ANALISIS FAKTOR PENGARUH TINGKAT KECEMASAN
MAHASISWA DALAM MENYELESAIKAN SKRIPSI
DI FMIPA USU
SKRIPSI
DELVINA TRI ASWARA
130823033
DEPARTEMEN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS SUMATERA UTARA
ANALISIS FAKTOR PENGARUH TINGKAT KECEMASAN
MAHASISWA DALAM MENYELESAIKAN SKRIPSI
DI FMIPA USU
SKRIPSI
Diajukan untuk melengkapi tugas dan memenuhi syarat mencapai gelar Sarjana Sains
DELVINA TRI ASWARA
130823033
DEPARTEMEN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS SUMATERA UTARA
iii
PERSETUJUAN
Judul : Analisis Faktor Tingkat Kecemasan Mahasiswa dalam Menyelesaikan Skripsi di Fmipa Usu
Kategori : Skripsi
Nama : Delvina Tri Aswara
Nomor Induk Mahasiswa : 130823033
Program Studi : Sarjana (S1) Matematika
Departemen : Matematika
Fakultas : Matematika Dan Ilmu Pengetahuan Alam (Fmipa) Universitas Sumatera Utara
Diluluskan di Medan, Agustus 2015
Komisi Pembimbing :
Pembimbing 2 Pembimbing 1
Dr. Mardiningsih, M.Si Drs. Henry Rani Sitepu, M.Si Nip. 19630405 198811 2 001 Nip. 19530303 198303 1 002
Disetujui oleh
Departemen Matematika FMIPA USU Ketua,
iv
PERNYATAAN
ANALISIS FAKTOR PENGARUH TINGKAT KECEMASAN MAHASISWA DALAM MENYELESAIKAN
SKRIPSI DI FMIPA USU
SKRIPSI
Saya mengakui bahwa skripsi ini adalah hasil kerja saya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing disebutkan sumbernya
Medan, Agustus 2015
v
PENGHARGAAN
Puji dan syukur penulis panjatkan kepada Allah SWT Tuhan Yang Maha Esa yang telah memberikan rahmat dan hidayah-Nya sehingga skripsi ini dapat diselesaikan dalam waktu yang telah ditetapkan.
Ucapan terima kasih penulis sampaikan kepada Bapak Dr.Sutarman, M.Sc selaku Dekan FMIPA USU, Bapak Drs. Henry Rani Sitepu, M.Si dan Ibu Dr. Mardiningsih, M.Si selaku pembimbing yang telah memberikan panduan dan penuh kepercayaan kepada penulis untuk menyempurnakan skripsi ini.
Penulis juga mengucapkan terima kasih kepada Bapak Prof. Dr. Tulus, M.Si.Ph.D selaku ketua Departemen Matematika, Bapak Drs. Gim Tarigan, M.Si dan Bapak Drs. Marihat Situmorang, M.Kom selaku penguji skripsi, dan staf pengajar Matematika di FMIPA USU, beserta pegawai Administrasi.
Penulis juga mengucapkan terima kasih kepada suami tercinta Panangian Siregar, SE serta anak-anakku tersayang Win Fakhri Ariyoga Siregar dan Queen Shaqilla Aurora Siregar juga kepada orang tua ku, teman-teman seperjuangan Emma Sari Tarigan, Maulidhatul Hasanah yang telah memberikan semangat moril, motivasi dan do’a dalam menyelesaikan skripsi ini.
Semoga segala bentuk bantuan yang telah diberikan mendapat balasan yang jauh lebih baik dari Tuhan Yang Maha Esa.
Sebagai seorang mahasiswa, penulis menyadari bahwa masih banyak kekurangan di dalam menyelesaikan skripsi ini. Untuk itu, kritik dan saran yang membangun sangat diharapkan demi perbaikan tulisan ini.
Medan, Agustus 2015 Penulis
vi
ANALISIS FAKTOR PENGARUH TINGKAT KECEMASAN MAHASISWA DALAM MENYELESAIKAN
SKRIPSI DI FMIPA USU
ABSTRAK
Analisis faktor merupakan suatu teknik statistika yang dipergunakan untuk mereduksi/meringkas data, menganalisis variabel-variabel yang diduga memiliki keterkaitan satu sama lain sehingga keterkaitan tersebut dapat dijelaskan dan dipetakan atau dikelompokkan pada faktor yang tepat. Pada penelitian ini digunakan Analisis Faktor untuk mengetahui apa saja faktor-faktor yang dominan yang mempengaruhi tingkat kecemasan mahasiswa dalam menyelesaikan skripsi di FMIPA USU. Berdasarkan hasil penelitian dari 78 mahasiswa FMIPA USU diperoleh 4 faktor yang dominan yang dapat mempengaruhi tingkat kecemasan mahasiswa dalam menyelesaikan skripsi yaitu : faktor kemalasan (26,050%), faktor emosional (16,076%), faktor fisik (13,277%) dan faktor ilmu (12,684%). Keempat faktor tersebut memberikan proporsi keragaman komulatif sebesar (68,087%), artinya keempat faktor tersebut dapat mempengaruhi tingkat kecemasan mahasiswa dalam menyelesaikan skripsi di FMIPA USU dan sisanya dapat dipengaruhi faktor-faktor lainnya yang tidak terindentifikasi oleh model penelitian.
vii
FACTOR ANALYSIS OF EFFECT OF ANXIETY STUDENT IN RESOLVING
THESIS IN FMIPA USU
ABSTRACT
Factor analysis is a statistical technique used to reduce / summarize the data, analyze the variables suspected of having links with one another so that the association can be explained and mapped or grouped on the right factors. In this study used factor analysis to find out what are the dominant factors affecting the level of anxiety in finishing thesis students in the Science Faculty USU. Based on the results of 78 students of the Science Faculty USU gained four dominant factors that can affect the level of anxiety of students in completing the thesis are: laziness factor (26,050%), emotional factors (16,076%), physical factors (13,277%), and the factor of science (12,684%). These four factors provide diversity cumulative proportion of (68,087%), meaning that all four of these factors can affect the level of anxiety in finishing thesis students in the Science Faculty USU and the rest can be influenced by other factors that were not identified by the research model.
ix
3.4.1. Memilih metode analisis faktor 37
3.4.2. Menentukan Banyaknya Faktor 41
3.4.3. Melakukan Rotasi Faktor 42
3.4.4 Interpretasi Faktor 44
3.4.5. Menghitung Faktor Score 46
3.4.6. Menentukan Ketepatan Model 47
Bab 4 Kesimpulan dan Saran 49
4.1. Kesimpulan 49
4.2. Saran 49
x
DAFTAR TABEL
Halaman
Tabel 2.1 Korelasi Antar Variabel 19
Tabel 3.1 Daftar Jumlah Mahasiswa di FMIPA USU 24 Tabel 3.2 Jumlah sampel pada tiap-tiap jurusan 25
Tabel 3.3 Data Hasil Kuesioner 27
Tabel 3.4 Penskalaan Variabel 30
Tabel 3.5 Hasil Penskalaan Variabel 1 30
Tabel 3.6 Uji Validitas Variabel Penelitian 31 Tabel 3.7 Contoh Perhitungan Korelasi Product Moment 32 Tabel 3.8 Uji Reliabilitas Variabel Penelitian 34
Tabel 3.9 Korelasi Matriks 35
Tabel 3.10 Kaiser-Meyer-Olkin (KMO) dan Barlett’s Test 36 Tabel 3.11 Nilai Measure of Sampling Adequecy (MSA) 36
Tabel 3.12 Komunalitas Variabel 37
xi
DAFTAR GAMBAR
Halaman
xii
DAFTAR LAMPIRAN
Halaman
Lampiran 1: Penskalaan Variabel 50
vi
ANALISIS FAKTOR PENGARUH TINGKAT KECEMASAN MAHASISWA DALAM MENYELESAIKAN
SKRIPSI DI FMIPA USU
ABSTRAK
Analisis faktor merupakan suatu teknik statistika yang dipergunakan untuk mereduksi/meringkas data, menganalisis variabel-variabel yang diduga memiliki keterkaitan satu sama lain sehingga keterkaitan tersebut dapat dijelaskan dan dipetakan atau dikelompokkan pada faktor yang tepat. Pada penelitian ini digunakan Analisis Faktor untuk mengetahui apa saja faktor-faktor yang dominan yang mempengaruhi tingkat kecemasan mahasiswa dalam menyelesaikan skripsi di FMIPA USU. Berdasarkan hasil penelitian dari 78 mahasiswa FMIPA USU diperoleh 4 faktor yang dominan yang dapat mempengaruhi tingkat kecemasan mahasiswa dalam menyelesaikan skripsi yaitu : faktor kemalasan (26,050%), faktor emosional (16,076%), faktor fisik (13,277%) dan faktor ilmu (12,684%). Keempat faktor tersebut memberikan proporsi keragaman komulatif sebesar (68,087%), artinya keempat faktor tersebut dapat mempengaruhi tingkat kecemasan mahasiswa dalam menyelesaikan skripsi di FMIPA USU dan sisanya dapat dipengaruhi faktor-faktor lainnya yang tidak terindentifikasi oleh model penelitian.
