PRESTASI MAHASISWA DITINJAU DARI KARAKTERISTIK LINGKUNGAN
KAMPUS
(Studi Kasus Mahasiswa Matematika Fakultas MIPA Universitas Sumatera Utara)
SKRIPSI
TRISNA ISLAMIA 130803031
DEPARTEMEN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA
MEDAN
2017
PRESTASI MAHASISWA DITINJAU DARI KARAKTERISTIK LINGKUNGAN
KAMPUS
(Studi Kasus Mahasiswa Matematika Fakultas MIPA Universitas Sumatera Utara)
SKRIPSI
Diajukan untuk melengkapi tugas dan memenuhi syarat mencapai gelar Sarjana Sains
TRISNA ISLAMIA 130803031
DEPARTEMEN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA
MEDAN
2017
Judul : Metode Structural Equation Model (SEM) dalam Menganalisis Faktor yang Mempengaruhi Prestasi Mahasiswa Ditinjau dari Karakteristik Lingkungan Kampus (Studi Kasus: Mahasiswa Matematika FMIPA Universitas Sumatera Utara)
Kategori : Skripsi
Nama : Trisna Islamia
Nomor Induk Mahasiswa : 130803031
Program Studi : Sarjana (S1) Matematika
Departemen : Matematika
Fakultas : Matematika Dan Ilmu Pengetahuan Alam Universitas Sumatera Utara
Disetujui di Medan, Oktober 2017
Komisi Pembimbing:
Pembimbing 2, Pembimbing 1,
Drs. Henri Rani Sitepu, M.si Dr. Pasukat Sembiring, M.Si NIP. 19530303 198303 1 002 NIP. 19531113 198503 1 002
Disetujui Oleh
Departemen Matematika FMIPA USU Ketua,
Dr. Suyanto, M. Kom NIP. 19590813 1986
METODE STRUCTURAL EQUATION MODEL (SEM) DALAM MENGANALISIS FAKTOR YANG MEMPENGARUHI
PRESTASI MAHASISWA DITINJAU DARI KARAKTERISTIK LINGKUNGAN
KAMPUS
(Studi Kasus Mahasiswa Matematika Fakultas MIPA Universitas Sumatera Utara)
SKRIPSI
Menyatakan dengan sebenarnya bahwa skripsi yang saya serahkan ini benar-benar merupakan hasil karya saya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing disebutkan sumbernya.
Medan, Oktober 2017
TRISNA ISLAMIA 130803031
Puji dan syukur penulis panjatkan kepada Allah SWT Yang Maha Pemurah dan Maha Penyayang, dengan limpah karunia-Nya Penulis dapat menyelesaikan penyusunan skripsi ini dengan judul Skripsi “Metode Structural Equation Model (SEM) Dalam Menganalisis Faktor yang Mempengaruhi Prestasi Mahasiswa Ditinjau dari Karakteristik Lingkungan Kampus (Studi kasus: Mahasiswa Matematika FMIPA Universitas Sumatera Utara)
Terimakasih penulis sampaikan kepada Bapak Dr.Pasukat Sembiring,M.Si selaku pembimbing 1 dan Bapak Drs. Henri Rani Sitepu, M.Si selaku pembimbing 2 yang telah meluangkan waktunya selama penyusunan skripsi ini.
Terimakasih kepada Bapak Dr. Sutarman, M.Sc, dan Bapak Dr.Open Darnius, M.Sc selaku dosen pembanding yang memberikan kritik dan saran yang membangun dalam menyelesaikan skripsi Penulis. Terimakasih kepada Bapak Dr.
Suyanto, M.Kom dan Bapak Drs. Rosman Siregar, M.Si selaku Ketua Departemen dan sekertaris Departement Matematika FMIPA USU Medan, Bapak Dr. Kerista sebayang, M.S selaku Dekan FMIPA USU Medan, seluruh Staff dan Dosen Matematika FMIPA USU dan pegawai FMIPA USU. Terimakasih kepada Ibunda Mariani Afrida atas kasih sayang, do`a serta dukunganya dan abangda Trisno Hidayat dan keluarga tercinta. Terimakasih atas dukunganya kepada sahabat-sahabat terkhusus “Muslimah Kece” (Indri, Shindi, Fitri, Dilla, dan Dhira, dan Giri) serta rekan-rekan kuliah yang telah membantu penulis dalam menyelesaikan skripsi ini. Semoga Allah SWT Tuhan Yang Maha Esa melidungi Bapak, Ibunda, abangda dan sahabat-sahabat semua dan membalas semua kebaikan yang telah dilakukan.
Medan, Oktober 2017
TRISNA ISLAMIA 130803031
KARAKTERISTIK LINGKUNGAN KAMPUS
(Studi Kasus Mahasiswa Matematika Fakultas MIPA Universitas Sumatera Utara)
ABSTRAK
Pencapaian prestasi akademik mahasiswa dipengaruhi oleh berbagai faktor baik faktor dari dalam diri mahasiswa (faktor internal) maupun faktor dari luar diri mahasiswa (faktor eksternal). Salah satu faktor eksternal yang mempengaruhi prestasi mahasiswa adalah lingkungan kampus. Penelitian ini bertujuan untuk memperoleh model persamaan struktural yang terbaik yang dapat menggambarkan hubungan antar peubah laten, hubungan antara peubah laten dan peubah indikatornya, untuk mengetahui konstruk mana yang paling mempengaruhi dan untuk mengetahui konstruk mana yang paling mempengaruhi prestasi dari ketiga indikator yaitu motivasi, sikap terhadap almamater, sikap terhadap dosen . Pada tulisan ini, SEM digunakan untuk menentukan model prestasi mahasiswa Matematika S1 FMIPA USU. Structural Equation Modeling (SEM) dalah suatu analisis multivariat yang bertujuan menyederhanakan variabel- variabel independen kompleks kedalam bentuk yang lebih sederhana dan mudah dimengerti. Bahan penelitian adalah hasil survei mahasiswa matematika FMIPA USU stambuk 2013,2014,2015 dengan menggunakan kuisioner yang diukur dengan skala likert dan menggunakan teknik simple random sampling. Hasil analisis data diperoleh parameter sebagai berikut: prestasi dengan sikap terhadap alamamater 0,084, prestasi dengan sikap terhadap dosen 0,267, prestasi dengan motivasi 0,014.
Kata Kunci: Lingkungan Kampus, Prestasi, Peubah Laten, Peubah Indikator, Structural Equation Modelling
CAMPUS ENVIRONMENT
(Case Study Mathematics Student of Faculty of Mathematics and Natural Sciences University of Sumatera Utara)
ABSTRACT
Achievement of student academic achievement is influenced by various factors both inner factor of student (internal factor) and factor from outside student self (external factor). One of the external factors affecting student achievement is the campus environment. This study aims to obtain the best structural equation model which can describe the relationship between latent variables, the relationship between the latent variables and the indicator variables, to find out which one is the most influencing and to know which construct most influence the achievement of the three indicators, namely motivation, attitude toward almamater, attitude towards lecturer. In this paper, SEM is used to determine student achievement model of Mathematics S1 FMIPA USU. Structural Equation Modeling (SEM) is a multivariate analysis that aims to simplify complex independent variables into simpler and easier to understand forms. The research material is the result of mathematics student survey of FMIPA USU stambuk 2013,2014,2015 by using questionnaire measured by likert scale and using simple random sampling technique. The results of data analysis obtained parameters as follows:
achievement with attitude toward alamamater 0,084, achievement with attitude toward lecturer 0,267, achievement with motivation 0,014.
