Analisis Faktor Tingkat Kecemasan Mahasiswa dalam Menyelesaikan Skripsi di Fmipa Usu
lxi
Formulir Persetujuan Menjadi Responden Penelitian
ANALISIS FAKTOR PENGARUH TINGKAT KECEMASAN MAHASISWA DALAM MENYELESAIKAN TUGAS AKHIR/SKRIPSI
DI FMIPA USU
Oleh
DELVINA TRI ASWARA
Saya adalah mahasiswa Fakultas Matematika dan IPA Universitas Sumatera Utara Medan. Penelitian ini dilaksanakan sebagai salah satu kegiatan dalam menyelesaikan skripsi.
Tujuan penelitian ini adalah untuk mengetahui pengaruh tingkat kecemasan mahasiswa FMIPA USU dalam menyelesaikan tugas akhir/skripsi. Saya mengharapkan jawaban yang Ibu/Bapak, Saudara/I berikan sesuai dengan kenyataan yang terjadi dan kami akan menjamin kerahasiaan pendapat dan identitas responden.
Partisipasi Ibu/Bapak, Saudara/I dalam penelitian ini bersifat bebas. Ibu/Bapak, Saudara/I bebas untuk ikut menjadi responden penelitian atau menolak tanpa sanksi apapun.
Jika Ibu/Bapak, Saudara/I bersedia menjadi responden penelitian ini, silahkan Ibu/Bapak, Sauadar/I menandatangani kolom dibawah ini.
Terima Kasih
Tanda Tangan :
Tanggal Penelitian :
(2)
lxii
Angket /Kuisioner
ANALISIS FAKTOR PENGARUH TINGKAT KECEMASAN MAHASISWA DALAM MENYELESAIKAN TUGAS AKHIR/SKRIPSI
DI FMIPA USU
Data Demografi Responden Petunjuk :
- Jawablah semua pernyataan yang tersedia dengan memberikan tanda ( √ ) pada tempat yang telah disediakan
- Semua pernyataan diisi dengan satu jawaban
- Ajukan pertanyaan jika ada pernyataan yang tidak dimengerti
Jenis Kelamin : L/P (Lingkari salah satu)
Umur : … Tahun
Agama : Islam Kristen (K/P) Budha Hindu Lain-lain : … (sebutkan)
Stambuk :
Status Perkawinan : Menikah Belum Menikah Status Pekerjaan : Bekerja
Belum Bekerja Cuti Belajar
(3)
lxiii
No Pernyataan Skala
5 4 3 2 1
1 Saya tidak mengalami kesulitan dalam mengumpulkan sampel atau data yang saya butuhkan dalam penelitian 2 Saya meluangkan waktu untuk beristirahat dengan
cukup agar tubuh saya tetap sehat selama proses menyelesaikan tugas akhir/skripsi
3 Saya selalu hadir tepat waktu saat perkuliahan dan tidak pernah meningggalkan perkuliahan untuk menyelesaikan perbaikan tugas akhir/skripsi atau konsultasi dengan pembimbing
4 Saya tidak merasa keberatan dengan semua prosedur yang harus dilakukan saat pengajuan proposal
5 Dukungan dan motivasi dari keluarga membuat saya bersemangat dalam mengerjakan tugas akhir/skripsi 6 Saya tidak mengalami kesulitan untuk menjumpai