vii
FACTOR ANALYSIS OF EFFECT OF ANXIETY STUDENT IN RESOLVING
THESIS IN FMIPA USU
ABSTRACT
Factor analysis is a statistical technique used to reduce / summarize the data, analyze the variables suspected of having links with one another so that the association can be explained and mapped or grouped on the right factors. In this study used factor analysis to find out what are the dominant factors affecting the level of anxiety in finishing thesis students in the Science Faculty USU. Based on the results of 78 students of the Science Faculty USU gained four dominant factors that can affect the level of anxiety of students in completing the thesis are: laziness factor (26,050%), emotional factors (16,076%), physical factors (13,277%), and the factor of science (12,684%). These four factors provide diversity cumulative proportion of (68,087%), meaning that all four of these factors can affect the level of anxiety in finishing thesis students in the Science Faculty USU and the rest can be influenced by other factors that were not identified by the research model.
xiii
BAB 1
PENDAHULUAN
1.1Latar Belakang
Skripsi adalah karya tulis ilmiah yang disusun oleh mahasiswa berdasarkan penelitian lapangan dan kepustakaan untuk memenuhi persyaratan memperoleh gelar sarjana sesuai dengan program kekhususannya.
Skripsi seringkali menjadi beban akademik yang dikhawatirkan. Banyak diantara mahasiswa yang sedang menyusun merasa diberi beban berat, padahal skripsi seharusnya menjadi produk ilmiah sebagai wujud pertanggung jawaban dan syarat kelulusan mahasiswa.
Kecemasan pada dasarnya adalah suatu reaksi diri untuk menyadari suatu ancaman (threat) yang tidak menentu. Mahasiswa mempunyai rasa cemas dalam penyusunan skripsi, karena manusia mempunyai hati dan perasaan. Tingkat
kecemasan yang dialami oleh setiap mahasiswa berbeda-beda, namun cemas akan mempengaruhi konsentrasi dan daya pikir mahasiswa dalam penyusunan skripsi.
Faktor-faktor yang menyebabkan kecemasan dalam menyelesaikan skripsi adalah suatu kesulitan atau hambatan yang dirasakan mahasiswa baik bersifat internal maupun eksternal.
Faktor Internal adalah kendala atau kesulitan yang dialami mahasiswa dalam penyusunan yang bersumber dari diri sendiri seperti merumuskan masalah, mengkonsep isi skripsi, mencari data atau sumber-sumber yang terkait dan menuangkan tulisan ke dalam naskah skripsi.
Faktor eksternal adalah kendala atau kesulitan yang dialami mahasiswa dalam penyusunan yang bersumber dari luar diri individu misalnya pengajuan judul dimana mahasiswa harus mengajukan judul dengan beberapa syarat dan tahapan, dosen pembimbing, tekanan dari lingkungan dan dalam posisi kuliah sambil bekerja.
xiv
Tekanan-tekanan yang dialami mahasiswa dalam menyelesaikan tugas akhir studi menjadikan mahasiswa mengalami kecemasan misalnya rendah diri, frustasi, kehilangan motivasi dan gejala-gejala yang dialami mahasiswa antara lain sulit tidur, cemas, mudah marah, malas dan lain-lain.
Berdasarkan latar belakang tersebut maka penulis tertarik untuk mengetahui faktor apa yang sangat berpengaruh terhadap tingkat kecemasan mahasiswa FMIPA USU dalam menyelesaikan skripsi.
1.2Perumusan Masalah
Permasalahan yang akan dikaji dalam penelitian ini adalah :
1. Bagaimana tingkat kecemasan mahasiswa FMIPA USU berpengaruh terhadap penyelesaian skripsi;
2. Faktor manakah yang mempunyai pengaruh paling dominan terhadap tingat kecemasan mahasiswa dalam menyelesaikan skripsi.
1.3Batasan Masalah
Adapun batasan masalah dalam penelitian ini adalah :
1. Metode yang digunakan dalam pembahasan adalah analisis faktor;
2. Responden hanya diambil dari konsumen pria dan wanita mahasiswa S1 Biologi, S1 Kimia Reguler, S1 Kimia Ekstensi, S1 Matematika Ekstensi, S1 Matematika Reguler, S1 Fisika Reguler, S1 Fisika Ekstensi yang akan melakukan tugas akhir/skripsi tahun ajaran 2014/2015 dan belum melaksanakan sidang;
3. Untuk mahasiswa S1 reguler merupakan stambuk 2011 dan mahasiswa ekstensi merupakan stambuk 2013;
4. Pengolahan data menggunakan bantuan software SPSS.
1.4Tinjauan Pustaka
xv
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.
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 – variabel tertentu.
Model analisis faktor dapat ditulis sebagai berikut :
Xi = Bi1F1 + Bi2F2 + Bi3F3+ … + BijFj+ … + BimFm + Viµi (1.1)
Dimana :
Xi = Variabel ke-i yang dibakukan
Bij = Koefsien regresi parsial yang dibakukan untuk variabel i pada komponen faktor ke j
Fj = Komponen faktor ke j
Vi = Koefsien regresi yang dibakukan untuk variabel ke-i pada faktor yang unik ke-i
µi = Faktor unik variabel ke-i m = Banyaknya komponen faktor
1.5Tujuan Penelitian
Untuk mengetahui faktor manakah yang mempengaruhi tingkat kecemasan mahasiswa dalam menyelesaikan skripsi.
1.6Konstribusi Penelitian
xvi
1. Dapat menambah pengalaman dan sekaligus juga sebagai sarana untuk memperdalam pengetahuan dibidang statistik terutama yang berhubungan dengan analisis faktor;
2. Merangsang mahasiswa untuk menunjukkan kemampuan dan motivasinya dalam menyelesaikan tugas akhir studinya;
3. Dapat dijadikan bahan kajian serta sebagai dasar untuk melakukan penelitian lebih lanjut dan mendalam.
1.7Metodologi Penelitian
Adapun metodologi penelitian dalam tulisan ini adalah sebagai berikut : 1. Penentuan jumlah sampel dari seluruh populasi yang telah diketahui 2. Menentukan Variabel Penelitian
3. Pengolahan Data
Setelah data terkumpul dari kuesioner yang diisi oleh responden, maka
dilakukan tahap pengolahan data meliputi:
a. Editing, yaitu meneliti jawaban-jawaban yang telah diberikan oleh
responden, apakah telah sesuai dengan petunjuk pengisian kuesioner. b. Tabulasi, yaitu memberikan skor terhadap jawaban responden berdasarkan
skala pengukuran yang telah ditentukan.
c. Melakukan transformasi data ordinal menjadi data interval. d. Menguji validitas dan reliabilitas data hasil kuesioner.
4. Analisis Data
a. Membentuk matriks korelasi b. Memilih metode analisis faktor c. Menentukan banyaknya faktor d. Melakukan rotasi faktor
e. Membuat interpretasi hasil rotasi
f. Menghitung factor scores atau surrogate variables
xvii
BAB 2
LANDASAN TEORI
2.1 Pengertian Kecemasan
Kecemasan atau dalam Bahasa Inggrisnya “anxiety” berasal dari bahasa latin “angustus” yang berarti kaku, dan “ango,anci” yang berarti mencekik. Menurut Freud (dalam Alwisol, 2005:28) mengatakan bahwa kecemasan adalah fungsi ego untuk memperingatkan individu tentang kemungkinan datangnya suatu bahaya sehingga dapat disiapkan reaksi adaptif yang sesuai. Kecemasan berfungsi sebagai mekanisme yang melindungi ego karena kecemasan memberi sinyal bahwa ada bahaya dan kalau tidak dilakukan tindakan yang tepat maka bahaya itu akan meningkat sampai ego dikalahkan.