Keywords: Campus Environment, Achievement, Latent Modif, Indicators, Structural Equation Modeling
Halaman
PERSETUJUAN i
PERNYATAAN ii
PENGHARGAAN iii
ABSTRAK iv
ABSTRACT v
DAFTAR ISI vi
DAFTAR TABEL viii
DAFTAR GAMBAR ix
DAFTAR LAMPIRAN x
BAB 1. PENDAHULUAN
1.1. Latar Belakang 1
1.2. Rumusan Masalah 3
1.3. Batasan Masalah 3
1.4. Tujuan Penelitian 4
1.5. Manfaat Penelitian 4
BAB 2. LANDASAN TEORI
2.1. Faktor-Faktor Kualitas dan Keberhasilan Studi Mahasiswa
5
2.2. Motivasi 5
2.3. Lingkungan Belajar 6
2.4. Prestasi 7
2.5. Teknik Sampling 8
2.6 Angket 9
2.7 Skala Likert 9
2.8 Korelasi dan Koefisien Determinasi 10
2.8.1 Korelasi 10
2.8.2 Koefisisen Determinasi 12
2.9 Analisis Multavariat 12
2.10 Structural Equation Modelling (SEM) 13
2.10.1 Variabel- Variabel Dalam SEM 2.10.2 Model-Model dalam SEM
13 14
2.11 Metode Maximum Likelihood 16
2.12 Indeks Kecocokan Model 17
BAB 3. METODE PENELITIAN
3.1. Perumusan Masalah 21
3.2. Pengumpulan Data 21
3.3. Landasan Teori 21
3.3.1 Variabel Penelitian 22
3.4 Analisis dan Pengolahan Data 23
3.5 Uji kelayakan 23
4.1. Deskripsi Data Responden 25 4.1.1. Karakteristik Responden Berdasarkan Tahun
Masuk
25 4.1.2. Karakteristik Responden Berdasarkan Jenis
Kelamin
25 4.1.3. Karakteristik Responden Berdasarkan Jalur
Penerimaan
26
4.2 Pengolahan Data 26
4.2.1 Pengembangan Model Berbasis Teori 27
4.2.2 Menyususn Diagram SEM 28
4.2.3 Konversi Diagram Jalur ke Persamaan Struktural
28 4.2.4 Memilih Input Matriks dan Mendapatkan
Model Estimasi
29 4.2.5 Menguji Unidimensionalitas Masing-Masing
Konstruk
30 . 4.2.5.1 Uji Konfimatori Konstruk
Eksogen
30 4.2.5.2 Estimasi Persamaan Full Model 33
4.3 Evaluasi Model Struktural 34
4.3.1 Skala Pengukuran Variabel (Skala Data) 34
4.3.2 Normalitas Data 34
4.3.3 Estimasi Nilai Parameter 35
4.3.4 Measurement Model Fit 38
4.3.5 Interpretasi Model 40
BAB 5. KESIMPULAN DAN SARAN
5.1 Kesimpulan 44
5.2 Saran 44
DAFTAR PUSTAKA 45
Nomor Judul Halaman Tabel
2.1. Tabel Skala Likert 10
4.1. Tahun Masuk Responden 23
4.2. Jenis Kelamin Responden 24
4.3. Jalur Penerimaan Responden 24 4.4. Kkonstruk dan Indikator 25 4.5. Goodness Of Fit Indeks 28 4.6. Regression Weight: Konstruk Eksogen 29 4.7. Standardized Regerssion Weight: Konstruk Eksogen 29 4.8. Variance: Konstruk Eksogen 30 4.9. Squared Multiple Correlation: Konstruk Eksogen 30 4.10. Squared Multiple Correlation Full Model 31 4.11. Assessment of normality Full Model 33
4.12. Regression Weights 33
4.13. Standardized Regression Weights 34
4.14. Variances 35 4.15. Hubungan Antar Variabel 38
Nomor Gambar
Judul Halaman
4.1 Model Kerangka Teoritis 24
4.2 Model Diagram Jalur Kausalitas 26
4.3 Pengolahan Uji Konfimatori Eksogen 28
4.4 Estimasi Persamaan Full Model 31
Nomor Lampiran
Judul Halaman
1. Kuisioner Penelitian 46 54
2. Data Identitas Responden 48 56
3.
4.
Data Penelitian Surat Izin Penelitian
51 54
1.1 Latar Belakang
Perguruan Tinggi merupakan pusat dan sarana pendidikan formal yang berperan untuk melakukan kegiatan pendidikan/pengajaran, penelitian dan pengabdian masyarakat. Aktivitas dalam kegiatan pendidikan diantaranya menyiapkan mahasiswa untuk berfikir secara ilmiah, sehingga dapat menghasilkan tenaga ahli yang berkualitas sesuai dengan bidangnya masing-masing, dengan perkembangan ilmu dan teknologi. Pada perguruan tinggi untuk melihat suatu prestasi mahasiswa dapat dilihat dari indeks prestasi (IP). Indeks prestasi (IP) adalah nilai kredit rata- rata yang merupakan satuan nilai akhir yang menggambarkan nilai proses belajar tiap semester atau angka yang menyatakan prestasi dalam proses belajar mahasiswa pada satu semester. Banyak manfaat yang didapat mahasiswa dengan indeks prestasi yang baik, antara lain mempercepat masa kuliah, mempermudah memperoleh beasiswa dan sebagai syarat melamar pekerjaan. Pada era globalisasi ini, banyak perusahaan yang merekrut dengan mencari calon pegawai yang memenuhi syarat dan ketentuan yang ditetapkan oleh perusahaan, salah satunya adalah nilai indeks prestasi kumulatif (IPK) yang harus memenuhi nilai minimal tertentu. Berkaitan dengan nilai indeks prestasi kumulatif (IPK) yang menjadi syarat saat melamar pekerjaan, hal ini karena nilai indeks prestasi kumulatif merupakan salah satu indikator keberhasilan mahasiswa selama melaksanakan perkuliahan, walaupun tidak mutlak, namun dapat diasumsikan bahwa seseorang yang memiliki indeks prestasi yang tinggi maka memiliki kemampuan yang baik dalam akademik dan akan berpengaruh di dunia kerja.
Pencapaian prestasi akademik mahasiswa dipengaruhi oleh berbagai faktor baik faktor dari dalam diri mahasiswa (faktor internal) maupun faktor dari luar diri mahasiswa (faktor eksternal). Salah satu faktor eksternal yang mempengaruhi prestasi mahasiswa adalah lingkungan kampus. Pengaruh lingkungan kampus terhadap prestasi mahasiswa dapat dilihat dari adanya interaksi antara mahasiswa dengan dosen dan persepsi mahasiswa terhadap lingkungan almamaternya
(Sampoerna, 2002). Sikap mahasiswa terhadap dosen dan lingkungan almamater juga dapat mempengaruhi motivasinya dalam belajar. Hubungan antara faktor- faktor atau peubah-peubah pada masalah ini tidak hanya pengaruh langsung, tetapi juga pengaruh tidak langsung, yaitu melalui peubah bebas lain. Peubah- peubah tersebut juga tidak dapat diukur secara langsung atau disebut peubah laten, sehingga diperlukan peubah-peubah indikator (peubah terukur) untuk membentuknya.
Faktor Sikap mahasiswa terhadap alamamater dapat dilihat melalui keputusan mahasiswa memilih kampus tersebut, keaktifan berorganisasi, kelengkapan fasilitas ruang belajar, kelengkapan fasilitas perpustakaan, dan kelengkapan fasilitas laboraturium komputer. Faktor Sikap mahaiswa terhadap dosen dapat dilihat melalui tingkat kesukaan mahasiswa terhadap dosen, sistem penilaian dosen, sistem pembelajaran, sistem penugasan, dan bagaimana hubungan mahasiswa terhadap dosen pembimbing akademiknya. Faktor motivasi dapat dilihat melalui keinginan mahasiswa mendapatkan IP tinggi, keinginan mahasiswa menyelesaikan kuliah tepat waktu, dan keinginan mahasiswa untuk melanjutkan studi S2. Faktor prestasi dapat dilihat dari nilai IPK mahasiswa dan prestasi di bidang yang bermanfaat dan mendukung bertambahnya kemampuan seorang mahasiswa.
Model yang dapat mengakomodasi permasalahan di atas adalah Model Persamaan Struktural (struktural equation modeling). Pada hakekatnya analisis SEM digunakan untuk memperoleh suatu model struktural. Model diperoleh dapat digunakan untuk prediksi atau pembuktian model. Di samping itu, SEM juga dapat digunakan untuk melihat besar kecilnya pengaruh, baik langsung, tak langsung maupung pengaruh total variabel bebas (variabel eksogen) terhadap variabel terikat (endogen) (Sugiyono, 2011).
