 variabel > 0,6. Dengan demikian, data dapat memberikan hasil pengukuran yang konsisten (reliabel).
Secara manual perhitungan nilai Alpha Cronbach untuk variabel X1 diperoleh dengan langkah-langkah berikut ini:
̅
2. Mencari nilai total varians (tanpa variabel X1).
3. Melakukan proses perhitungan nilai Alpha Cronbach variabel X1 dengan memakai rumus:
( ∑
(
)
(
(
Hasil perhitungan nilai Alpha Cronbach menggunakan program SPSS menunjukkan nilai yang hampir sama dengan perhitungan Alpha Cronbach secara manual terhadap variabel X1 yaitu sebesar 0,7528, ini disebabkan adanya faktor pembulatan dalam proses perhitungan. Selanjutnya dapat dilakukan langkah yang sama untuk menentukan nilai Alpha Cronbach terhadap variabel yang lain.
3.8 Analisis Data
Metode analisis data yang digunakan adalah teknik analisis faktor dengan pendekatan komponen utama. Langkah-langkah dalam analisis faktor adalah sebagai berikut :
3.8.1 Membentuk Matriks Korelasi
a. Matriks korelasi merupakan matriks yang memuat koefisien korelasi dari semua pasangan variabel dalam penelitian ini.
b. Matriks ini digunakan untuk mendapatkan nilai kedekatan hubungan antar variabel penelitian.
c. Nilai kedekatan ini dapat digunakan untuk melakukan beberapa pengujian untuk melihat kesesuaian dengan nilai korelasi yang diperoleh dari analisis faktor.
Perhitungan matriks korelasi menggunakan program SPSS adalah sebagai berikut :
Perhitungan nilai korelasi masing-masing variabel secara manual diperoleh dengan memakai rumus korelasi product moment :
∑ ∑ ∑ √ ∑ ∑ ∑ ∑
Contoh perhitungan korelasi antara variabel X1 dengan X2. Misalkan X1 adalah X dan X2 adalah Y.
4. 3,934 3,652 14,366968 15,476356 13,337104
5. 2,496 1,000 2,496 6,230016 1,000
6. 3,934 3,652 14,366968 15,476356 13,337104
7. 2,496 1,000 2,496 6,230016 1,000
8. 2,496 3,652 9,115392 6,230016 13,337104
9. 2,496 2,408 6,010368 6,230016 5,798464
10. 3,934 2,408 9,473072 15,476356 5,798464
11. 2,496 1,000 2,496 6,230016 1,000
12. 3,934 1,655 6,51077 15,476356 2,739025
13. 3,934 1,655 6,51077 15,476356 2,739025
14. 2,496 1,655 4,13088 6,230016 2,739025
15. 2,496 2,408 6,010368 6,230016 5,798464
. . . . . .
. . . . . .
. . . . . .
100. 2,496 2,408 6,010368 6,230016 5,798464
Jumlah 298,557 255,461 789,30975 966,655269 735,228487
∑ ∑ ∑ √ ∑ ∑ ∑ ∑
(
√
√
Hasil perhitungan korelasi antara variabel X1 dan X2menggunakan program SPSS menunjukkan nilai yang sama dengan perhitungan korelasi antara variabel X1 dan X2 secara manual yaitu sebesar 0,337. Selanjutnya dapat dilakukan langkah yang sama untuk menentukan nilai korelasi antara variabel yang lain.
Pada penelitian ini matriks korelasi yang dibentuk dari data yang diperoleh untuk mengetahui faktor-faktor yang mempengaruhi kepadatan penduduk di kotamadya Sibolga memperlihatkan korelasi yang cukup kuat antara variabel X1 dengan X2 sehingga diharapkan nantinya bahwa variabel-variabel ini akan berkorelasi dengan faktor yang sama.