Kecemasan adalah suatu keadaan aprehensi atau keadaan khawatir yang mengeluhkan bahwa sesuatu yang buruk akan terjadi. Kecemasan adalah respon
yang cepat terjadi ancaman tetapi akan menjadi abnormal apabila tingkatannya tidak sesuai dengan proporsi ancaman, atau bila datang tanpa ada penyebab
(Nevid, 2005).
Menurut Nevid (2005) kecemasan terdiri dari tiga aspek yaitu :
a. Simptom fisik adalah gangguan yang terjadi pada fisik, seperti badan gemetar, keluar banyak keringat, jantung berdetak kencang, sulit bernafas, pusing, tangan dingin, mual, panas dingin, lebih sensitive, kegelisahan, kegugupan, pingsan, merasa lemas, sering buang air kecil, dan diare. b. Simptom perilaku adalah kecemasan yang mengakibatkan perilaku
seseorang menjadi berbeda dan mengarah kepada hal yang kurang biasa, seperti perilaku menghindar, perilaku ketergantungan atau melekat, perilaku terguncang, dan meninggalkan situasi yang menimbulkan kecemasan.
xviii
2.2 Populasi dan Sampel
2.2.1 Populasi
Menurut Juliansyah (2011:147) Populasi adalah seluruh elemen/anggota dari suatu wilayah yang menjadi sasaran penelitian atau merupakan keseluruhan objek penelitian dipelajari kemudian ditarik kesimpulannya. Populasi yang digunakan dalam penelitian ini mahasiswa FMIPA yang sedang menyelesaikan skripsi tahun ajaran 2014/2015.
2.2.2 Sampel
Sampel adalah sejumlah anggota yang dipilih dari populasi (Juliansyah, 2011 : 147). Pada penelitian ini, peneliti mengambil sampel di wilayah Fakultas Matematika dan IPA Universitas Sumatera Utara.
Teknik pengambilan sampel dilakukan dengan metode penyebaran kuesioner pada mahasiswa FMIPA USU dengan beberapa pertanyaan yang diberi skor jawaban
dengan menggunakan skala likert yaitu mulai dari 1-5 dengan keterangan : 5 = Selalu atau sangat tinggi
4 = Sering atau tinggi
3 = Kadang-kadang atau cukup 2 = Jarang atau rendah
1 = Tidak pernah atau rendah sekali
Metode yang digunakan dalam menentukan jumlah sampel menggunakan rumus Slovin yaitu :
N
n = (2.1)
1+Ne2
Keterangan : n = Jumlah Sampel N = Jumlah Populasi
xix
Pemilihan sampel dilakukan dengan probability sampling yaitu metode
proportionate stratified random sampling yaitu pengambilan sampel dari anggota populasi secara acak dan berstrata secara proporsional.
2.3 Variabel Penelitian
Variabel ialah sesuatu yang nilainya berubah-ubah menurut waktu atau berbeda menurut elemen/tempat (Suprapto : 2004). Umumnya nilai karakteristik merupakan variabel, diberi simbol huruf X. variabel yang digunakan dalam penelitian ini adalah: Metodologi Penelitian, Kesehatan, Penurunan Motivasi, Prosedur Pengajuan Proposal, Keluarga, Proses Bimbingan, Biaya Pembuatan Skripsi, Kuliah Sambil Bekerja.
2.4 Jenis Sumber Data
Data merupakan komponen utama dalam statistika. Data adalah bahan baku yang
jika diolah melalui berbagai analisis dapat melahirkan informasi, dimana informasi tersebut dapat diambil suatu keputusan. Sumber data yang dipakai
dalam penelitian ini adalah Data Primer, yaitu data yang diperoleh melalui studi dokumentasi, baik dari buku, jurnal majalah dan situs internet yang mendukung penelitian ini.
2.5 Skala Pengukuran
Maksud dari skala pengukuran ini untuk mengklasifikasikan variabel yang akan diukur supaya tidak terjadi kesalahan dalam menentukan analisis data dan langkah penelitian selanjutnya. Jenis-jenis skala pengukuran ada empat yaitu :
a. Skala Nominal
xx
Contoh :
Agama yang dianut : Islam = 1, Kristen = 2, Hindu = 3, Budha = 4, dan lain-lainya.
b. Skala Ordinal (Rangking)
Skala ordinal ialah skala yang didasarkan pada rangking, diurutkan pada rangking, diurutkan dari jenjang yang lebih tinggi sampai jenjang terendah atau sebaliknya. Contoh :
- Mengukur tingkat prestasi kerja - Mengkur gaji pegawai
- Mengukur rangking kelas : I,II,III
- Kepangkatan militer : Jenderal>Mayor>Kapten>Letnan
c. Skala Interval
Skala interval adalah skala yang menunjukkan jarak antara satu data dengan data yang lain yang mempunyai bobot yang sama.
Contoh :
1. Skor ujian perguruan tinggi : A,B,C,D dan E 2. Skor IQ
3. Waktu : menit, jam, hari, minggu, bulan, tahun 4. Temperatur atau suhu
5. Mengurutkan : Kualitas pelayanan, keadaan persepsi pegawai dan sikap pimpinan
Sangat Puas = 5 Puas = 4
Cukup Puas = 3 Kurang Puas = 2 Tidak Puas = 1
d. Skala ratio
xxi
keduanya tidak memiliki angka nol negative, artinya seseorang tidak dapat berumur dibawah nol tahun dan seseorang harus memiliki timbangan diatas nol pula.
2.6 Skala untuk Instrumen (Model Skala Sikap)
Bentuk-bentuk skala sikap yang sering digunakan dalam penelitian ada 5 macam, yaitu :
1. Skala Likert
Skala Likert digunakan untuk mengukur sikap, pendapat dan persepsi seseorang atau sekelompok tentang kejadian atau gejala sosial. Dalam penelitian gejala sosial ini telah ditetapkan secara spesifik oleh peneliti, yang selanjutnya disebut sebagai variabel penelitian.
Dengan menggunakan skala likert, maka variabel yang akan diukur dijabarkan menjadi dimensi, dimensi dijabarkan menjadi sub variabel kemudian sub
variabel dijabarkan lagi menjadi indikator-indikator yang dapat diukur. Akhirnya indikator-indikator yang terukur ini dapat dijadikan titik tolak untuk
membuat item instrument yang berupa pernyataan atau pernyataan yang perlu dijawab oleh responden. Setiap jawaban dihubungkan dengan bentuk pernyataan atau dukungan sikap yang diungkapkan dengan kata-kata. Misalnya :
Sangat Setuju (SS) = 5 Setuju (S) = 4
Ragu-ragu/Tidak Tahu (TT) = 3 Tidak Setuju (TS) = 2
Sangat Tidak Setuju (STS) = 1
Sangat Puas = 5 Puas = 4
xxii
2. Skala Guttman
Skala Guttman merupakan skala kumulatif. Skala Guttman mengukur suatu dimensi saja dari suatu variabel yang multidimensi. Skala Guttman adalah skala yang digunakan untuk jawaban yang bersifat jelas (tegas) dan konsisten. Misalnya : Yakin – Tidak Yakin, Ya – Tidak, Salah – Benar, Positif – Negatif, Pernah – Belum Pernah, Setuju – Tidak Setuju, dan lain sebagainya.
3. Skala Diferensial Semantik
Skala Diferensial Semantik atau skala perbedaan semantik berisikan serangkaian karakteristik bipolar (dua kutup). Responden diminta untuk menilai suatu objek atau konsep pada suatu skala yang mempunyai 2 ejektif yang bertentangan.
Seperti : Panas – Dingin, Populer – Tidak Populer, Bagus – Buruk, dan sebagainya.
4. Rating Scale
Rating Scale yaitu data mentah yang didapat berupa angka kemudian ditafsirkan dalam pengertian kualitatif.
Misalnya : ketat – longgar, lemah – kuat, positif – negative
5. Skala Thurstone
Skala Thurstone meminta responden untuk memilih jawaban yang ia setujui dari beberapa pertanyaan yang menyajikan pandangan – pandangan berbeda – beda. Pada umumnya asosiasi antara 1 sampai 9 tetapi nilainya tidak diketahui oleh responden.