Structural Equation Model (SEM) dapat menguji sebuah rangkaian hubungan yang relatif sulit terukur secara bersamaan. Hubungan yang dimaksud adalah hubungan yang dibentuk dari satu atau lebih peubah bebas dengan satu atau lebih peubah tak bebas. Peubah-peubah tersebut dapat berupa peubah laten atau peubah yang tak terukur, seperti sikap mahasiswa terhadap almamater dan sikap mahasiswa terhadap dosen, yang terbentuk dari beberapa peubah penjelas
dan peubah manifes, yang tertuang dalam bentuk pertanyaan–pertanyaan yang dapat mencerminkan peubah laten. Ada beberapa alasan yang mendasari penggunaan SEM diantaranya adalah: Pertama, model yang dianalisis relatif rumit sehingga akan sulit untuk diselesaikan dengan metode analisis jalur pada regresi linear. Kedua, SEM mempunyai kemampuan untuk mengestimasi hubungan antar variabel yang bersifat multiple relationship. Ketiga, kesalahan pada masing–masing observasi tidak diabaikan tetapi tetap dianalisis, sehingga SEM cukup akurat untuk menganalisis data kuesioner yang melibatkan persepsi.
Keempat, Peneliti dapat dengan mudah memodifikasi model untuk memperbaiki model yang telah disusun agar lebih layak secara statistik. Kelima, SEM mampu menganalisis hubungan timbal balik secara serempak (Dillala, 2000).
1.2 Rumusan Masalah
Berdasarkan latar belakang di atas maka rumusan masalah dalam penelitian ini adalah menganalisis faktor-faktor yang mempengaruhi prestasi mahasiswa ditinjau dari lingkungan kampus, sehingga dapat mengetahui bagaimana hubungan antar faktor-faktor yang memepengaruhi prestasi mahasiswa dan seberapa besar kontribusi faktor-faktor tersebut terhadap prestasi mahasiswa jurusan matematika FMIPA USU.
1.3 Batasaan Masalah
Untuk mengarahkan agar penelitian ini tidak menyimpang dari tujuan yang diinginkan, maka penulis membuat batasan masalah pada tulisan ini adalah Prestasi mahasiswa yang dilihat adalah IPK (Indeks Perstasi Kumulatif) yang dicapai mahasiswa pada semester ganjil tahun ajaran 2016-2017 ditambah dengan prestasi-prestasi lain yang mendukung, karena pencapaian pendidikan tidak hanya pada bidang akademik tetapi menyeluruh ke bidang lainya yang bermanfaat dan mendukung bertambahnya kemampuan seorang mahasiswa.
Mahasiswa stambuk 2016 tidak diikut sertakan dalam penyebaran kuesioner karena masih 1 semester di matematika FMIPA USU. Faktor-faktor yang
mempengaruhi pencapaian pendidikan yang akan diteliti juga harus dibatasi yaitu faktor ekternal, salah satu faktor eksternal yang akan dilihat adalah lingkungan kampus yang akan yang akan dijelaskan melalui persepsi mahasiswa terhadap lingkungan kampusnya, persepsi mahasiswa terhadap dosen dan motivasi. Data diolah dengan SEM menggunakan program Amos dan SPSS .
1.4 Tujuan Penelitian
Tujuan dari penelitian ini adalah menganalisis pengaruh sikap mahasiswa terhadap alamamater, sikap mahasiswa terhadap dosen, dan motivasi untuk meningkatkan prestasi dengan menggunakan model persamaan struktural.
Menentukan faktor mana yang paling berpengaruh pada prestasi sehingga bisa ditingkatkan.
1.5 Manfaat Penelitian
1. Untuk memberikan informasi mengenai faktor-faktor yang mempengaruhi Prestasi mahasiswa Matematika Universitas Sumatera Utara ditinjau dari lingkungan kampus
2. Sebagai bahan masukan bagi Departemen Matematika FMIPA Universitas Sumatera Utara agar mengetahui faktor apa yang sangat mempengaruhi prestasi mahasiswa sehinnga bisa ditingkatkan
3. Sebagai bahan masukan bagi berbagai pihak yang akan melanjutkan penelitian ini ataupun penelitian yang ada kaitannya dengan penelitian ini.
BAB 2
LANDASAN TEORI
2.1 Faktor-Faktor Kualitas dan Keberhasilan Studi Mahasiswa
Tujuan pendidikan pada dasarnya adalah mempersiapkan generasi baru agar dapat menjalani kehidupan dan dapat memecahkan masalah-masalah yang akan dihadapi pada zamanya. Perguruan Tinggi merupakan salah tempat yang berperan untuk menjadikan generasi baru yang berkualitas tinggi agar mampu mengejar dan mengembangkan iptek yang dianggap sebagai katalisator dari kemajuan ekonomi yang akan meningkatkan kesejahteraan rakyat. Dengan demikian, perguruan tinggi memiliki tanggungjawab etis terhadap lulusanya, yaitu mahasiswa yang telah selesai belajar di Perguruan Tinggi, dalam hal kualitas mahasiswa baik secara intrnal seperti kemampuan bekerja, kreativitas, dan sikap maupun eksternal yaitu pengakuan masyarakat sebagai penyerap sumber daya manusia terhadap kredibilitas Perguruan Tinggi tersebut.
Kualitas mahasiswa banyak dipengaruhi oleh berbagai faktor antara lain (Menurut Munandar, 1987):
a. Latar belakang keluarga, sejauh mana dukungan dan dorongan orang tua, taraf sosial ekonomi orang tua
b. Lingkungan belajar di rumah, sarana dan prasarana tersedia c. Lingkungan kampus beserta dosenya; mampu bersosialisai
d. Serta motivasi; minat untuk berprestasi, keuletan untuk mengatasi kesulitan.
2.2 Motivasi
Motivasi adalah perubahan energi dalam diri seseorang yang ditandai dengan munculnya “feeling” dan didahului dengan tanggapan terhadap adanya tujuan.
Berdasarkan pengertian yang dikemukakan terdapat dua elemen penting yaitu:
1. Motivasi mengawali terjadinya perubahan energi pada diri setiap individu manusia. Perkembangan motivasi membawa beberapa perubahan energi di dalam sistem “neurophysiological” yang ada pada organisme manusia. Karena menyangkut perubahan energi manusia (walaupun motivasi muncul dari dalam diri manusia), nampaknya akan menyangkut kegiatan fisik manusia.
2. Motivasi dirangsang karena adanya tujuan, jadi motivasi dalam hal ini sebenarnya merupakan respons dari suatu aksi yakni tujuan. Motivasi muncul dari dalam diri manusia, tetapi kemunculannya karena terangsang/terdorong oleh adanya unsur lain yakni tujuan. Motivasi dapat juga dikatakan serangkaian usaha untuk menyediakan kondisikondisi tertentu, sehingga mau dan ingin melakukan sesuatu dan bila ia tidak suka, maka akan berusaha untuk meniadakan atau mengelakkan perasaan tidak suka itu (Sardiman, 2003).
2.3 Lingkungan Belajar
Lingkungan belajar baik di dalam maupun di luar kampus, sangat dipengaruhi oleh sarana dan prasarana yang ada. Sarana dan prasarana yang lengkap membantu mahasiswa dalam proses belajar sehingga memberikan pengaruh positif terhadap motivasinya.
Lingkungan kampus atau perguruan tinggi merupakan tempat terjadinya pendidikan dan latihan akademis yang berkaitan dengan profesi tertentu.
