Analisis Statistik Faktor-Faktor yang Mempengaruhi Indeks Prestasi Mahasiswa

LAMPIRAN C. HASIL PENSKALAAN DATA UJICOBA KUESIONER

No X_1 X_2 X_3 X_4 X_5 X_6 X_7 X_8 X_9 X_10 X_11 Angkatan

LAMPIRAN D. HASIL PENGOLAHAN DATA UJICOBA MENGGUNAKAN SPSS 16.0

Reliability

Case Processing Summary

N %

Cases Valid 30 100.0

Excludeda 0 .0 Total 30 100.0

a. Listwise deletion based on all variables in the procedure.

Reliability Statistics

Cronbach's Alpha

Cronbach's Alpha Based on

Standardized

Items N of Items

.844 .845 11

Item Statistics

Mean Std. Deviation N

X_1 2.75500 .892810 30

X_2 2.31190 .913922 30

X_3 2.31203 .872132 30

X_4 2.40000 .910382 30

X_5 2.61447 .885166 30

X_6 2.61447 .903375 30

X_7 3.22700 .893841 30

X_8 2.23200 .943071 30

X_9 2.61460 .942026 30

X_10 3.22690 .947188 30

X_11 2.09093 .936326 30

LAMPIRAN G. HASIL PENGOLAHAN DATA MENGGUNAKAN SPSS 16.0

Factor analysis

KMO and Bartlett's Test

Kaiser-Meyer-Olkin Measure of Sampling Adequacy. .646

Bartlett's Test of Sphericity Approx. Chi-Square 219.291

df 55

Sig. .000

Anti-image Matrices

X_1 X_2 X_3 X_4 X_5 X_6 X_7 X_8 X_9 X_10 X_1

ti-image Correlation X_1 .563a -.106 -.241 -.219 .186 -.068 .205 .118 -.077 -.489 -X_2 -.106 .620a -.368 -.152 -.210 -.142 -.196 -.085 .352 .022 -X_3 -.241 -.368 .654a .243 -.017 .030 -.002 -.146 -.237 .022 -X_4 -.219 -.152 .243 .643a -.127 -.027 -.049 -.025 -.097 .045 -X_5 .186 -.210 -.017 -.127 .741a -.262 -.061 .004 -.243 -.111 -X_6 -.068 -.142 .030 -.027 -.262 .742a -.008 .150 -.302 -.129 X_7 .205 -.196 -.002 -.049 -.061 -.008 .676a -.066 -.236 -.208 X_8 .118 -.085 -.146 -.025 .004 .150 -.066 .666a -.157 -.152 -X_9 -.077 .352 -.237 -.097 -.243 -.302 -.236 -.157 .584a .077 -X_10 -.489 .022 .022 .045 -.111 -.129 -.208 -.152 .077 .590a X_11 -.150 -.117 -.094 -.223 -.032 .028 .053 -.228 -.007 .163 .6

easures of Sampling Adequacy(MSA)

Component Matrixa

Component

1 2 3 4

X_1 .525 .445 -.558 .069

X_2 .605 .321 .104 -.065

X_3 .589 .288 .061 -.452

X_4 .456 .117 .077 .710

X_5 .607 -.435 .137 .153

X_6 .586 -.433 -.238 .180

X_7 .463 -.404 .186 -.261

X_8 .422 .217 .482 -.333

X_9 .546 -.493 .112 -.024

X_10 .520 .052 -.604 -.205

X_11 .424 .481 .420 .305

Extraction Method: Principal Component Analysis.

a. 4 components extracted.

Rotated Component Matrixa

Component

1 2 3 4

X_1 -.064 .133 .835 .268

X_2 .135 .532 .307 .297

X_3 .137 .696 .363 -.053

X_4 .219 -.064 .122 .815

X_5 .732 .100 .038 .228

X_6 .686 -.118 .333 .155

X_7 .612 .290 -.022 -.148

X_8 .128 .735 -.095 .060

X_9 .732 .127 .029 .032

X_10 .226 .081 .781 -.109

X_11 -.064 .475 -.028 .671

Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization.

a. Rotation converged in 4 iterations.