2.7 Metode Pengumpulan Data
xxiii
a. Metode dokumentasi
Metode dokumentasi adalah mencari data mengenai hal-hal atau variabel yang berupa catatan, transkip, buku, surat kabar, majalah, prasasti, notulen rapat, agenda dan sebagainya. Metode dokumentasi dalam penelitian ini digunakan untuk mengumpulkan data tentang kecemasan mahasiswa dalam menyelesaikan skripsi.
b. Metode Angket (kuisioner)
Kuisioner adalah pertanyaan tertulis yang digunakan untuk memperoleh informasi dari respoden dalam arti laporan tentang pribadinya atau hal-hal yang ia ketahui. Untuk mengetahui distribusi frekuensi masing-masing variabel yang pengumpulan datanya menggunakan angket (kuisioner), setiap indikator dari data yang dikumpulkan terlebih dahulu diklasifikasikan dan diberi skor atau nilai yaitu: Skor 5 jika jawaban responden selalu atau sangat tinggi
Skor 4 jika jawaban responden sering atau tinggi Skor 3 jika jawaban kadang-kadang atau cukup tinggi
Skor 2 jika jawaban jarang atau rendah
Skor 1 jika jawaban tidak pernah atau rendah sekali
c. Wawancara
Wawancara merupakan teknik pengumpulan data dalam metode survey yang menggunakan pertanyaan secara lisan kepada subjek penelitian. Teknik wawancara dilakukan jika peneliti memerlukan komunikasi atau hubungan dengan responden.
2.8 Uji Dalam Pengolahan Data
2.8.1 Uji Validitas
xxiv
dilakukannya pengukuran tersebut. Metode yang digunakan untuk menguji validitas adalah dengan korelasi product moment yang rumusnya sebagai berikut :
rxy =
√ (2.2)
Keterangan :
rxy = Koefsien korelasi X = Skor Variabel Y = Skor Total n = Jumlah Sampel
Untuk menentukan valid tidaknya variabel adalah dengan cara mengkonsultasikan hasil perhitungan koefsien korelasi dengan tabel nilai koefsien (r) pada taraf kepercayaan 95%.
Apabila rxy≥ rtabel valid
Apabila rxy < rtabel tidak valid (Ade Fatma, 2007)
2.8.2. 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).
r =
(2.3)
Keterangan :
r = nilai (koefsien) Alpha Cronbach k = Banyaknya variabel penelitian
xxv
2.9 Analisis Faktor
2.9.1 Pengertian Analisis Faktor
Yang dimaksud dengan analisis faktor ialah suatu analisis yang mensyaratkan adanya keterkaitan antar variabel. Tujuan utama teknik ini ialah untuk membuat ringkasan informasi yang dikandung dalam sejumlah besar variabel kedalam suatu kelompok faktor yang lebih kecil.
Teknik ini bermanfaat untuk mengurangi jumlah data dalam rangka untuk mengidentifikasi sebagian kecil faktor yang dapat menerangkan varians yang sedang diteliti secara lebih jelas dalam suatu kelompok variabel yang jumlahnya besar. Kegunaan utama analisis faktor ialah untuk melakukan pengurangan data atau dengan kata lain melakukan peringkasan sejumlah variabel menjadi lebih kecil jumlahnya. Pengurangan dilakukan dengan melihat interdependensi beberapa variabel yang dapat dijadikan satu yang disebut dengan faktor sehingga
diketemukan variabel-variabel atau faktor-faktor yang dominan atau penting untuk dianalisa lebih lanjut.
Untuk menggunakan teknik ini persyaratan yang sebaiknya dipenuhi ialah : a. Data yang digunakan ialah data kuantitatif berskala interval atau ratio b. Data harus mempunyai distribusi normal bivariate untuk masing-masing
pasangan variabel
c. Model ini mengkhususkan bahwa semua variabel ditentukan oleh faktor biasa (faktor yang diestimasikan oleh model) dan faktor-faktor unik (yang tidak tumpang tindih antara variabel-variabel yang sedang diobservasi)
d. Estimasi yang dihitung didasarkan pada asumsi bahwa semua faktor unik tidak saling berkorelasi satu dengan lainnya dan dengan faktor-faktor biasa.
xxvi
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.
2. Mengenali atau mengidentifikasi suatu set variabel baru yang tidak berkorelasi (independen) yang lebih sedikit jumlahnya untuk menggantikan suatu set variabel asli yang saling 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.
2.9.2 Model Analisis Faktor
Secara matematis, analisis faktor hamper sama 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 dilihat dari persamaan (1.1).
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.
Fi = Wi1 X1 + Wi2 X2 + Wi3 X3+ … + Wik Xk (2.4)
Dimana
xxvii
Wi = Koefsien nilai faktor ke-i
k = Banyaknya variabel (ada 8 variabel) Xi= Variabel ke i ; i = 1,2,3 … k
2.9.3. Statistik yang berkaitan dengan Analisis Faktor
Statistik yang berkaitan dengan analisis faktor adalah :
a. Uji Barlett
Pengujian ini digunakan untuk melihat apakah variabel yang digunakan berkorelasi dengan variabel lainnya. Jika variabel-variabel yang digunakan sama sekali tidak mempunyai korelasi dengan variabel lainnya, sudah tentu analisis faktor tidak dapat dilakukan.
Dalam hal ini pengujian dilakukan dengan menggunakan Statistik Chi Square, sebagaimana dapat dilihat dibawah ini :
X2 = - | | (2.5)
Keterangan :
N = Jumlah Populasi
| |= Determinan matriks korelasi k = jumlah variabel
b. Correlation matrix (Matriks Korelasi)
Matriks ialah suatu kumpulan angka-angka (sering disebut elemen-elemen) yang disusun menurut baris dan kolom sehingga berbentuk empat persegi panjang, dimana panjangnya dan lebarnya ditunjukkan oleh banyaknya kolom-kolom dan baris-baris.
Matriks korelasi adalah matriks yang menunjukkan korelasi sederhana (r) antara seluruh kemungkinan pasangan variabel yang dilibatkan dalam analisis.
Apabila suatu matriks A terdiri dari m baris dan n kolom, maka matriks A
xxviii
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.
hi = + + … + (2.6)
Dimana :
hi = communality variabel ke-i ; i = 1,2,3,…, m λim = nilai factor loading
d. Eigenvalue (Nilai Eigen)
Nilai eigen merupakan jumlah varians yang dijelaskan oleh setiap faktor-faktor
yang mempunyai nilai eigen > 1, maka faktor tersebut akan dimasukkan ke dalam model. (J.Supranto, 2010).
Definisi :
Jika A adalah sebuah matriks nxn, maka sebuah vector tak nol x pada Rn disebut
eigenvector dari A jika Ax adalah sebuah kelipatan scalar dari x; jelasnya, Ax = λx
Untuk scalar sebarang λ, scalar λ disebut nilai eigen dari A, dan x disebut sebagai
xxix
e. F aktor Loadings (Faktor Muatan)
Faktor muatan adalah korelasi sederhana antara variabel dengan faktor
f. F aktor Loading Plot (Plot Faktor Muatan)
Plot faktor muatan adalah suatu plot dari variabel asli dengan menggunakan factor loading sebagai koordinat.
g. F aktor 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.
KMO =
(2.7)
Keterangan :
rik = koefsien korelasi sederhana antara variabel ke-I dan ke-k aik = koefsien korelasi parsial antara variabel ke-i dan ke-k
Measure of sampling adequacy (MSA) yaitu suatu indeks perbandingan antara koefsien korelasi parsial untuk setiap variabel. MSA digunakan untuk mengukur kecukupan sampel.
i. Percentage of variance (Persentase Varians)
xxx
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.
2.10 Langkah –langkah Analisis Faktor
Langkah-langkah dalam analisis faktor adalah sebagai berikut :
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 ratio. Besarnya sampel harus tepat, sebagai petunjuk umum besarnya sampel paling sedikit empat atau lima kali banyaknya variabel.
2. Membentuk matriks korelasi
Proses analisis didasarkan pada suatu matriks korelasi antar variabel. Agar analisis faktor menjadi tepat, variabel-variabel yang dikumpulkan harus berkorelasi, dilakukan perhitungan matriks korelasi ∑pxp. Matriks korelasi digunakan sebagai input analisis faktor.