Pendidikan tersebut dapat terjadi jika adanya interaksi antara mahasiswa dengan dosen dan lingkungan almamaternya sangat mempengaruhi motivasinya dalam belajar (Serniawan, 1999). Seperti yang dikatakan oleh Skinner dan Watson dalam teori behavioristik, bahwa tingkah laku manusia sangat dipengaruhi oleh lingkungan eksternal. Prestasi mahasiswa akan meningkat jika mahasiswa memiliki sikap yang positif terhadap dosen dan lingkungan alamamaternya. Sikap positif terjadi bila dosen tidak semena-mena nenilai mahasiswa, selalu bersedia dengan adil dan terbuka dalam memberikan penjelasan tentang kekurangan- kekurangan mahasiswa. Sedangkan sikap positif terhadap almamater terjadi bila adanya pelayanan yang disediakan untuk mahasiswa, antara lain adanya
perpustakaan, pusat kesehatan, beasiswa, organisasi kemahasiswaan dan bimbingan konseling (dalam Hilgard, 1971 dalam Bakti 1988).
2.4 Prestasi
Prestasi adalah uji standart test untuk mengukur kecakapan atau pengetahuan seseorang di dalam satu atau lebih garis-garis pekerjaan atau belajar. Prestasi merupakan pencapaian seorang individu yang berinteraksi antara berbagai faktor yang mempengaruhinya baik dari dalam maupun dari luar diri sendiri.
Faktor internal merupakan faktor yang berasal dari dalam individu itu sendiri meliputi:
1. Faktor jasmani (fisiologi) termasuk dalam faktor jasmani antara lain adalah penglihatan, pendengaran, kesehatan pisik dan olahraga teratur.
2. Faktor psikologis yang termasuk faktor psikologis antara lain:
a. Intelektul: taraf intelegensi, kemampuan belajar dan cara memanfaatkan waktu belajar.
b. Non intelektual: motivasi belajar, sikap, perasaan, minat, kondisi psikis dan kondisi akibat keadaan sosiokultur.
Faktor eksternal termasuk faktor eksternal antara lain:
1. Faktor pengaturan belajar melibatkan kurikulum, disiplin, dosen, fasilitas belajar dan kerja kelompok siswa.
2. Faktor sosial di sekolah meliputi sistem sosial, status sosial dan interaksi dosen dengan mahasiswa.
3. Faktor situasional yaitu keadaan politik ekonomi, keadaan waktu tempuh ke kampus, keadaan tempat tinggal, dan iklim.
Pengenalan terhadap faktor-faktor yang mempengaruhi prestasi belajar penting sekali artinya dalam rangka membantu mahasiswa dalam mencapai prestasi belajar yang sebaik-baiknya (Belajar psikologi.com). Prestasi menjadi alat ukur dalam kesuksesan mahasiswa dalam menempuh pendidikan dalam jenjang
universitas, bukan hanya menentukan kesuksesan prestasi juga dapat mempermudah dalam melanjutkan pendidikan lebih tinggi dan dalam pencarian pekerjaan. Prestasi mahasiswa dapat dilihat dari indek prestasi kumulatif dalam perkuliahan setiap tahun, dan indeks prestasi dilihat dari perkulihan tiap semester.
2.5 Teknik Sampling
1. Probability Sampling (Metode Acak)
Pemilihan sampling dilakukan dengan metode acak, tidak dilakukan secara subjektif, dalam hal ini berarti sampel yang terpilih tidak didasarkan semata-mata pada keinginan penelitian. Dengan demikian diperlukan teknik sampling dalam pengambilan sampel. Setiap anggota memiliki kesempatan yang sama untuk terpilih sebagai sampel. Dengan metode acak ini, diharapkan sampel yang dipilih dapat digunakan untuk menduga karakteristik populasi secara objektif. Di samping itu, teori-teori peluang yang dipakai dalam metode acak memungkinkan peneliti untuk mengetahui bias yang muncul dan sejauh mana bias yang muncul tersebut menyimpang dari perkiraan. Hasil perhitungan yang diperoleh dapat digunakan untuk menyimpulkan variasi-variasi yang mungkin ditimbulkan tiap- tiap teknik sampling. Peneliti menggunakan sample random sampling karena pengambilan anggota sampel dari populasi dilakukan secara acak tanpa memperhatikan strata yang ada dalam populasi.
2. Nonprobability Sampling (Metode Tak Acak)
Melakukan penelitian dengan metode tak acak, peneliti tidak perlu membuat kerangka sampel dalam pengambilan sampelnya. Hal ini menjadi salah satu keuntungan terkait dengan pengurangan biaya dan permasalahan yang timbul karena pembuatan kerangka sampel. Hal lain yang menjadi keburukan pengambilan sampel dengan metode tak acak adalah ketepatan dari informasi yang diperoleh akan terpengaruh, karena hasil penarikan sampel dengan metode tak acak ini mengandung bias dan ketidaktentuan. Metode tak acak sering digunakan dengan perkembangan yang terkait dengan penghematan biaya, waktu, dan tenaga. Di samping itu pertimbangan lainnya adalah walaupun metode acak
mungkin saja lebih unggul dalam teori, tetapi dalam pelaksanaannya sering kali dijumpai adanya beberapa kesalahan oleh peneliti, dalam penggunaan metode tak acak, pengetahuan, kepercayaan dan pengalaman seseorang sering dijadikan pertimbangan untuk menentukan anggota populasi yang akan dipilih sebagai sampel. Sampel diambil berdasarkan pada kriteria-kriteria yang telah dirumuskan terlebih dahulu oleh peneliti, sampel yang diambil dari anggota populasi dipilih sekehendak hati oleh peneliti menurut pertimbangan dan intuisi (Sugiarto, dkk, 2011).
2.6 Angket (Questionnaire)
Angket (Questionnaire) adalah daftar pertanyaan yang diberikan kepada orang lain bersedia memberikan respon (responden) sesuai dengan permintaan pengguna. Tujuan penyebaran angket ialah mencari informasi yang lengkap mengenai suatu masalah dari responden tanpa merasa khawatir bila responden memberikan jawaban yang tidak sesuai dengan kenyataan dalam pengisian daftar pertanyaan (Riduwan, 2002). Angket dibedakan menjadi dua jenis, yaitu angket terbuka dan angket tertutup.
1. Angket terbuka (angket tidak berstruktur) ialah angket yang disajikan dalam bentuk sederhana sehingga responden dapat memberikan isian sesuai dengan kehendak dan keadaannya.
2. Angket tertutup (angket berstruktur) adalah angket yang disajikan dalam bentuk sedemikian rupa sehingga responden diminta untuk memilih satu jawaban yang sesuai dengan karakteristik dirinya dengan cara memberika tanda silang (×) atau tanda checklist ().
Dalam penelitian ini penulis menggunakan angket tertutup dengan menentukan variabel-variabel yang akan dipertanyakan untuk menganalisis prestasi mahasiswa secara struktur, dan penulis menggunakan skala likert sebagai skala pengukuran persepsi mahasiswa.
2.7 Skala Likert
Skala likert digunakan untuk mengukur sikap, pendapat dan presepsi seseorang atau kelompok tentang kejadian atau gejala sosial. 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. Indikator-indikator yang terukur ini dapat dijadikan titik tolak untuk membuat item instrumen yang berupa pertanyaan atau pernyataan yang perlu dijawab oleh responden. Setiap jawaban dihubungkan dengan bentuk pernyataan atau dukungan sikap yang diungkapkan dengan kata- kata sebagai berikut (Riduwan, 2002):
Tabel.2.1 Skala Likert Skor Pernyataan
1 Sangat Tidak Setuju 2 Kurang Setuju
3 Netral
4 Setuju
5 Sangat Setuju Sumber: Riduwan, 2002
2.8 Korelasi dan Koefisien Determinasi 2.8.1 Korelasi
Alat statistik yang sering dijumpai dalam analisis SEM adalah korelasi sekalipun kovarians adalah alat utama untuk melakukan perhitungan dalam model SEM.