Component Transformation Matrix

Compon

ent 1 2 3 4

1 .624 .499 .483 .358

2 -.776 .440 .294 .344

3 .087 .516 -.819 .234

4 .027 -.539 -.098 .836

Component Score Coefficient Matrix

Component

1 2 3 4

X_1 -.166 -.049 .539 .113

X_2 -.041 .272 .097 .117

X_3 -.039 .433 .151 -.199

X_4 .054 -.210 -.019 .641

X_5 .368 -.050 -.097 .113

X_6 .337 -.224 .148 .060

X_7 _{.316 .162 -.108 -.206}

X_8 -.003 .503 -.181 -.064

X_9 .380 .000 -.085 -.049

X_10 .031 -.051 .514 -.200

X_11 -.131 .239 -.144 .478

Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization.

LAMPIRAN H. PERHITUNGAN ANALISIS FAKTOR MENGGUNAKAN MATRIKS

Matriks Korelasi Sederhana

1 2 3 4 5 6 7 8 9 10 11

1 1,000 0,274 0,342 0,262 0,044 0,209 -0,022 0,073 0,126 0,488 0,229 2 0,274 1,000 0,437 0,240 0,300 0,229 0,231 0,211 -0,009 0,194 0,281

3 0,342 0,437 1,000 0,013 0,194 0,175 0,152 0,277 0,259 0,199 0,244

4 0,262 0,240 0,013 1,000 0,239 0,190 0,121 0,111 0,170 0,119 0,302

∑ =

5 0,044 0,300 0,194 0,239 1,000 0,442 0,288 0,135 0,392 0,192 0,125

6 0,209 0,229 0,175 0,190 0,442 1,000 0,217 0,008 0,413 0,269 0,058

7 -0,022 0,231 0,152 0,121 0,288 0,217 1,000 0,183 0,312 0,222 0,024

8 0,073 0,211 0,277 0,111 0,135 0,008 0,183 1,000 0,206 0,151 0,286

9 0,126 -0,009 0,259 0,170 0,392 0,413 0,312 0,206 1,000 0,143 0,098

10 0,488 0,194 0,199 0,119 0,192 0,269 0,222 0,151 0,143 1,000 0,002

Dengan bantuan software MATLAB (Matrix Laboratory), didapat nilai karakteristik (eigen value) dan vektor karakteristik (eigen vector) dari matrik korelasi sederhana ( .

Matriks Eigen Value

1 2 3 4 5 6 7 8 9 10 11

1 3,047 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000

2 0,000 1,463 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000

3 0,000 0,000 1,228 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000

4 0,000 0,000 0,000 1,087 0,000 0,000 0,000 0,000 0,000 0,000 0,000

L =

5 ₆ 0,000 _0,000 0,000 _0,000 0,000 _0,000 0,000 _{0,000 0,000} 0,915 _0,873 0,000 _0,000 0,000 _0,000 0,000 _0,000 0,000 _0,000 0,000 0,000 _0,000

7 0,000 0,000 0,000 0,000 0,000 0,000 0,651 0,000 0,000 0,000 0,000

8 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,560 0,000 0,000 0,000

9 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,505 0,000 0,000

10 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,352 0,000

11 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,319

Matriks Eigen Vector

1 2 3 4 5 6 7 8 9 10 11

1 0,301 0,368 -0,504 0,066 -0,197 0,072 -0,166 0,040 0,047 -0,528 -0,402

2 0,346 0,266 0,094 -0,062 0,640 -0,080 0,050 0,116 -0,189 -0,341 0,462

3 0,337 0,238 0,055 -0,433 0,120 0,420 -0,268 0,275 0,111 0,509 -0,171

4 0,261 0,097 0,069 0,680 -0,087 -0,312 -0,142 0,478 -0,073 0,310 -0,013

V =

5 ₆ 0,348 _0,336 -0,359 _{-0,358 -0,215} 0,124 0,147 _{0,172 0,116} 0,243 _0,292 0,094 _0,177 0,433 _-0,272 0,045 _-0,647 0,610 -0,105 _0,167 -0,267 _-0,180

7 0,265 -0,334 0,168 -0,251 0,117 -0,566 -0,519 -0,227 -0,020 -0,048 -0,265 8 0,242 0,180 0,435 -0,320 -0,417 -0,224 0,490 0,166 -0,295 -0,104 -0,170 9 0,313 -0,407 0,101 -0,023 -0,466 0,306 -0,271 0,158 0,057 -0,264 0,493 10 0,298 0,043 -0,545 -0,197 -0,179 -0,370 0,259 -0,193 0,197 0,346 0,376

Matriks loading factor ( ) diperoleh dengan mengalikan matriks eigen vector dengan akar dari matriks eigen value. Atau dalam

persamaan matematis ditulis √ .