Table 2.1 Korelasi antar variabel
X1 X2 X3 … Xp
X1 1
X2 1
X3 1
… … … … 1
xxxi
3. Menentukan metode analisis faktor
a. Menghitung nilai karakteristik (nilai eigen)
Perhitungan nilai karakteristik (nilai eigen), dimana perhitungan ini berdasarkan persamaan karakteristik :
Det (A –λl) = 0 (2.8)
Dengan :
A = matriks korelasi λ = nilai eigen l = matriks identitas
Nilai eigen adalah jumlah varian yang dijelaskan oleh setiap faktor (Anton Howard, 2000)
b. Menghitung vektor karakteristik (eigenvector)
Penentuan vektor karakteristik (eigenvector) yang bersesuaian dengan nilai karakteristik (nilai eigen), yaitu dengan persamaan :
Ax = λx (2.9)
Dengan :
X = eigenvector (Anton Howard, 2000)
4. Menentukan banyaknya faktor
Ada beberapa prosedur yang dapat dipergunakan dalam menentukan banyaknya faktor yaitu:
a. Penentuan berdasarkan Nilai Eigen
xxxii
b. Penentuan berdasarkan Scree Plot
Scree Plot merupakan plot dari nilai eigen terhadap banyaknya faktor dalam ekstraksinya. Bentuk plot yang dihasilkan digunakan untuk menentukan banyaknya faktor. Biasanya plot akan berbeda antara slope tegak faktor, dengan nilai eigen yang besar dan makin kecil pada sisa faktor yang tidak perlu diekstraksi.
c. Penentuan berdasarkan Persentase Varians
Dalam pendekatan ini, banyaknya faktor yang diekstraksi ditentukan berdasarkan persentasi komulatif varians mencapai tingkat yang memuaskan peneliti. Tingkat persentase komulatif yang memuaskan peneliti tergantung kepada permasalahnnya. Sebagai petunjuk umum bahwa ekstraksi faktor dihentikan kalau kumulatif persentase varians sudah mencapai paling sedikit 60% atau 75% dari
seluruh varians variabel asli.
Menghitung matriks faktor loading
Matriks loading factor (Λ) diperoleh dengan mengkalikan matriks eigenvector
(V) dengan akar dari matriks eigenvalue (L) atau dalam persamaan matematis ditulis :
Λ = V x √L (2.10)
5. Melakukan rotasi terhadap faktor
Sebuah ouput penting dari analisis faktor adalah matriks faktor atau disebut juga sebagai matriks faktor pola. Matriks faktor mengandung koefsien yang digunakan untuk mengekspresikan variabel yang dibakukan (distandarisasi) dinyatakan dalam faktor. Koefsien-koefsien tersebut atau faktor loading merupakan korelasi antara faktor dengan variabelnya. Sebuah koefsien dengan nilai absolute yang besar mengindikasikan bahwa faktor dan variabel berkorelasi kuat. Koefsien tersebut bisa digunakan untuk menginterpretasi faktor.
xxxiii
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 orthogonal dengan meminimumkan banyaknya variabel yang memiliki loadings tinggi pada sebuah faktor, sehingga lebih mudah menginterpretasi 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. Kadang-kadang mentoleransi korelasi antar faktor-faktor bisa menyederhanakan
matriks pola faktor. Oblique rotation harus dipergunakan kalau faktor dalam populasi berkorelasi sangat kuat.
6. Membuat interpretasi hasil rotasi terhadap faktor
xxxiv
7. Menentukan ketepatan model (model fit)
xxxv
BAB 3
PEMBAHASAN DAN HASIL
3.1 Populasi, Sampel, dan Teknik Pengambilan Sampel
Populasi dalam penelitian ini adalah Mahasiswa FMIPA USU yang sedang menyelesaikan skripsi. Jumlah mahasiswa yang menyelesaikan skripsi untuk tahun ajaran 2015 adalah 354 orang (data diperoleh dari Direktori USU)
Tabel 3.1 Daftar jumlah mahasiswa yang menyelesaikan tugas skripsi Tahun 2015
No Jurusan Jumlah Mahasiswa
1 Biologi Reguler S1 57
2 Kimia Reguler S1 53
3 Matematika Reguler S1 68
4 Fisika Reguler S1 76
5 Matematika Ekstensi S1 35
6 Kimia Ekstensi S1 39
7 Fisika Ekstensi S1 26
Total 354
Jumlah sampel dalam penelitian ini adalah 78 responden. Langkah – langkah dalam penentuan sampel, tahap pertama adalah menentukan banyaknya jumlah sampel dari seluruh populasi yang telah diketahui dan kemudian tentukan tingkat presisi yang ditetapkan yaitu 10% dengan rumus slovin sebagai berikut :
n =
n =
n =
= 77, 97
n = 78 responden
xxxvi
Kemudian menentukan sampel secara proporsional dengan rumus :
ni = . n
n1 = . 78 = 12 responden
n2 = . 78 = 12 responden
n3 = . 78 = 15 responden
n4 = . 78 = 17 responden
n5 = . 78 = 8 responden
n6 = . 78 = 8 responden
n7 = . 78 = 6 responden
Sesuai dengan perhitungan manual diatas diperoleh jumlah sampel pada tiap-tiap jurusan sebagai berikut :
Tabel.3.2 Jumlah Sampel pada tiap-tiap jurusan
No Jurusan Jumlah Sampel
1 Biologi Reguler S1 12
2 Kimia Reguler S1 12
3 Matematika Reguler S1 15
4 Fisika Reguler S1 17
5 Matematika Ekstensi S1 8
6 Kimia Ekstensi S1 8
7 Fisika Ekstensi S1 6
Total 78
xxxvii
proses pengambilan sampel dapat menggunakan lotere dengan langkah-langkah sebagai berikut:
1. Populasi diberi nomor urut dari 1 sampai N 2. Buat lotere dengan nomor 1 sampai N
3. Kocok lotere supaya setiap nomor mempunyai kemungkinan yang sama untuk terambil
4. Ambil lotere sebanyak n (pengambilan dilakukan satu persatu), nomor yang terpilih merupakan nomor polulasi yang terambil menjadi sampel.
3.2 Variabel Penelitian
Variabel yang digunakan dalam penelitian ini adalah : X1= Metodologi Penelitian
X2 = Kesehatan
X3 = Penurunan Motivasi
X4 = Prosedur Pengajuan Proposal
X5 = Keluarga
X6 = Proses Bimbingan
X7 = Biaya Pembuatan Skripsi X8 = Kuliah Sambil Bekerja
3.3 Pengolahan Data
3.3.1 Tabulasi Data
Input data mentah yang terdiri dari 78 sampel observasi (responden) dan 8 variabel awal penelitian. Kuesioner terdiri dari beberapa pernyataan yang disertai skor jawaban 1 -5 dengan menngunakan skala likert yaitu :
5 = Selalu atau sangat tinggi 4 = Sering atau tinggi
3 = Kadang-kadang atau cukup 2 = Jarang atau rendah
xxxviii
Berikut data yang diperoleh dari hasil penyebaran kuisioner pada mahasiswa yang sedang menyelesaikan skripsi pada tahun 2015
Tabel 3.3 Data Hasil Kuisioner
Nomor
Responden X1 X2 X3 X4 X5 X6 X7 X8
1 5 4 3 2 5 2 3 2
2 2 2 2 2 4 4 3 4
3 4 4 5 4 4 3 3 3
4 4 4 5 1 5 4 3 4
5 4 2 4 3 2 3 5 4
6 4 3 4 4 2 4 5 2
7 4 3 3 4 5 2 2 1
8 3 3 4 3 2 5 5 2
9 5 4 2 5 1 4 2 4
10 4 4 2 4 4 1 3 4
78 2 5 3 3 5 5 1 5
Data secara keseluruhan dapat dilihat dalam lampiran 2A
3.3.2 Penskalaan Data Ordinal Menjadi Data Interval
Dari data mentah hasil kuisioner dibuat suatu matriks data Xpxn yang telah dilakukan penskalaan data ordinasl menjadi skala interval. Teknik penskalaan yang digunakan dalam penelitian ini adalah Methode Successive interval.
Langkah-langkah Methods Successive Interval :
1. Mengitung frekuensi skor jawaban dalam skala ordinal Untuk contoh diatas :
xxxix
2. Menghitung proporsi dan proporsi komulatif untuk masing-masing skor jawaban.
Proporsi dihitung dengan membagi setiap frekuensi dengan jumlah responden.