Korelasi pada dasarnya adalah melakukan standarisasi pada hasil kovarians yang di dapat, berbeda dengan kovarians, angka korelasi dibatasi dari -1 sampai +1 menunjukkan arah hubungan dua variabel sedangkan besar angka di belakangnya menunjukkan tingkat keeratan hubungan korelasi. Dalam SEM, korelasi akan banyak digunakan untuk mengartikan angka-angka yang terkait dengan estimasi koefisien regresi (pada structural model) ataupun besar factor loading pada measurement model. Koefisien korelasi, suatu nilai untuk mengukur kuatnya
hubungan antara X dan Y dapat ditentukan dengan persamaan sebagai berikut (J.Supranto, 2004):
y x
y x
cov( , ) (2.1)
keterangan:
= rho = Koefisien korelasi sebenarnya, sebagai parameter cov(x,y) = kovarian ( X,Y) =
N Y Xi x i y
x= , N Xi
N
Yi
y
x= standar deviasi x =
2x
x
2 varian (X ) =
(Xi Nx)2y= deviasi standar y =
2y
y
2 varian (y) =
(Yi Ny)2Dan untuk r ( = R kecil perkiraan rho)
r =
_ 2 _ 2
_ _
Y Y X
X
Y Y X X
i i
i i
(2.2)
keterangan:
n
X Xi
_
n Y_
Yi_
X dan
_
Y merupakan perkiraan xdan y
Hubungan kausalitas antar dua variabel terjadi bila kedua variabel tersebut mempunyai hubungan atau angka korelasi antar dua variabel tersebut signifikan atau nilainya besar. Antar variabel indipenden harus tidak mempunyai hubungan atau angka korelasi antar kedua variabel tersebut tidak signifikan atau nilainya
harus kecil. Interpretasi mengenai besarnya angka korelasi adalah sebagai berikut (Suharsimi, 1995):
a. Antara 0,80 – 1,00: sangat tinggi b. Antara 0,60 -0,80: tinggi
c. Antara 0,40-0,60: cukup d. Antara 0,20 – 0,40: rendah e. Antara 0,00-0,20: sangat rendah
2.8.2 Koefisien Determinasi
Koefisien determinasi (R2) merupakan sumbangan (share) dari x terhadap variasi (naik turunnya) y, tingkat variasi ditunjukkan oleh besarnya nilai varian y.
Misalnya x = sikap terhadap kampus dan y = prestasi , r = 0,9 dan R2= (0,9)2 = 0,81 artinya sumbangan x (sikap terhadap kampus) terhadap variasi (naik turunnya) y (prestasi) = 81%, sisanya 19% merupakan sumbangan faktor lain seperti sikap terhadap dosen dan motivasi.
2.9 Analisis Multivariat
Masalah (problem) ialah sesuatu yang terjadi tidak sesuai dengan keinginan atau harapan. Setiap masalah yang timbul pasti memiliki faktor penyebab umumnya lebih dari satu. Kalau masalah disebut sebagai variabel tak bebas y dan faktor penyebab sebagai variabel bebas x, maka ada lebih dari satu x, katakan ada k buah, maka ditulis faktor penyebab: x1,x2,x3,...,xk, .Artinya y disebabkan oleh
xk
x x
x1, 2, 3,..., . Salah satu contoh analisis multivariat adalah SEM.
Analisis multivariat bisa dikelompokkan menjadi dua kelompok besar, yaitu (J. Supranto, 2004):
1. Analisis dependensi/ketergantungan (dependency methods), bertujuan untuk menjelaskan atau meramalkan nilai variabel tak bebas berdasarkan lebih dari
satu variabel bebas yang mempengaruhinya (x1,x2,x3,...,xk dan y), kalau hanya melibatkan satu variabel bebas, analisis disebut analisis bivariat (x dan y).
2. Analisis interdependensi/saling ketergantungan (interdependence methods), bertujuan untuk memberikan arti (meaning) kepada suatu set variabel (kelompok variabel) atau mengelompokkan suatu set variabel menjadi kelompok yang lebih sedikit jumlahnya dan masing-masing kelompok membentuk variabel baru yang disebut faktor (mereduksi jumlah variabel).
Jenis skala yang dipergunakan untuk mengukur variabel tak bebas (y) dan variabel bebas (x) dan juga banyaknya variabel tak bebas akan menentukan teknik analisis multivariat yang tepat. Dalam analisis multivariat data non- metrik (kualitatif) untuk nominal dan ordinal sedangkan data metrik (kuantitatif) untuk interval dan ratio.
2.10 Structural Equation Modelling (SEM)
Structural Equation Model (SEM) pertama dikenalkan oleh seorang ilmuwan bernama Joreskog pada tahun 1970. Structural Equation Modelling (SEM) merupakan teknik statistika yang digunakan untuk membangun dan menguji model statistik yang biasanya berbentuk model-model sebab-akibat yaitu perubahan pada satu variabel berdampak pada variabel lainnya. Sebagai contoh yaitu pada bidang pemasaran, kualitas barang akan mempengaruhi harga barang, kepuasan konsumen dan lain sebagainya (Widagdo dan Widayat, 2011).
Kemudian SEM memudahkan peneliti untuk menguji secara simultan rangkaian hubungan dependen yang saling terkait antara variabel terukur (variabel indikator) dan variabel yang tidak dapat diukur secara langsung (variabel laten), serta hubungan antar variabel laten (Hair et al, 1998).
Stuctural Equation Modelling (SEM) merupakan metode analisis multivariat yang digunakan untuk menggambarkan hubungan linear secara simultan antara variabel yang dapat diukur secara langsung (indikator) dan variabel yang tidak dapat diukur secara langsung (variabel laten).
2.10.1 Variabel- Variabel Dalam SEM
Adapun jenis-jenis variabel dalam SEM adalah sebagai berikut:
a. Variabel Laten
Variabel laten merupakan konsep abstak, sebagai contoh perilaku seseorang, sikap dan motivasi. Variabel laten hanya dapat diamati secara tidak langsung yaitu melalui efeknya pada variabel indikator. Terdapat dua jenis variabel laten yaitu eksogen dan endogen. Variabel laten eksogen dinotasikan dengan (ksi) dan variabel laten endogen dinotasikan dengan (etha) (Wijayanto, 2007).
Gambar 1. (a) Variabel laten eksogen dan (b) variabel laten endogen b. Variabel Indikator
Variabel indikator adalah variabel yang dapat diamati atau dapat diukur secara empiris. Variabel indikator merupakan efek dari variabel laten eksogen diberi notasi X sedangkan efek dari variabel laten endogen diberi notasi Y. Variabel indikator diberi symbol berbentuk bujur sangkar.
Gambar 2. Variabel indikator
2.10.2 Model-Model dalam SEM
Structural Equation Modelling atau Model Persamaan Structural memiliki dua jenis model yaitu model struktural dan model pengukuran. Model struktural yang mengukur hubungan antara variabel laten, kemudian model pengukuran yang mengukur hubungan antara variabel indikator dengan variabel laten
Eksogen ()
Endogen ()
(a) (b)
X Y
(Bollen,1989). Model umum dalam Structural Equation Modelling (SEM) dengan bentuk umum persamaan struktural didefenisikan sebagai berikut :
Misalkan vektor acak T (1,2,...,...,m) dan T (1,2,...,...n) berturut- turut adalah variabel laten endogen dan variabel laten eksogen membentuk persamaan simultan dengan sistem hubungan persamaan linier
(2.3) Dimana adalah vektor intersep, dan adalah matriks koefisisen dan
) ,...,..., ,
(1 2 m
adalah vektor galat dalam persamaan struktural. Elemen
menghadirkan pengaruh variabel dan variabel lainnya, dan elemen
menghadirkan pengaruh langsung variabel dalam variabel . Diasumsikan bahwa tidak berkolerasi dengan dan adalah nonsingular (Joreskog,2000)
Bentuk persamaan ( 2.3) dapat diuraikan sebagai berikut :
1
)
(
Keterangan persamaan (2.4) sebagai berikut :
: Vektor intersep m × 1
: Vektor variabel laten endogen m × 1
: Matriks koefisien variabel laten endogen m × m
:Matriks koefisien variabel laten eksogen m × n
:Vektor variabel laten eksogen n × 1
:Vektor galat Model struktural hubungan antara dan ukuran m × 1
(2.4)
Vektor acak dan tidak diukur secara langsung tetapi melalui indikatornya yaitu variabel T (y1,y2,...,...,yp) dan T (x1,x2,...,...,xp) yang dikukur, berdasarkan persamaan ( ) maka dengan model pengukuranya dinyatakan sebagai berikut :
x y
Keterangan :
:Matriks variabel independent p × 1
y :
Matriks koefisien regresi antara y dan ukuran p × m
: Vektor galat model pangukuran terhadap y ukuran p × 1
:Vektor variabel dependent q × 1
x:
Matriks koefisien regresi antara x dan ukuran q × n
: Vektor galat model pengukuran terhadap x ukuran q × 1
tidak berkorelasi dengan , tidak berkorelasi dengan , dan ,, tidak saling berkorelasi dan mempunyai nilai tengah nol. Sedangkan ydan x adalah matrik koefisien yang merupakan pengaruh variabel dan terhadap variabel indikator y dan x.