1 2 3 4 5 6 7 8 9 10 11

1 1,746 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000

2 0,000 1,210 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000

3 0,000 0,000 1,108 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000

4 0,000 0,000 0,000 1,043 0,000 0,000 0,000 0,000 0,000 0,000 0,000

√

. =

5 ₆ 0,000 _0,000 0,000 _0,000 0,000 _0,000 0,000 _{0,000 0,000} 0,956 _0,934 0,000 _0,000 0,000 _0,000 0,000 _0,000 0,000 _0,000 0,000 0,000 _0,000

7 0,000 0,000 0,000 0,000 0,000 0,000 0,807 0,000 0,000 0,000 0,000

8 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,748 0,000 0,000 0,000

9 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,711 0,000 0,000

10 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,593 0,000

11 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,565

Matriks Factor Loading

1 2 3 4 5 6 7 8 9 10 11

1 0,525 0,445 -0,558 0,069 -0,189 0,067 -0,134 0,030 0,033 -0,313 -0,227 2 0,605 0,322 0,104 -0,065 0,612 -0,075 0,041 0,087 -0,134 -0,202 0,261 3 0,589 0,288 0,061 -0,451 0,115 0,392 -0,216 0,205 0,079 0,302 -0,097 4 0,456 0,117 0,077 0,710 -0,083 -0,292 -0,115 0,357 -0,052 0,184 -0,007

=

5 0,607 -0,435 0,137 0,153 0,233 0,088 0,350 0,034 0,434 -0,062 -0,151

6 0,586 -0,433 -0,238 0,180 0,111 0,273 0,143 -0,204 -0,460 0,099 -0,101 7 0,463 -0,404 0,186 -0,262 0,112 -0,529 -0,418 -0,170 -0,014 -0,028 -0,150 8 0,422 0,217 0,482 -0,333 -0,399 -0,209 0,395 0,124 -0,209 -0,062 -0,096 9 0,546 -0,493 0,112 -0,024 -0,446 0,286 -0,219 0,118 0,040 -0,156 0,279 10 0,520 0,052 -0,604 -0,205 -0,171 -0,346 0,209 -0,144 0,140 0,205 0,213 11 0,424 0,481 0,420 0,305 -0,137 0,130 -0,078 -0,510 0,111 0,054 0,048

Matriks Rotated Factor Loading diperoleh dengan mengalikan matriks factor loading dengan matriks transformasi (Component Transformation Matrix). Atau dalam persamaan matematis ditulis sebagai : .

0,624 0,499 0,483 0,358

R =

-0,776 _0,087 0,440 _{0,516 -0,819} 0,294 0,344 _0,234

0,027 -0,539 -0,098 0,836

0,525 0,445 -0,558 0,069 -0,065 0,133 0,835 0,268

0,605 0,322 0,104 -0,065 0,135 0,532 0,307 0,297

0,589 0,288 0,061 -0,451 0,137 0,695 0,363 -0,053

0,456 0,117 0,077 0,710 0,624 0,499 0,483 0,358 0,219 -0,064 0,122 0,815

0,607 0,586 -0,435 -0,433 -0,238 0,137 0,180 0,153 x -0,776 0,087 0,440 0,516 -0,819 0,294 0,234 0,344 = 0,686 0,732 -0,118 0,100 0,333 0,038 0,228 0,155

0,463 -0,404 0,186 -0,262 0,027 -0,539 -0,098 0,836 0,612 0,290 -0,022 -0,149

0,422 0,217 0,482 -0,333 0,128 0,735 -0,094 0,060

0,546 -0,493 0,112 -0,024 0,732 0,127 0,029 0,032

0,520 0,052 -0,604 -0,205 0,226 0,081 0,781 -0,109

0,424 0,481 0,420 0,305 -0,064 0,475 -0,027 0,671

Matriks koefisien bobot faktor (Score Coefficient Matrix) diperoleh dengan mengalikan invers matriks korelasi sederhana dengan matriks Rotated Factor Loading. Dalam persamaan matematis ditulis sebagai berikut :

Invers Matriks Korelasi Sederhana

1 2 3 4 5 6 7 8 9 10 11

1 1,730 -0,179 -0,397 -0,328 0,302 -0,109 0,306 0,173 -0,130 -0,795 -0,225 2 -0,179 1,650 -0,591 -0,223 -0,333 -0,222 -0,286 -0,122 0,576 0,036 -0,172 3 -0,397 -0,591 1,567 0,347 -0,027 0,047 -0,003 -0,205 -0,377 0,033 -0,134 4 -0,328 -0,223 0,347 1,300 -0,178 -0,038 -0,064 -0,031 -0,141 0,063 -0,291