Data mengenai 11 variabel yang berasal dari jawaban 100 orang responden kemudian dianalisa pada anti image correlation. Uji ini dilakukan dengan memperhatikan angka KMO dan MSA. Kriteria kesesuaian dalam pemakaian analisis faktor adalah
Jika harga KMO sebesar 0,9 berarti sangat memuaskan, Jika harga KMO sebesar 0,8 berarti memuaskan,
Jika harga KMO sebesar 0,7 berarti harga menengah, Jika harga KMO sebesar 0,6 berarti cukup,
Jika harga KMO sebesar 0,5 berarti kurang memuaskan, dan Jika harga KMO kurang dari 0,5 tidak dapat diterima. .
Tabel 3.13 Kaiser-Meyer-Olkin (KMO) dan Barlett’s Test
Kaiser-Meyer-Olkin Measure of Sampling Adequacy. 0,731
Bartlett's Test of Sphericity Approx. Chi-Square 284,811
df 55
Hasil perhitungan menunjukkan besaran nilai Barlett Test of Sphericity adalah 284,811 pada signifikan 0,000 yang berarti pada penelitian ini ada korelasi yang signifikan antar variabel dan hasil perhitungan KMO sebesar 0,731 sehingga kecukupan sampel termasuk kategori yang menengah dan layak untuk diteliti lebih lanjut. Perhitungan secara manual nilai KMO dan Barlett’s test dapat dilihat pada lampiran 4B dan lampiran 4C.
Menurut Santoso (2005) Angka MSA (Measure of Sampling Adequecy) berkisar antara 0 sampai 1 dengan kriteria :
MSA = 1, variabel dapat diprediksi tanpa kesalahan oleh variabel lain. MSA ≥ 0,5, variabel masih bisa diprediksi dan bisa dianalisis lebih lanjut. MSA < 0,5, variabel tidak bisa diprediksi dan tidak bisa dianalisis lebih lanjut
Hipotesis untuk uji diatas adalah :
H0 = sampel belum memadai untuk dianalisis lebih lanjut H1 = sampel sudah memadai untuk dianalisis lebih lanjut Kriteria dengan melihat probabilitas (tingkat signifikansi) : Angka Sig. ≥ 0,05, maka H0 diterima
Angka Sig. < 0,05, maka H0 ditolak
Tabel 3.14 Nilai Measure of Sampling Adequecy (MSA)
Dengan melihat anti image correlation diketahui ke 11 variabel menunjukkan kriteria angka MSA lebih besar dari 0,5, yang berarti semua variabel masih bisa diprediksi untuk dianalisa lebih lanjut. Dari kedua hasil pengujian di atas, semua variabel mempunyai korelasi yang cukup tinggi dengan variabel lain, sehingga analisis layak untuk dilanjutkan dengan mengikutkan 11 variabel.
Perhitungan secara manual dapat dilihat pada lampiran 4B.
3.8.2 Ekstraksi Faktor
Pada tahap ini, akan dilakukan proses inti dari analisis faktor, yaitu melakukan ekstraksi terhadap sekumpulan variabel yang ada KMO>0,5 sehingga terbentuk satu atau lebih faktor.
Metode yang digunakan untuk tahap ini adalah Principal Component Analysis dan rotasi faktor dengan metode Varimax (bagian dari orthogonal).
Tabel 3.15 Komunalitas Variabel
No Variabel Initial Extraction
1 X1 = Efektivitas alat kontrasepsi 1,000 0,692
a. Untuk variabel efektivitas alat kontrasepsi, nilai komunalitasnya adalah 0,692 atau sekitar 69,2% varians dari variabel efektivitas alat kontrasepsi bisa dijelaskan oleh faktor yang terbentuk.
b. Untuk variabel usia/umur pernikahan, nilai komunalitasnya adalah 0,505 atau sekitar 50,5% varians dari variabel usia/umur pernikahan bisa dijelaskan oleh faktor yang terbentuk.