P1 = 0,051
P2 = 0,128
P3 = 0,308
P4 = 0,372
P5 = 0,141
Menghitung Proporsi Komulatif (PK) PK1 = 0,051
PK2 = 0,179 PK3 = 0,487 PK4 = 0,859 PK5 = 1,000
3. Menentukan nilai Z untuk setiap katagori, dengan asumsi bahwa proporsi komulatif dianggap mengikuti distribusi normal baku. Nilai Z diperoleh dari Tabel Distribusi Normal Baku
Contoh PK1 = 0,051, nilai P yang akan dihitung adalah : 0,5-0,051 = 0,449 Nilai 0,449 ada diantara : 1,64+1,65 = 3,29/2,004454343 = 1,64134
4. Menghitung nilai densitas dari nilai Z yang diperoleh dengan cara memasukkan nilai Z tersebut kedalam fungsi densitas normal baku sebagai berikut :
f(z) =
√ (
xl
=
√ (
)
=
√ (
)
=
=
(3,845899449)
= 1,534680955
5. Menghitung Scale Value (SV) dengan rumus :
SV =
SV1 = = = -2,05212
SV2 = = -1,22
SV3 = = -0,44
SV4 = = 0,47
SV5 = = 1,58
6. Menentukan Scala Value min sehingga SVterkecil + SVmin = 1 Scale Value terkecil = -2,05212
-2,05212 + SVmin = 1 SVmin = 3,05212
7. Menentukan nilai skala dengan menggunakan rumus : Y = SV + SVmin
xli
Y2 = -1,22416 + 3,06347 = 1,8299 Y3 = -0,44417+ 3,06347 = 2,6075 Y4 = -0,47057 + 3,06347 = 3,523 Y5 = 1,58639 + 3,06347 = 4,6382
Perhitungan diatas adalah penskalaan data ordinal menjadi data interval pada variabel 1 dengan menggunakan Methode Successive Interval, penskalaan variabel 1 dilakukan juga dengan bantuan Microsoft Excel 2007. Diperoleh data sebagai berikut pada tabel 3.4 :
Tabel 3.4 Penskalaan Variabel 1
Kateg
Dengan melakukan cara yang sama seperti diatas untuk memperoleh hasil penskalaan dari 8 variabel dengan bantuan Microsoft Exel 2007 diperoleh hasil penskalaan data ordinal menjadi skala interval sebagai berikut :
Tabel. 3.5 Hasil Penskalaan Variabel
xlii
3.3.3 Uji Validitas
Validitas merupakan sejauh mana ketepatan dan kecermatan melakukan fungsi ukurnya. Suatu test atau instrument 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
Pengujian validitas dilakukan pada 78 responden. Setelah dilakukan uji validitas dengan bantuan SPSS diperoleh hasil sebagai berikut :
Tabel 3.6 Uji Validitas Variabel Penelitian
No Variabel R hitung R tabel Kesimpulan
1 X1= Metodologi Penelitian 0,102 0,220 Tidak Valid
2 X2= Kesehatan 0,253 0,220 Valid
3 X3= Penurunan Motivasi 0,338 0,220 Valid
4 X4=Prosedur Pengajuan Proposal
0,376 0,220 Valid
5 X5= Keluarga 0,152 0,220 Tidak Valid
6 X6= Proses Bimbingan 0,267 0,220 Valid
7 X7= Biaya Pembuatan Skripsi 0,258 0,220 Valid
8 X8= Kuliah sambil bekerja 0,456 0,220 Valid
Untuk mengetahui valid atau tidak dapat dilihat dari nilai korelasi hitung dibandingkan dengan tabel korelasi product moment untuk N = 78 dan α = 0,5 % adalah 0,220. Dari hasil uji validitas, terlihat bahwa seluruh variabel dinyatakan
valid karena nilai r-hitung > r-tabel, r-hitung > 0,220, maka selanjutnya dilakukan uji reliabilitas.
xliii
Tabel.3.7 Perhitungan Korelasi Product Moment
Nomor
Responden X Y XY X
2
Y2
1 4,638 18,372 85,209,336 21,511,044 337,530,384
2 1,829 18,002 32,925,658 3,345,241 324,072,004
3 3,522 22,402 78,899,844 12,404,484 501,849,604
4 3,522 22,961 80,868,642 12,404,484 527,207,521
5 3,522 20,799 73,254,078 12,404,484 432,598,401 6 3,522 21,831 76,888,782 12,404,484 476,592,561
7 3,522 17,356 61,127,832 12,404,484 301,230,736
8 2,667 22,068 58,855,356 7,112,889 486,996,624
9 4,638 20,072 93,093,936 21,511,044 402,885,184 10 3,522 18,730 65,967,060 7,112,889 350,812,900
. . . .
. . . .
. . . .
78 1,829 22,393 40,956,797 3,345,241 501,446,449
Jumlah 239,454 1,716,176 5,299,187 804,513,226 38,725,225 Tabel perhitungan secara lengkap dapat dilihat pada lampiran 3
Dari tabel perhitungan diatas maka dapat dihitung korelasi product moment antara variabel X2 dengan skor total variabel lainnya (Y) sebagai berikut :
rxy = √
rxy = √
rxy =
√
rxy =
xliv
rxy =
√
rxy = = 0,101
3.3.4 Uji Reliabilitas
Uji reliabilitas menunjukkan sejauh mana hasil suatu pengukuran dapat dipercaya. Pengukuran yang memiliki reliabilitas tinggi disebut 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).
Cara perhitungan reliabilitas dengan SPSS for Windows 17.0 adalah sebagai berikut :
- Klik analyze, pilih scale dan reliability analysis
- Setelah muncul kotak dialog reliability analysis, pindahkan (X1-X8) ke dalam item statistic
- Klik kotak dialog statistic, pilih descriptive for (item, scale, da, scale if item deleted)
- Klik continue dan klik OK
- Pada output kolom Cronbach’s Alpha if item deleted adalah hasil uji reliabilitas
Dengan bantuan SPSS diperoleh nilai Alpha Cronbach dari 8 variabel penelitian sebagai berikut :
Reliability Statistics
Cronbach's
Alpha N of Items
xlv
Tabel 3.8 Uji Reliabilitas Variabel Penelitian
No Variabel Alpha
Cronbach Kesimpulan
1 X1= Metodologi Penelitian 0,582 Tidak Reliabel
2 X2= Kesehatan 0,532 Tidak Reliabel
3 X3= Penurunan Motivasi 0,505 Tidak Reliabel
4 X4= Prosedur Pengajuan Proposal 0,490 Tidak Reliabel
5 X5= Keluarga 0,572 Tidak Reliabel
6 X6= Proses Bimbingan 0,528 Tidak Reliabel
7 X7= Biaya Pembuatan Skripsi 0,531 Tidak Reliabel
8 X8= Kuliah sambil bekerja 0,463 Tidak Reliabel
Dari tabel diatas hasil ujireliabilitas terhadap variabel-variabel penelitian menunjukkan bahwa data mempunyai tingkat reliabilitas yang rendah karena nilai Alpha Cronbach untuk ke-8 variabel < 0,6. Dengan demikian data dapat memberikan hasil pengukuran yang kurang konsisten (tidak reliabel).
3.4 Analisis Data
Prinsip utama analisis faktor adalah korelasi, maka asumsi-asumsi yang terkait dengan korelasi akan digunakan, yaitu :
Besar korelasi atau korelasi antar variabel independen harus cukup kuat diatas 0,5.
Besar korelasi antara dua variabel dengan menganggap tetap variabel lain justru harus lebih kecil. Pada SPSS data dari 8 variabel yang berasal dari 78 responden kemudian dianalisa pada anti image correlation.
Pengujian seluruh matriks korelasi (korelasi antar variabel), yang diukur dengan besaran BARLETT TEST OF SPHERRICITY dan MEASURE SAMPLING ADEQUACY (MSA) berkisar antara 0 sampai dengan 1
dengan kriteria nilai (santoso, 2005) :
MSA = 1, artinya variabel dapat diprediksi tanpa kesalahan oleh variabel lain.
xlvi
lanjut.
MSA < 0,5, artinya variabel tidak dapat diprediksi dan tidak dapat dianalisis lebih lanjut.
Berikut matriks korelasi antar variabel yang diperoleh dengan bantuan SPSS
Tabel.3.9 Korelasi Matriks
Pada penelitian ini matriks korelasi yang dibentuk dari data yang diperoleh untuk mengetahui seberapa besar korelasi antar 8 variabel tersebut. Terlihat korelasi yang cukup kuat antar variabel X1 dan X2 sehingga diharapkan nantinya bahwa variabel - variabel lainnya akan berkorelasi dengan faktor yang sama.