dosen pembimbing dan saya merasa senang selama masa bimbingan juga tidak tertekan dengan revisi-revisi yang diberikan oleh dosen pembimbing
7 Saya tidak memiliki masalah dengan biaya yang dibutuhkan selama proses menyelesaikan tugas akhir/skripsi dan saya menyediakan dana untuk membeli buku yang tidak saya jumpai di perpustakaan 8 Saya merasa memiliki cukup banyak waktu untuk
bimbingan dengan dosen pembimbing
Keterangan :
5 = Selalu atau sangat tinggi 4 = Sering atau tinggi
3 = kadang-kadang atau cukup tinggi 2 = jarang atau rendah
(4)
lxiv
DAFTAR RESPONDEN
X1 X2 X3 X4 X5 X6 X7 X8
5 4 3 2 5 2 3 2
2 2 2 2 4 4 3 4
4 4 5 4 4 3 3 3
4 4 5 1 5 4 3 4
4 2 4 3 2 3 5 4
4 3 4 4 2 4 5 2
4 3 3 4 5 2 2 1
3 3 4 3 2 5 5 2
5 4 2 5 1 4 2 4
4 4 2 4 4 1 3 4
5 2 3 5 5 3 3 5
2 4 4 3 1 5 5 4
3 3 2 4 4 2 3 3
3 3 3 3 3 3 3 3
4 2 3 2 5 3 2 2
4 2 5 5 5 3 3 4
2 4 4 3 5 2 3 3
4 4 3 5 5 2 2 2
4 5 2 3 5 5 5 4
3 4 3 3 5 2 3 3
5 4 3 2 1 4 3 2
4 3 5 4 5 4 5 5
3 5 3 3 5 2 3 3
2 4 5 4 5 3 3 3
2 2 3 1 5 4 4 1
3 4 3 3 5 3 3 2
5 4 3 5 5 4 3 4
5 4 3 5 5 3 1 4
1 4 3 5 5 4 4 4
3 4 3 4 5 4 4 3
4 2 4 3 4 3 4 4
3 2 3 5 5 3 4 4
3 5 3 3 5 3 3 4
5 4 3 3 3 3 3 3
3 3 4 3 3 2 1 1
5 4 3 2 1 1 2 4
4 3 3 3 3 3 3 2
4 3 2 4 3 2 4 2
3 3 3 3 3 3 3 3
4 5 5 4 5 4 4 3
4 5 5 4 5 4 4 4
4 5 5 4 5 3 4 5
4 5 4 4 5 4 4 4
(5)
lxv
4 5 4 4 5 3 4 4
4 5 3 4 5 4 4 3
4 5 3 4 5 4 4 3
2 4 2 2 4 2 2 3
4 5 4 4 4 4 3 4
3 4 3 3 3 4 3 3
4 5 4 4 3 4 4 4
5 4 5 5 5 4 4 5
4 3 4 3 5 3 3 4
2 4 2 2 4 3 3 3
4 5 5 4 4 4 3 4
4 5 5 4 5 3 4 4
3 3 4 4 5 3 3 4
3 4 3 4 4 3 3 4
3 3 3 2 4 3 2 3
3 3 5 4 5 3 5 4
3 5 4 3 5 4 3 3
1 3 3 5 5 1 4 2
3 3 3 4 4 4 3 3
3 4 3 3 4 4 1 4
1 5 4 1 1 3 3 3
4 3 3 2 5 5 3 2
3 3 5 3 5 3 3 3
5 3 3 3 3 5 5 1
4 3 2 3 4 4 4 3
3 4 4 4 4 4 4 4
3 3 3 4 5 5 5 5
2 4 4 4 5 4 3 4
4 5 5 5 4 4 3 4
1 4 3 5 5 4 3 3
5 5 5 5 5 5 5 5
2 4 5 4 5 3 3 3
3 4 3 4 4 4 3 3
(6)
lxvi
Lampiran. 1 PENSKALAAN VARIABEL
Col Category Freq Prop Cum Z Density Scale S.Akhir
1 1 4 0.0513 0.0513 -1.6325 0.1052 -2.0521 1
2 10 0.1282 0.1795 -0.9173 0.2619 -1.2222 1.8299
3 24 0.3077 0.4872 -0.0321 0.3987 -0.4446 2.6075
4 29 0.3718 0.859 1.0757 0.2237 0.47083 3.5229
5 11 0.141 1 0 1.58611 4.6382
2 1 1 0.0128 0.0128 -2.2316 0.0331 -2.5799 1
2 8 0.1026 0.1154 -1.1984 0.1946 -1.5745 1.4776
3 21 0.2692 0.3846 -0.2934 0.3821 -0.6967 2.3554
4 29 0.3718 0.7564 0.6948 0.3134 0.18491 3.237
5 19 0.2436 1 0 1.28654 4.3387