c. Untuk variabel pendapatan/penghasilan, nilai komunalitasnya adalah 0,487 atau sekitar 48,7% varians dari variabel pendapatan/penghasilan bisa dijelaskan oleh faktor yang terbentuk.
d. Untuk variabel tingkat pendidikan, nilai komunalitasnya adalah 0,544 atau sekitar 54,4% varians dari variabel tingkat pendidikan bisa dijelaskan oleh faktor yang terbentuk.
e. Untuk variabel program KB, nilai komunalitasnya adalah 0,585 atau sekitar 58,5% varians dari variabel program KB bisa dijelaskan oleh faktor yang terbentuk.
f. Untuk variabel fasilitas kesehatan, nilai komunalitasnya adalah 0,731 atau sekitar 73,1% varians dari variabel fasilitas kesehatan bisa dijelaskan oleh faktor yang terbentuk.
g. Untuk variabel kesadaran akan kesehatan, nilai komunalitasnya adalah 0,548 atau sekitar 54,8% varians dari kesadaran akan kesehatan bisa dijelaskan oleh faktor yang terbentuk.
h. Untuk variabel lapangan pekerjaan, nilai komunalitasnya adalah 0,572 atau sekitar 57,2% varians dari variabel lapangan pekerjaan bisa dijelaskan oleh faktor yang terbentuk.
i. Untuk variabel fasilitas pendidikan, nilai komunalitasnya adalah 0,436 atau sekitar 43,6% varians dari variabel fasilitas pendidikan bisa dijelaskan oleh faktor yang terbentuk.
j. Untuk variabel tingkat keamanan, nilai komunalitasnya adalah 0,555 atau sekitar 55,5% varians dari variabel tingkat keamanan bisa dijelaskan oleh faktor yang terbentuk.
Tabel 3.16 Total Variansi yang Dijelaskan A. Nilai Eigenvalue Untuk Setiap Faktor
Faktor atau Komponen
B. Sumbangan Masing-Masing Faktor Terhadap Varians Seluruh Variabel Asli
Faktor atau dari 1,0 yaitu kita sebut faktor 1 dengan eigenvalue 3,449, faktor 2 dengan eigenvalue 1,797, dan faktor 3 dengan eigenvalue 1,120. Ketiga faktor tersebut menjelaskan (57,87) % total varians variabel yang mempengaruhi.
3.8.3 Menentukan Banyaknya Faktor
Penentuan banyaknya faktor yang dilakukan dalam analisis faktor maksudnya adalah mencari variabel terakhir yang disebut faktor yang saling tidak berkorelasi, bebas satu sama lainnya, lebih sedikit jumlahnya daripada variabel awal akan tetapi dapat menyerap sebagian besar informasi yang terkandung dalam variabel awal atau yang dapat memberikan sumbangan terhadap varians seluruh variabel.
Ada beberapa prosedur yang dapat dipergunakan dalam menentukan banyaknya faktor, antara lain adalah sebgai berikut :
1. Dilihat dari Initial Eigenvalue Total
Untuk menentukan banyaknya faktor dari initial values dilihat dengan metode pendekatan, hanya faktor dengan eigenvalue lebih besar dari satu yang dipertahankan, jika lebih kecil dari satu, faktornya tidak diikutsertakan dalam model. Suatu eigenvalue menunjukkan besarnya sumbangan dari faktor terhadap varians seluruh variabel asli.
Berdasarkan tabel 3.16A ternyata diperoleh banyaknya faktor yang dapat mempengaruhi kepadatan penduduk kotamadya Sibolga menurut persepsi penduduk atau asumsi responden adalah 3, karena ada 3 faktor atau komponen yang eigenvalue nya lebih dari 1, yaitu Faktor dengan eigenvalue 3,449, Faktor 2 dengan eigenvalue 1,797¸ Faktor 3 dengan eigenvalue 1,120.