Data mengenai 8 variabel yang berasal dari jawaban 78 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
xlvii
Tabel 3.10 Kaiser –Meyes-Olkin (KMO) dan Barlett’s Test
KMO and Bartlett's Test
Kaiser-Meyer-Olkin Measure of Sampling Adequacy. .597
Bartlett's Test
of Sphericity
Approx. Chi-Square 59.627
df 28
Sig. .000
Hasil output SPSS seperti tabel diatas menunjukkan angka KMO dan Barlett’s test adalah 0,597 lebih besar dari 0,5 dengan signifikansi 0,000 lebih kecil dari 0,5, maka variabel dan sampel sudah layak dianalisis lebih lanjut.
Tabel 3.11 Nilai Measure of Sampling Adequecy (MSA)
X1 X2 X3 X4 X5 X6 X7 X8
xlviii
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. ≥ 0,5 maka H0 diterima
Angka Sig. < 0,5 maka H0 ditolak
3.4.1 Memilih metode analisis faktor
a. 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
b. Metode yang digunakan untuk tahap ini adalah Principal Component Analysis
(Analisis Komponen Utama). Didalam Principal Component Analysis, jumlah varians dalam data dipertimbangkan, diagonal matriks korelasi terdiri dari
angka satu (1).
Communality ialah jumlah varian yang disumbangkan oleh suatu variabel dengan seluruh variabel lainnya dalam analisis. Dengan bantuan SPSS diperoleh komunalitas sebagai berikut :
Tabel.3.12 Tabel Komunalitas
Communalities
Initial Extraction
X1 1.000 .852
X2 1.000 .790
X3 1.000 .411
X4 1.000 .699
X5 1.000 .711
X6 1.000 .629
X7 1.000 .786
X8 1.000 .570
xlix
Dari tabel 3.12 menunjukkan bahwa variabel diuji memenuhi persyaratan komunalitas, yaitu lebih besar dari 0,5.
Komunalitas pada dasarnya adalah jumlah varians (bisa dalam persentase) dari suatu variabel mula-mula yang bisa dijelaskan oleh faktor yang terbentuk. Bisa juga disebut proporsi atau bagian varian yang dijelaskan oleh komponen faktor atau besarnya sumbangan suatu faktor terhadap varian seluruh variabel.
a. Untuk variabel Metodologi Penelitian, nilai komunalitasnya adalah 0,852 atau sekitar 85,2% varians dari variabel metodologi penelitian bisa dijelaskan oleh faktor yang terbentuk.
b. Untuk variabel Kesehatan, nilai komunalitasnya adalah 0,790 atau sekitar 79% varians dari variabel Kesehatan bisa dijelaskan oleh faktor yang terbentuk.
c. Untuk variabel Penurunan Motivasi, nilai komunalitasnya adalah 0,411
atau sekitar 41,1% varians dari variabel Penurunan Motivasi bisa dijelaskan oleh faktor yang terbentuk.
d. Untuk variabel Prosedur Pengajuan Proposal, nilai komunalitasnya adalah 0,699 atau sekitar 69,9% varians dari variabel Prosedur Pengajuan Proposal bisa dijelaskan oleh faktor yang terbentuk.
e. Untuk variabel Keluarga, nilai komunalitasnya adalah 0,711 atau sekitar 71,1% varians dari variabel Keluarga bisa dijelaskan oleh faktor yang terbentuk.
f. Untuk variabel Proses Bimbingan, nilai komunalitasnya adalah 0,629 atau sekitar 62,9% varians dari variabel Proses Bimbingan bisa dijelaskan oleh faktor yang terbentuk.
g. Untuk variabel Biaya Pembuatan Skripsi, nilai komunalitasnya adalah 0,786 atau sekitar 78,6% varians dari variabel Biaya Pembuatan Skripsi bisa dijelaskan oleh faktor yang terbentuk.
l
Dalam tahap ekstraksi faktor selanjutnya adalah melihat nilai eigen-nya. Nilai eigen merupakan total varian yang dijelaskan oleh setiap faktor atau merupakan sumbangan (share) dari faktor tertentu terhadap seluruh variance dari variabel awal atau variabel asli. Dengan SPSS diperoleh nilai eigen untuk setiap faktor sebagai berikut :
Tabel 3.13 Nilai eigen untuk setiap faktor Total Variance Explained
Component
Initial Eigenvalues
Total % of Variance Cumulative %
1 2.084 26.050 26.050
2 1.286 16.076 42.126
3 1.062 13.277 55.403
4 1.015 12.684 68.087
5 .812 10.151 78.238
6 .661 8.258 86.496
7 .611 7.643 94.139
8 .469 5.861 100.000
Tabel.3.13 dengan tabel initial eigen value menunjukkan nilai eigen untuk setiap faktor, yang pada awalnya terdiri dari 8 faktor yaitu sebanyak variabel aslinya. Kemudian didalam proses berikutnya dipilih faktor-faktor yang nilai eigennya minimal 1. Oleh karena itu tidak semua faktor mempunyai nilai eigen lebih besar atau sama dengan 1, maka akan terjadi banyak faktor yang berguguran, karena tidak memenuhi persyaratan untuk menjadi faktor yang nilai eigennya besar 1 atau lebih.
Untuk mengetahui seberapa besar total seluruh varians yang mempengaruhi tingkat kecemasan mahasiswa menyelesaikan skripsi diperoleh sumbangan
li
Tabel. 3.14 Nilai eigen faktor terhadap varians seluruh variabel asli
Component Extraction Sums of Squared Loadings
Nilai eigen % of Variance Cumulative %
1
Berdasarkan tabel 3.14 diperoleh empat faktor yang memiliki nilai eigen lebih besar dari 1,0 yaitu kita sebut faktor 1 dengan nilai eigen 2,084, faktor 2 dengan nilai eigen 1,286, faktor 3 dengan nilai eigen 1,062, faktor 4 dengan nilai eigen 1,015. Keempat faktor tersebut menjelaskan (68,087)% total varians variabel yang mempengaruhi tingkat kecemasan mahasiswa dalam menyelesaikan skripsi di FMIPA USU.
3.4.2 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 sam 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 sebagai berikut :
1. Dilihat dari total nilai eigen
lii
Berdasarkan tabel. 3.13 ternyata diperoleh banyaknya faktor yang mempengaruhi tingkat kecemasan mahasiswa menyelesaikan skripsi menurut responden adalah 4, karena ada 4 faktor atau komponen yang nilai eigennya lebih dari 1,0 yaitu faktor 1 dengan nilai eigen 2,084, faktor 2 dengan nilai eigen 1,286, faktor 3 dengan nilai eigen 1,062, faktor 4 dengan nilai eigen 1,015.
Berdasarkan tabel 3.14 dapat diketahui bahwa besarnya sumbangan yang diberikan dari masing-masing faktor terhadap varians seluruh variabel asli. Faktor pertama memberikan sumbangan varians sebesar 26,050 %, faktor kedua 16,076%, faktor ketiga 13,277%, faktor keempat 12,684%. Sehingga total sumbangan varians dari ketiga faktor tersebut adalah 68,087%.
2. Menentukan Banyaknya Faktor dengan Scree Plot
Suatu scree plot adalah plot dari eigen value melawan banyaknya faktor yang bertujuan untuk melakukan ekstraksi agar diperoleh jumlah faktor.