₌

5 0,302 -0,333 -0,027 -0,178 1,520 -0,395 -0,086 0,006 -0,381 -0,169 -0,044 6 -0,109 -0,222 0,047 -0,038 -0,395 1,493 -0,011 0,205 -0,470 -0,195 0,039 7 0,306 -0,286 -0,003 -0,064 -0,086 -0,011 1,294 -0,085 -0,342 -0,292 0,069 8 0,173 -0,122 -0,205 -0,031 0,006 0,205 -0,085 1,248 -0,224 -0,210 -0,291 9 -0,130 0,576 -0,377 -0,141 -0,381 -0,470 -0,342 -0,224 1,623 0,121 -0,010

10 -0,795 0,036 0,033 0,063 -0,169 -0,195 -0,292 -0,210 0,121 1,531 0,230

Matriks Koefisien Bobot Faktor

1 2 3 4

1 -0,166 -0,049 0,539 0,113

2 -0,041 0,272 0,097 0,117

3 -0,039 0,433 0,151 -0,199 4 0,054 -0,210 -0,019 0,641

B =

5 ₆ 0,368 _0,337 -0,050 _-0,224 -0,097 _0,148 0,113 _0,060

7 0,316 0,162 -0,108 -0,206 8 -0,003 0,503 -0,181 -0,064 9 0,380 0,000 -0,085 -0,049 10 0,031 -0,051 0,514 -0,200 11 -0,131 0,239 -0,144 0,478

Untuk menghitung dan , maka diperlukan matriks korelasi sederhana dan matriks korelasi parsial yang semua entrinya telah dikuadratkan. Berikut ini akan disajikan matriks korelasi sederhana dan matriks korelasi parsial yang semua entrinya telah dikuadratkan.

Matriks Korelasi Parsial

1 2 3 4 5 6 7 8 9 10 11

1 -0,106 -0,241 -0,219 0,186 -0,068 0,205 0,118 -0,077 -0,489 -0,150

2 -0.,106 -0,368 -0,152 -0,210 -0,142 -0,196 -0,085 0,352 0,022 -0,117

3 -0,241 -0,368 0,243 -0,017 0,030 -0,002 -0,146 -0,237 0,022 -0,094

4 -0,219 -0,152 0,243 -0,127 -0.027 -0,049 -0,025 -0,097 0,045 -0,223

=

[

]

=

₆ 5 _-0,068 0,186 -0,210 _-0,142 -0,017 _0,030 -0,127 _{-0,027 -0,262} -0,262 _-0,008 -0,061 _0,150 0,004 _-0,302 -0,243 _-0,129 -0,111 -0,032 _0,028

7 0,205 -0,196 -0,002 -0,049 -0,061 -0,008 -0,066 -0,236 -0,208 0,053

8 0,118 -0,085 -0,146 -0,025 0,004 0,150 -0,066 -0,157 -0,152 -0,228

9 -0,077 0,352 -0,237 -0,097 -0,243 -0,302 -0,236 -0,157 0,077 -0,007

10 -0,489 0,022 0,022 0,045 -0,111 -0,129 -0,208 -0,152 0,077 0,163

1 2 3 4 5 6 7 8 9 10 11 Jumlah

1 0,011 0,058 0,048 0,035 0,005 0,042 0,014 0,006 0,239 0,023 0,480

2 0,011 0,135 0,023 0,044 0,020 0,038 0,007 0,124 0,000 0,014 0,418

3 0,058 0,135 0,059 0,000 0,001 0,000 0,021 0,056 0,000 0,009 0,341

4 0,048 0,023 0,059 0,016 0,001 0,002 0,001 0,009 0,002 0,050 0,211

=

[

]

=

₆ 5 _0,005 0,035 0,044 _{0,020 0,001} 0,000 0,016 _{0,001 0,069} 0,069 _0,000 0,004 _0,023 0,000 _0,091 0,059 _0,017 0,012 _0,001 0,001 0,240 _0,226