2.11 Metode Maximum Likelihood
Fungsi likelihood didefinisikan sebagai fungsi densitas peluang bersama dari n variabel acak X1, ... , Xn yang dipandang sebagai fungsi θ. Jika X1, ... , Xn sampel acak dengan fungsi densitas peluang f (x;θ) maka fungsi likelihood L(θ) didefinisikan sebagai (Lipschuts dan Schiller, 2005):
L(θ) = f (x1;θ) ... f (xn;θ) (2.5)
Untuk mengilustrasikan metode maximum likelihood, kita mengasumsikan bahwa populasi tersebut memiliki suatu fungsi kepadatan yang mengandung suatu parameter populasi, misalnya θ, yang harus ditentukan dengan menggunakan suatu statisti k tertentu, kemudian fungsi kepadatan dapat dilambangkan sebagai f(x;θ). Dengan mengasumsikan bahwa terdapat n pengamatan yang independen x1,... , xn. Fungsi Likelihood untuk pengamatan-pengamatan ini adalah (Lipschuts dan Schiller, 2005):
L(θ) = f (x1;θ). f (x2;θ)... f (xn;θ ) (2.6)
Estimator maximum likelihood dapat diperoleh dengan menentukan turunan dari L terhadap θ dan menyatakannya sama dengan nol atau dapat ditulis sebagai
0 ) ) (
(
L d
d . Dalam hal ini akan lebih mudah untuk terlebih dahulu menghitung
logaritma dan kemudian menentukan turunannya (Lipschuts dan Schiller, 2005):
0 ) ( )ln
(
L d
d (2.7)
2.12 Indeks Kecocokan Model
Indeks kecocokan model merupakan tahap dalam menentukan derajat kecocokan diterima atau ditolaknya model (Wijayanto, 2007). Untuk menguji keseluruhan model dapat dilihat melalui Goodness of fit (derajat kecocokan) dan signifikansi koefisien pada model pengukuran dan model struktural. Derajat kecocokan ini diantaranya , RMSEA, GFI, AGFI, dan PNFI (Joreskog, 1996).
Menurut Hair et al. dikutip dalam wijayanto (2007) derajat kecocokan2, RMSEA dan GFI termasuk kedalam derajat kecocokan absolut, AGFI adalah derajat kecocokan inkrimental, dan PNFI termasuk dalam derajat kecocokan parsimony. Derajat kecocokan absolut menentukan derajat prediksi model
keseluruhan yaitu model pengukuran dan struktural, terhadap matriks korelasi dan kovarian, diantaranya:
a. Statistik khi-kuadrat (2)
Statistik 2 merupakan derajat kecocokan absolut yang membandingkan matriks kovarian terukur dengan matriks kovarian yang diduga dalam model. Statistik dihipotesiskan sebagai berikut:
H0 :
()H1 :
()Sedangkan derajat kecocokan 2 dirumuskan sebagai berikut:
2 = n – 1F.S
(2.8) Statistik tersebut mendekati distribusi khi-kuadrat dengan derajat bebas:q t df p
2
1 (2.9)
dimana F.S
= nilai minimum dari fungsi F untuk model yang dihipotesiskan.
adalah matriks kovarian populasi diduga dari Ssampel dan
matrikskovarian dugaan diduga dari model. p dan q adalah jumlah variable y dan x, sedangkan t adalah jumlah parameter yang diduga oleh model. Nilai yang diharapkan adalah nilai yang kecil relative terhadap derajat bebasnya, atau P - value lebih besar dari 0,05 sehingga H0 tidak ditolak maka model baik.
b. Goodness Of Fit Index (GFI)
Derajat kecocokan GFI menggambarkan seberapa besar kovarian terukur dapat dijelaskan oleh kovarian model, dirumuskan sebagai berikut:
S F
S GFI F
.
1 . (2.10)
dimana:
S
F. = nilai minimum fungsi F untuk model yang dihipotesiskan
S
F. = nilai minimum fungsi F ketika tidak ada model yang dihipotesiskan Nilai GFI berkisaran antara 0 sampai 1, dengan nilai yang lebih tinggi adalah lebih baik.
c. Root Mean Square Error of Approximation (RMSEA)
RMSEA adalah derajat kecocokan yang mengukur kedekatan suatu model dengan populasinya, dirumuskan sebagai berikut:
max
;
_ 0 0 _
F
df
RMSEA F ,0
1
_
n
F df (2.11)
Nilai RMSEA kurang dari atau sama dengan 0,05 maka model sesuai.
d. Adjust Goodness of Fit Index (AGFI)
AGFI adalah perluasan dari GFI yang digunakan untuk membandingkan model yang diusulkan dengan model dasar. AGFI dapat dirumuskan sebagai berikut:
h o
df
AGFI 1df 1GFI (2.12)
dimana:
dfo= derajat bebas ketika ada model yang dihipotesiskan dfh= derajat bebas untuk model yang dihipotesiskan
Nilai AGFI berkisar antara 0 sampai 1 dan nilai AGFI ≥ 0.90 menunjukkan good fit sedangkan 0.80 ≤ AGFI < 0.90 menunjukkan marginal fit.
e. Parsimonious Normed Fit Index (PNFI)
PNFI merupakan modifikasi dari NFI. PNFI memperhitungkan banyaknya derajat bebas untuk pencapaian suatu tingkat kecocokan, dapat dirumuskan sebagai berikut:
PNFI = NFI
df df
i
h (2.13)
dimana:
dfh = derajat bebas dari model yang dihipotesiskan dfi = derajat bebas dari model awal
Nilai PNFI yang lebih tinggi yang lebih baik. Penggunaan PNFI terutama untuk membandingkan dua atau lebih model yang mempunyai derajat bebas berbeda.
PNFI digunakan untuk membandingkan model-model alternative, dan tidak ada20 rekomendasi tingkat kecocokan yang diterima. Meskipun demikian ketika membandingkan 2 model, perbedaan nilai PNFI sebesar 0,06 sampai 0,09 menandakan perbedaan model yang cukup besar (Hair et. al, 1998).
BAB 3
METODOLOGI PENELITIAN
3.1 Perumusan Masalah
Langkah awal dalam penelitian ini adalah merumuskan masalah. Masalah yang dirumuskan berdasarkan pendahuluan adalah menentukan faktor-faktor yang mempengaruhi prestasi mahasiswa dan seberapa besar kontribusi faktor-faktor tersebut terhadap motivasi Mahasiswa di jurusan Matematika FMIPA USU. Data yang digunakan dalam proses analisis adalah data primer dari penyebaran kuesioner kepada mahasiswa jurusan Matematika FMIPA USU stambuk 2013/2015.
3.2 Pengumpulan Data
Penelitian ini menggunakan data primer yang diperoleh dari hasil penyebaran kuesioner kepada 100 orang responden. Untuk Model SEM dengan jumlah variabel laten sampai dengan lima buah dan setiap variabel laten dijelaskan oleh tiga atau lebih indikator, jumlah sampel 100-150 data sudah dianggap memadai.
3.3 Landasan Teori
Setelah penelitian selesai dan data yang dimaksud sudah terkumpul, maka selanjutnya dilakukan pembahasan secara teoritis mengenai metode yang digunakan dalam penelitian. Hal ini dilakukan agar penelitian terarah dan untuk mengetahui bagaimana metode yang digunakan dalam kajian teorinya sebelum digunakan dalam penelitian.