Berdasarkantabel 3.16B dapat diketahui bahwa besarnya sumbangan yang diberikan dari masing-masing faktor terhadap varians seluruh variabel asli. Faktor 1 memberikan sumbangan varians sebesar 31,353%, faktor 2 sebesar 16,337%, dan yang terakhir faktor 3 sebesar 10,18%. Sehingga total sumbangan varians dari ketiga faktor tersebut adalah sebesar 57,87%.
2. Menentukan Banyaknya Faktor dengan Scree Plot
faktor sebagai sumbu horizontal. Bentuk kurva atau plotnya dipergunakan untuk menentukan banyaknya faktor.
Jika tabel total varians menjelaskan dasar jumlah faktor yang diperoleh dengan perhitungan angka, maka scree plot memperlihatkan hal tersebut dengan grafik. Terlihat bahwa dari satu ke dua faktor (garis dari sumbu Component 1 ke 2), arah garis cukup menurun tajam. Kemudian dari 2 ke 3 garis juga menurun. Pada faktor 4 sudah di bawah angka 1 dari sumbu eigenvalue. Hal ini menunjukkan bahwa ada 3 faktor yang mempengaruhi kepadatan penduduk, yang dapat diekstraksi berdasarkan scree plot.
Gambar 3.1 Scree Plot
3.8.4 Melakukan Rotasi Faktor
menginterpretasi faktor. Matriks faktor atau matriks komponen dapat dilihat sebagai berikut :
Tabel 3.17 Matriks Faktor (a) (Sebelum Dirotasi)
Faktor (Komponen)
Walaupun matriks faktor atau matriks komponen awal sebelum dirotasi menunjukkan hubungan antara faktor (komponen) dengan variabel secara individu, akan tetapi masih sulit diambil kesimpulannya tentang banyaknya faktor yang dapat diekstraksi. Hal ini disebabkan karena faktor (komponen) berkorelasi dengan banyak variabel lainnya atau sebaliknya variabel tertentu masih berkorelasi dengan banyak fakor. Sehingga dalam keadaan ini terkadang membuat peneliti kesulitan dalam penentuan suatu variabel kedalam suatu faktor.
Misalkan Matriks Faktor (sebelum dirotasi) diatas dapat dilihat bahwa F1 memiliki korelasi kuat dengan 9 variabel, yakni X1, X2, X3, X4, X6, X7, X8 X9, X10, X11 sementara F2 memiliki korelasi kuat dengan X1, X2, X5 dan F3 memiliki korelasi kuat dengan X3. Korelasi dianggap cukup kuat jika koefisien korelasi yang diwaliki factor
faktor, seperti variabel X1 berkorelasi dengan faktor 1 dan 2; variabel X2 berkorelasi dengan faktor 1 dan 2, variabel X3 berkorelasi dengan faktor 1 dan 3, situasi seperti ini membuat kesimpulan mengenai banyaknya faktor yang diekstraksi dari variabel menjadi sulit.
Untuk mengatasi hal tersebut dapat dilakukan proses rotasi pada faktor yang terbentuk agar memperjelas posisi sebuah variabel, akankah dimasukkan pada faktor yang satu ataukah ke faktor lainnya. Beberapa metode rotasi yang bisa digunakan adalah orthogonal rotation, varimax rotation, dan oblique rotation.
Orthogonal rotation adalah kalau dipertahankan tegak lurus sesamanya (bersudut 90 derajat). Yang paling banyak digunakan adalah varimax rotation, yaitu rotasi orthogonal dengan meminimumkan banyaknya variabel yang memiliki loading tinggi pada sebuah faktor, sehingga lebih mudah mengiterpretasi faktor. Rotasi orthogonal menghasilkan faktor-faktor yang tidak berkorelasi. Oblique rotation adalah jika sumbu-sumbu tidak dipertahankan harus tegak lurus sesamanya (bersudut 90 derajat) dan faktor-faktor berkorelasi. Oblique rotation harus dipergunakan kalau faktor dalam populasi berkorelasi sangat kuat.