Jika tabel total varians menjelaskan dasar jumlah faktor yang di dapat dengan perhitungan angka, maka scree plot memperlihatkan hal tersebut dengan
grafik. Terlihat bahwa dari satu kedua faktor (garis dari sumbu komponen 1 ke 2), arah garis cukup menurun tajam. Kemudian dari 2 ke 3 garis juga menurun. Pada faktor 5 sudah dibawah angka 1 dari sumbu nilai eigen. Hal ini menunjukkan bahwa ada 4 faktor yang mempengaruhi tingkat kecemasan mahasiswa menyelesaikan skripsi, yang dapat di ekstraksi berdasarkan scree plot.
liii
3.4.3 Melakukan Rotasi Faktor
Output terpenting dalam analisis faktor adalah Matriks Faktor atau yang disebut juga dengan Komponen Matriks. Matriks faktor memuat koefsien yang dipergunakan untuk mengekspresikan variabel yang dibakukan dinyatakan dalam faktor. Koefsien ini merupakan factor loading, mewakili koefsien korelasi antara faktor dengan variabel. Koefsien dengan nilai mutlak (absolute) yang besar menunjukkan bahwa faktor dan variabel sangat terkait. Koefsien dari matriks faktor dapat dipergunakan untuk menginterpretasi faktor. Matriks faktor atau matriks komponen dapat dilihat sebagai berikut :
Tabel 3.15 Matriks Faktor (Sebelum Dirotasi)
Component Matrix
Component
1 2 3 4
Metodologi_penelitian .234 .128 .827 .311
Kesehatan .486 -.127 .230 -.697
Penurunan_motivasi .583 .026 -.221 -.146
Prosedur_pengajuan_proposal .583 -.389 .150 .429
Keluarga .348 -.622 -.389 .228
Proses_bimbingan .498 .595 -.134 -.097
Biaya_pembuatan_skripsi .487 .577 -.274 .374
Kuliah_sambil_bekerja .712 -.164 .100 -.158
Extraction Method: Principal Component Analysis.
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
liv
Misalkan matriks faktor (sebelum dirotasi) diatas dapat dilihat bahwa F1 memiliki korelasi kuat dengan 5 variabel, yakni X2,X3,X4,X5 dan X8 sedangkan F2 memiliki korelasi kuat dengan X6 dan X7 dan F3 memiliki korelasi kuat dengan X1.
Untuk dapat dilakukan proses rotasi 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.
Proses rotasi terhadap faktor pada penelitian ini menngunakan metode
varimax rotation, yaitu rotasi orthogonal dengan meminimumkan banyaknya variabel yang memiliki loading tinggi pada sebuah faktor, sehingga lebih mudah mengiterpretasi faktor.
Tabel 3.16 Matriks Faktor (setelah dirotasi)
Rotated Component Matrixa
Component
1 2 3 4
Metodologi_penelitian .026 -.009 .050 .921
Kesehatan -.051 -.055 .885 .029
Penurunan_motivasi .385 .269 .417 -.127
Prosedur_pengajuan_proposal .093 .733 .116 .372
Keluarga -.078 .795 .053 -.263
Proses_bimbingan .734 -.149 .261 .020
Biaya_pembuatan_skripsi .866 .119 -.127 .068
Kuliah_sambil_bekerja .213 .379 .596 .160
Extraction Method: Principal Component Analysis.
Rotation Method: Varimax with Kaiser Normalization.
lv
3.4.4 Interpretasi Faktor
Setelah dirotasi dilakukan langkah selanjutnya adalah interpretasi faktor. Interpretasi faktor dipermudah dengan mengidentifikasi variabel yang loadingnya besar pada faktor yang sama. Faktor tersebut kemudian diinterprtasi menurut variabel-variabel yang memiliki loading tinggi dengan faktor tersebut. Ataupun penentuan variabel yang dimasukkan ke dalam faktor dengan cara melihat factor loading yang terbesar.
a. Variabel metodologi penelitian: Korelasi antara variabel dengan faktor 3 sebelum dirotasi adalah 0,827; dengan rotasi korelasi menjadi 0,921 dengan faktor 4. Jadi variabel ini masuk faktor 4.
b. Variabel kesehatan: Korelasi antara variabel dengan faktor 1 sebelum dirotasi adalah 0,486; dengan rotasi korelasi menjadi 0,885 dengan faktor 3. Jadi variabel ini masuk faktor 3.
c. Variabel penurunan motivasi: Korelasi antara variabel dengan faktor 1
sebelum dirotasi adalah 0,583; dengan rotasi korelasi menjadi 0,417 dengan faktor 3. Jadi variabel ini masuk faktor 1.
d. Variabel prosedur pengajuan proposal: Korelasi antara variabel dengan faktor 1 sebelum dirotasi adalah 0,583; dengan rotasi korelasi menjadi 0,733 dengan faktor 2. Jadi variabel ini masuk faktor 2.
e. Variabel keluarga: Korelasi antara variabel dengan faktor 1 sebelum dirotasi adalah 0,348; dengan rotasi korelasi menjadi 0,795 dengan faktor 2. Jadi variabel ini masuk faktor 2.
f. Variabel proses bimbingan: Korelasi antara variabel dengan faktor 2 sebelum dirotasi adalah 0,595; dengan rotasi korelasi menjadi 0,734 dengan faktor 1. Jadi variabel ini masuk faktor 1.
g. Variabel biaya pembuatan skripsi: Korelasi antara variabel dengan faktor 2 sebelum dirotasi adalah 0,577; dengan rotasi korelasi menjadi 0,866 dengan faktor 1. Jadi variabel ini masuk faktor 1.
lvi
Tabel 3.17 Korelasi antara variabel sebelum dan setelah dirotasi
Variabel
Korelasi antara
variabel Faktor Faktor
akhir
Dengan demikian ke 8 variabel telah direduksi menjadi empat faktor yang dapat mempengaruhi tingkat kecemasan mahasiswa dalam menyelesaikan tugas akhir/skripsi, yaitu :
1. Faktor 1 (F1) terdiri atas variabel x3 = penurunan motivasi, x6 = proses bimbingan, x7 = biaya pembuatan skripsi, x8 = kuliah sambil bekerja.
Faktor ini diberi nama FAKTOR KEMALASAN
2. Faktor 2 (F2) terdiri atas variabel x4 = prosedur pengajuan proposal, x5 = keluarga.
Faktor ini diberi nama FAKTOR EMOSIONAL 3. Faktor 3 (F3) terdiri atas variabel x2 = kesehatan
Faktor ini diberi nama FAKTOR FISIK
4. Faktor 4 (F4) terdiri atas variabel x1 = metodologi penelitian. Faktor ini diberi nama FAKTOR ILMU
Interpretasi variabel :
1. Faktor 1 adalah faktor kemalasan memberikan sumbangan varians sebesar 26,050% dan merupakan faktor dominan yang memberikan nilai varians
lvii
kemalasan merupakan faktor utama yang mempengaruhi tingkat kecemasan mahasiswa dalam menyelesaikan skripsi.
2. Faktor 2 adalah faktor emosional yang memberikan sumbangan varians sebesar 16,076% dan merupakan faktor kedua menurut persepsi mahasiswa dalam menyelesaikan skripsi.
3. Faktor 3 adalah faktor fisik yang memberikan sumbangan varians sebesar 13,277% dimana menurut persepsi mahasiswa faktor fisik merupakan faktor ketiga yang mempengaruhi tingkat kecemasan mahasiswa dalam menyelesaikan skripsi.
4. Faktor 4 adalah faktor ilmu yang memberikan sumbangan varians sebesar 12,684%, dan merupakan faktor terkecil yang mempengaruhi tingkat kecemasan mahasiswa dalam menyelesaikan skripsi.
5. Keempat faktor yang mempengaruhi tingkat kecemasan mahasiswa dalam menyelesaikan tugas akhir/skripsi tersebut memberikan komulatif varians
sebesar 68,087%, artinya sebesar 68,087% faktor yang terbentuk mempengaruhi mahasiswa dalam menyelesaikan skripsi dan sisanya adalah
faktor-faktor lain yang tidak terangkum dalam model penelitian ini.
3.4.5 Menghitung factor scores atau surrogate variables
Kalau analisis faktor akan dilanjutkan menjadi regresi linear berganda, perlu dihitung faktor score. Akan tetapi kalau tujuan analisis faktor hanya untuk mereduksi, dari variabel asli menjadi sedikit variabel yang disebut faktor atau komponen maka nilai/skor tidak diperlukan.
Dalam hal principal component analysis dimungkinkan untuk menghitung Factor score.
3.4.6 Menentukan ketepatan Model (model fit)
lviii
model tidak tepat, model dipertimbangkan kembali. Sebaliknya jika banyak residual yang nilainya lebih kecil dari 0,05 (residual < 0,05), berarti model sudah tepat.
Untuk mengetahui ketepatan model analisis faktor dapat dilihat dengan nilai residual pada Tabel 3.18
Tabel 3.18 Selisih (Residual) antara observed correlation dengan
Reproduced Correlation
Sisaan atau residual (ei) didefinisikan sebagai selisih antara korelasi sebelum analisis faktor dan setelah analisis faktor
Contoh :