3.3.1 Variabel penelitian
1. Variabel bebas (Independent)
Variabel bebas dalam penelitian ini ada dua yaitu:
A. Sikap mahasiswa terhadap almamater, yang terdiri dari 5 indikator yaitu:
1) Keputusan mahasiswa memilih kampus (x ). 1 2) Keaktifan berorganisasi (x ). 2
3) Kelengkapan fasilitas ruang belajar (x ). 3 4) Kelengkapan fasilitas perpustakaan (x ). 4
5) Kelengkapan fasilitas laboraturium komputer (x ). 5 B. Sikap terhadap dosen, yang terdiri dari lima indikator yaitu:
1) Tingkat kesukaan mahasiswa terhadap dosen (x ). 6 2) Sistem penilaian dosen (x ). 7
3) Sistem pembelajaran dosen (x ). 8 4) Sistem penugasan dosen (x ). 9
5) Hubungan mahasiswa dengan dosen pembimbing akademik (x ). 10 2. Variabel terikat (Dependent)
Variabel tak bebas dalam penelitian ini ada 2 yaitu:
A. Motivasi, yang terdiri dari tiga indikator yaitu:
1) Keinginan mendapat IP tinggi (y ). 1
2) Kinginan menyelesaikan kuliah tepat waktu (y ). 2 3) Keinginan melanjutkan S2 (y ). 3
B. Prestasi, yang terdiri dari dua indikator, yaitu:
1) IPK (y4).
2) Prestasi dibidang lain (y5).
3.4 Analisis dan Pengolahan Data
Teknik pengolahan data yang digunakan adalah dengan Structural Equation Modelling (SEM) dengan metode confirmatory analysis (CFA). CFA adalah model pengukuran di mana variabel-variabel teramati (indikator-indikator) merefleksikan satu variabel laten tertentu (latent dimension). Ada 7 tahapan prosedur pembentukan dan analisis SEM, yaitu:
1. Membentuk model teori sebagai dasar model SEM. Model ini adalah suatu model kausal atau sebab akibat yang menyatakan hubungan antar dimensi atau variabel.
2. Membangun path diagram dari hubungan kausal yang telah dibentuk berdasarkan dasar teori.
3. Membagi path diagram tersebut menjadi suatu set dari model pengukuran (measurement model) dan model structural (structural model).
4. Pemilihan matriks data input dan mengestimasi model yang diajukan.
5. Menguji unidimensionalitas masing-masing konstruk dengan konfirmatori analisis faktor dan mengestimasi Persamaan Full Model.
6. Menguji Evaluasi Asumsi Model Struktural.
7. Menginterpretasikan Model.
3.5 Uji Kelayakan
Uji kelayakan model adalah mengevaluasi kesesuaian atau kebaikan model secara menyeluruh (over all fit model). Terdapat beberapa metode uji yaitu:
1. Uji statistic Chi-Squares.
2. Root Mean Squares Error of Approximiation.
3. Goodness of Fit Index (AGFI).
4. Root Mean Squares Residual (RMSR).
Uji kelayakan model dinyatakan layak jika salah satu metode uji kelayakan terpenuhi. Bila uji kelayakan model bisa memenuhi lebih dari satu kriteria kelayakan model, model analisis konfirmatori akan jauh lebih baik daripada hanya satu yang terpenuhi.
3.6 Membuat Kesimpulan dan Saran
Pada tahap akhir dari penelitian ini dibuat kesimpulan yang didasarkan pada hasil pen golahan data dan analisis yang dilakukan pada tahap sebelumnya. Selanjutnya akan diberikan saran-saran yang dianggap penting dan mungkin untuk ditindak lanjuti baik untuk kepentingan praktisi maupun untuk penyempurnaan bagian penelitian selanjutnya
BAB 4
HASIL DAN PEMBAHASAN
4.1 Deskripsi Data Responden
Survei dilakukan terhadap 109 responden mahasiswa Jurusan Matematika FMIPA Universitas Sumatera Utara pada bulan Febuari 2017. Kuesioner yang memenuhi syarat berjumlah 100 responden.
4.1.1 Karakteristik Responden Berdasarkan Tahun Masuk
Dengan menggunakan program SPSS 20.00, sehingga diperoleh hasil dari karakteristik responden berdasarkan tahun masuk sebagai berikut:
Tabel 4.1 Tahun Masuk Responden
Frequency Percent Valid Percent Cumulative Percent
Valid
2013 20 20,0 20,0 20,0
2014 40 40,0 40,0 60,0
2015 40 40,0 40,0 100,0
Total 100 100,0 100,0
Sumber: Data yang diolah, 2017
Dari Tabel 4.1 berdasarkan tahun masuk dari 100 orang responden terdapat 20 orang masuk pada tahun 2013 dengan persentase 20%, 40 orang masuk pada tahun 2014 dengan persentase 40%, dan 40 orang masuk pada tahun 2015 dengan persentase 40%.
4.1.2 Karakteristik Responden Berdasarkan Jenis Kelamin
Dengan menggunakan program SPSS 20.00, sehingga diperoleh hasil dari karakteristik responden berdasarkan jenis kelamin sebagai berikut:
Tabel 4.2 Jenis Kelamin Responden Frequency Percent Valid
Percent
Cumulative Percent
Valid
Laki-laki 19 19,0 19,0 19,0
Perempuan 81 81,0 81,0 100,0
Total 100 100,0 100,0
Sumber: Data yang diolah, 2017
Dari Tabel 4.2 berdasarkan jenis kelamin dari 100 orang responden terdapat 19 orang berjenis kelamin laki-laki dengan persentase 19%, dan 81 orang berjenis kelamin perempuan dengan persentase 81%.
4.1.3 Karakteristik Responden Berdasarkan Jalur Penerimaan
Dengan menggunakan program SPSS 20.00, sehingga diperoleh hasil dari karakteristik responden berdasarkan jalur penerimaan sebagai berikut:
Tabel 4.3 Jalur Penerimaan Responden
Frequency Percent Valid Percent Cumulative Percent
Valid
Mandiri 10 10,0 10,0 10,0
SBMPTN 22 22,0 22,0 32,0
SNMPTN 68 68,0 68,0 100,0
Total 100 100,0 100,0
Sumber: Data yang diolah, 2017
Dari tabel 4.3 berdasarkan jalur penerimaan dari 100 orang responden terdapat 10 orang masuk melalui jalur mandiri dengan persentase 10%, 22 orang masuk melalui jalur SBMPTN dengan persentase 22%, dan 68 orang masuk melalui jalur SNMPTN dengan persentase 68%.
4.2 Pengolahan Data
Untuk menentukan faktor-faktor yang mempengaruhi prestasi mahasiswa matematika FMIPA Universitas Sumatera Utara maka dapat ditentukan dengan jalur SEM berdasarkan setiap tahapan-tahapan berikut:
4.2.1 Pengembangan Model Berbasis Teori
Berdasarkan pada kajian teori yang ada diajukan model hubungan antar variabel seperti di bawah ini:
Gambar 4.1 Model Kerangka Teoritis
Adapun indikator-indikator dari konstruk tersebut dapat dilihat pada tabel berikut ini.
Tabel 4.4 Konstruk dan Indikator
Konstruk Indikator konstruk Simbol
Sikap Terhadap Alamater (STA)
1. Keputusan memilih kampus x 1 2. Keaktifan berorganisasi x 2 1. Kelengkapan fasilitas ruang
belajar x 3
2. Kelengkapan fasilitas
perpusttakaan x 4
3. Kelengkapan fasilitas
laboraturium komputer x 5
Sikap Terhadap Dosen (STD)
1. Tingakat kesukaan mahasiswa
terhadap dosen x 6
2. Sistem pembelajaran dosen x 7 3. Sistem pemberian nilai x 8
4. Sistem penugasan x 9
5. Kedekatan terhadan dosen
pembimbing (PA) x 10
Konstruk Indikator konstruk Simbol
Motivasi
1. Mendapatkan nilai yang baik y 1 2. Menyelesaikan studi tepat
waktu y 2
3. Keinginan melanjutkan S2 y 3
Sampel dari penelitian diambil secara kuisoner dari mahasiswa stambuk 2013, 2014, dan 2015 matematika FMIPA USU.