7 0,042 0,038 0,000 0,002 0,004 0,000 0,004 0,056 0,043 0,003 0,193

8 0,014 0,007 0,021 0,001 0,000 0,023 0,004 0,025 0,023 0,052 0,170

9 0,006 0,124 0,056 0,009 0,059 0,091 0,056 0,025 0,006 0,000 0,432

10 0,239 0,000 0,000 0,002 0,012 0,017 0,043 0,023 0,006 0,027 0,370

11 0,023 0,014 0,009 0,050 0,001 0,001 0,003 0,052 0,000 0,027 0,178

3,258

1 2 3 4 5 6 7 8 9 10 11 Jumlah

1 _{0,075 0,117 0,069 0,002 0,044 0,000 0,005 0,016 0,238 0,053 0,618}

2 _{0,075 0,191 0,058 0,090 0,052 0,054 0,045 0,000 0,037 0,079 0,681}

3 _{0,117 0,191 0,000 0,038 0,031 0,023 0,077 0,067 0,039 0,060 0,642}

4 _{0,069 0,058 0,000 0,057 0,036 0,015 0,012 0,029 0,014 0,091 0,381}

=

[

]

=

6 5 _0,044 0,002 0,090 _{0,052 0,031} 0,038 0,057 _{0,036 0,195} 0,195 _0,047 0,083 _0,000 0,018 _0,171 0,153 _0,072 0,037 _0,003 0,016 0,689 _0,651

7 _{0,000 0,054 0,023 0,015 0,083 0,047 0,034 0,097 0,049 0,001 0,402}

8 _{0,005 0,045 0,077 0,012 0,018 0,000 0,034 0,042 0,023 0,082 0,338}

9 _{0,016 0,000 0,067 0,029 0,153 0,171 0,097 0,042 0,020 0,010 0,606}

10 _{0,238 0,037 0,039 0,014 0,037 0,072 0,049 0,023 0,020 0,000 0,531}

11 _{0,053 0,079 0,060 0,091 0,016 0,003 0,001 0,082 0,010 0,000 0,394}

_{∑ ∑} ∑ ∑

∑ ∑

_∑ ∑

∑

.

.

Untuk menguji apakah matriks korelasi sederhana bukan merupakan suatu matriks identitas, maka digunakan uji Bartlett dengan pendekatan statistik chi square. Berikut ini diuraikan langkah-langkah pengujiannya.

1. Hipotesis

: Matriks korelasi sederhana merupakan matriks identitas : Matriks korelasi sederhana bukan merupakan matriks identitas 2. Statistik uji

[ ] | |

3. .

;

4. Kriteria pengujian : tolak jika 5. Perhitungan

[ ] [ ]

6. Kesimpulan :

, maka tolak . Dengan kata lain, matriks korelasi

[ ]

[ ]

[ ]

[ ]

[ ] _[

]

[ ] [

_]

[ ] [

]

Dengan demikian asumsi bahwa setiap faktor tidak berkorelasi dengan faktor lainnya dipenuhi.

KUESIONER PENELITIAN

Kuesioner ini merupakan alat untuk menggali informasi mengenai analisis faktor yang mempengaruhi indeks prestasi mahasiswa S1 Matematika USU. Jawaban yang Saudara/i berikan tidak akan mempengaruhi keberadaan Saudara/i di lingkungan kampus USU, karena penelitian ini semata-mata untuk keperluan akademis. Untuk itu saya mengharapkan jawaban serta informasi yang benar-benar obyektif sesuai dengan pengalaman Saudara/i pada saat mengikuti masa perkuliahan.

Atas bantuan dan partisipasi Saudara/i dalam mengisi kuesioner ini saya ucapkan terima kasih.

Petunjuk Pengisian Kuesioner :

1. Isilah data Saudara/i pada IDENTITAS RESPONDEN . 2. Berilah tanda (X) pada salah satu kolom pilihan Saudara/i.

dibutuhkan seorang mahasiswa

Kemampuan sosialisasasi

saudara/i cukup aktif

Kondisi keungan/ekonomi

saudara/i cukup untuk

kebutuhan sebagai mahasiswa

Orang tua selalu memberi

perhatian kepada saudara/i

selama menjalani masa

perkuliahan

Saudara/i selalu membuat

jadwal/ membagi waktu sesuai

kebutuhan seorang Mahasiswa

Selama masa perkuliahan,

kesehatan saudara/i tidak

pernah terganggu

Skala Pengukuran Kuesioner:

Sangat tidak setuju = 1

Tidak setuju = 2

Ragu-ragu = 3

Setuju = 4

Sangat Setuju = 5