4.2.2 Menyusun Diagram SEM
Menyusun kausalitas dari kajian teori yang ada dibuat gambar diagram jalur hubungan kausalitas antar konstruk beserta indikatornya. Gambar hubungan antar konstruk dapat dilihat pada Gambar 4.2 berikut:
Gambar 4.2 Model Diagram Jalur Hubungan Kausalitas
4.2.3 Konversi Diagram Jalur Ke Persamaan Struktural
Persamaan struktural dari diagram jalur dinyatakan dalam bentuk sebagai berikut:
2 3
2
1STA STD Motivasi z
prestasi
Konstruk Indikator konstruk Simbol
Prestasi
1. IPK y 4
2. Prestasi Lainya y5
Sedangkan spesifikasi terhadap
Konstruk eksogen Sikap Terhadap Almamater (STA)
5 5
5
4 4
4
3 3
3
2 2
2
1 1
1
e STA x
e STA x
e STA x
e STA x
e STA x
Konstruk eksogen Sikap Terhadap Dosen (STD)
10 10
10
9 9
9
8 8
8
7 7
7
6 6
6
e STD x
e STD x
e STD x
e STD x
e STD x
Konstruk endogen Motivasi
13 13
3
12 12
2
11 11
1
e motivasi y
e motivasi y
e motivasi y
Konstruk endogen Prestasi
15 15
5
14 14
4
e prestasi y
e prestasi y
4.2.4 Memilih Input Matriks dan Mendapatkan Model Estimasi
Model persamaan struktural mengakomodasi input matriks dalam bentuk covariance atau korelasi. Untuk analisis faktor konfirmatori kedua jenis input matriks ini dapat digunakan. Namun demikian karena tujuannya adalah mengeksplorasi pola saling hubungan (interrelationship), maka input matriks yang digunakan dalam bentuk korelasi. Program AMOS akan mengkonversikan dari data mentah ke bentuk kovarian atau korelasi lebih dahulu sebagai input analisis, kemudian untuk estimasi dipilih estimasi Maximum Likelihood (ML)
untuk mengestimasi data yang sudah diinput. Estimasi Maximum Likelihood dipilih karena dengan model estimasi ini efektif efektif pada jumlah sampel 100- 200 data. Ketika sampel dinaikkan di atas nilai 100, metode Maximum Likelihood meningkat sensitivitasnya untuk mendetekasi perbedaan antar data. Begitu sampel menjadi besar, maka metode Maximum Likelihood menjadi sangat sensitive dan selalu menghasilkan perbedaan secara signifikan sehingga ukuran Goodness of Fit menjadi jelek. Jadi dapat direkomendasikan bahwa ukuran sampel antara 100 sampai 200 harus digunakan unutk metode estimasi Maximum Likelihood (ML).
4.2.5 Menguji Unidimensionalitas Masing-masing Konstruk
Analisis Konfirmatori dilakukan antar variabel eksogen dan antar variabel endogen. Pada model ini terdapat tiga variabel eksogen yaitu Sikap Terhadap Almamater (STA), Sikap Terhadap Dosen (STD) dan motivasi. Kemudian ada satu variabel endogen yaitu prestasi. Adapun uji konfirmatori merujuk pada criteria model fit yang terdapat pada tabel Goodness of fit berikut:
Tabel 4.5 Goodness of Fit No Goodness OF Fit Indeks Cut of Value
(Nilai Batas) Kriteria
1 Chi-Square
Probability
< a.df
>0,05 Good Fit
2 CMIN/DF <2 Good Fit
3 GFI 0,90 Good Fit
4 AGFI 0,90 Good Fit
5 CFI 0,90 Good Fit
6 TLI 0,90 Good Fit
10 RMSEA ≤ 0,08 Good Fit
Sumber: (Minto, 2011)
4.2.5.1 Uji Konfirmatori Konstruk Eksogen
Berikut ini disajikan hasil pengolahan uji konfirmatori untuk konstruk STA, STD, dan motivasi:
Gambar 4.3 Pengolahan Uji Konfimatori Konstruk eksogen
Tabel 4.6 Regression Weights: Konstruk Eksogen Estimate S.E. C.R. P Label x1 <--- STA 1,000
x2 <--- STA ,731 ,292 2,507 ,012 par_1 x3 <--- STA 1,698 ,478 3,555 *** par_2 x4 <--- STA 1,541 ,452 3,410 *** par_3 x5 <--- STA 1,881 ,517 3,637 *** par_4 x6 <--- STD 1,000
x7 <--- STD 1,854 ,352 5,263 *** par_5 x8 <--- STD 1,680 ,342 4,913 *** par_6 x9 <--- STD 1,192 ,251 4,741 *** par_7 x10 <--- STD 1,111 ,288 3,860 *** par_8
Tabel 4.7 Standardized Regression Weights: Konstruk Eksogen Estimate
x1 <--- STA ,398 x2 <--- STA ,337 x3 <--- STA ,731 x4 <--- STA ,619
Estimate x5 <--- STA ,766 x6 <--- STD ,577 x7 <--- STD ,771 x8 <--- STD ,704 x9 <--- STD ,655 x10 <--- STD ,472
Tabel 4.8 Variances: Konstruk Eksogen Estimate S.E. C.R. P Label STA ,111 ,059 1,884 ,060 par_10 STD ,100 ,035 2,866 ,004 par_11 e1 ,589 ,087 6,767 *** par_12 e2 ,461 ,067 6,845 *** par_13 e3 ,279 ,054 5,204 *** par_14 e4 ,422 ,071 5,985 *** par_15 e5 ,276 ,057 4,859 *** par_16 e6 ,200 ,032 6,291 *** par_17 e7 ,234 ,047 5,029 *** par_18 e8 ,287 ,051 5,620 *** par_19 e9 ,188 ,031 5,985 *** par_20 e10 ,430 ,065 6,628 *** par_21
Tabel 4.9 Squared Multiple Correlations: Konstruk Eksogen Estimate
x10 ,223
x9 ,430
x8 ,495
x7 ,594
x6 ,332
x5 ,587
x4 ,384
x3 ,534
x2 ,114
x1 ,158
4.2.5.2 Estimasi Persamaan Full Model
Setelah dilakukan analisis konfirmatori langkah selanjutnya adalah melakukan estimasi model full struktural yang hanya memasukkan indikator yang telah diuji dengan konfirmatori. Hasil uji Chi-squares menunjukkan nilai 127,530 dengan probabilitas p = 0,002, df= 84, gfi =0,861, cfi= 0,886 hal ini dapat diartikan bahwa model fit. Berikut ini tampilannya:
Gambar 4.4 Estimasi Persamaan Full Model
Tabel 4.10 Squared Multiple Correlations Full Model Estimate
Motivasi ,414
Prestasi ,124
y5 ,403
y4 ,587
y3 ,499
Estimate
y2 ,119
y1 ,361
x10 ,251
x9 ,406
x8 ,503
x7 ,579
x6 ,338
x5 ,598
x4 ,373
x3 ,518
x2 ,114
x1 ,171
4.3 Evaluasi Model Struktural
Sebelum dilakukan pengujian secara ststistik terhadap pengaruh masing-masing variabel independen terhadap variabel dependen dalam fit model, terlebih dahulu akan dilakukan evaluasi terhadap model struktural yang dihasilkan oleh fit model.
4.3.1 Skala Pengukuran Variabel (Skala Data)
Data yang digunakan untuk mengukur variabel dalam penelitian ini menggunakan skala likert dengan lima kategori satu sampai lima. Skala likert dapat dinyatakan kontinu atau interval, skor perhitungan skala interval ternyata mempunyai urutan yang sama dengan skor skala likert. Data skala likert untuk analisis persamaan struktural.
4.3.2 Normalitas Data
Estimasi dengan Maximum Likelihood menghendaki variabel observed harus memenuhi asumsi normalitas multivariate. Evaluasi normalitas multivariate