3 1 1 0.0128 0.0128 -2.2316 0.0331 -2.5799 1
2 9 0.1154 0.1282 -1.1349 0.2095 -1.5292 2.0507
3 34 0.4359 0.5641 0.1614 0.3938 -0.4227 3.1571
4 17 0.2179 0.7821 0.7791 0.2945 0.45551 4.0354
5 17 0.2179 1 0 1.35125 4.9311
4 1 3 0.0385 0.0385 -1.7688 0.0835 -2.1701 1
2 9 0.1154 0.1538 -1.0201 0.2371 -1.3316 1.8385
3 24 0.3077 0.4615 -0.0966 0.3971 -0.5199 2.6502
4 29 0.3718 0.8333 0.9674 0.2499 0.39601 3.5661
5 13 0.1667 1 0 1.49911 4.6692
5 1 5 0.0641 0.0641 -1.5212 0.1254 -1.9567 1
2 3 0.0385 0.1026 -1.2671 0.1788 -1.3867 1.5701
3 9 0.1154 0.2179 -0.7791 0.2945 -1.0031 1.9537
4 18 0.2308 0.4487 -0.1289 0.3956 -0.4383 2.5185
5 43 0.5513 1 0 0.71768 3.6744
6 1 3 0.0385 0.0385 -1.7688 0.0835 -2.1701 1
2 10 0.1282 0.1667 -0.9674 0.2499 -1.2978 1.8723
3 28 0.359 0.5256 0.0643 0.3981 -0.413 2.7571
4 29 0.3718 0.8974 1.2671 0.1788 0.58998 3.7601
5 8 0.1026 1 0 1.74297 4.9131
7 1 4 0.0513 0.0513 -1.6325 0.1052 -2.0521 1
2 7 0.0897 0.141 -1.0757 0.2237 -1.3198 1.7323
3 38 0.4872 0.6282 0.3271 0.3782 -0.3171 2.735
4 19 0.2436 0.8718 1.1349 0.2095 0.69233 3.7444
5 10 0.1282 1 0 1.63422 4.6863
8 1 4 0.0513 0.0513 -1.6325 0.1052 -2.0521 1
2 11 0.141 0.1923 -0.8694 0.2734 -1.1923 1.8598
3 25 0.3205 0.5128 0.0321 0.3987 -0.3911 2.661
4 30 0.3846 0.8974 1.2671 0.1788 0.57192 3.624
(7)
lxvii
Lampiran 2
Transformasi Data Ordinal Ke Interval
Nomor
Responden X X X X X X X X
1 4,638 3,237 3,157 1,838 3,674 1,872 2,735 1,859 2 1,829 1,477 2,050 1,838 2,518 3,760 2,735 3,624 3 3,522 3,237 4,931 3,566 2,518 2,757 2,732 2,661 4 3,522 3,237 4,931 1,000 3,674 3,760 2,735 3,624 5 3,522 1,477 4,035 2,650 1,570 2,757 4,686 3,624 6 3,522 2,355 4,035 3,566 1,570 3,760 4,686 1,859 7 3,522 2,355 3,157 3,566 3,674 1,872 1,732 1,000 8 2,667 2,355 4,035 2,650 1,570 4,913 4,686 1,859 9 4,638 3,237 2,050 4,669 1,000 3,760 1,732 3,624 10 3,522 3,237 2,050 3,566 2,518 1,000 2,735 3,624 11 4,638 1,477 3,157 4,669 3,674 2,757 2,735 4,795 12 1,829 3,237 4,035 2,650 1,000 4,913 4,686 3,624 13 2,667 2,355 2,050 3,566 2,518 1,872 2,735 2,661 14 2,667 2,355 3,157 2,650 1,953 2,757 2,757 2,735 15 3,522 1,477 3,157 1,838 3,674 2,757 1,732 1,859 16 3,522 1,477 4,931 4,669 3,674 2,757 2,735 2,735 17 1,829 3,237 4,035 2,650 3,674 1,872 2,735 2,661 18 3,522 3,237 3,157 4,669 3,674 1,872 1,732 1,859 19 3,522 4,338 2,050 2,650 3,674 4,913 4,686 3,624 20 2,667 3,237 3,157 2,650 3,674 1,872 2,735 2,661 21 4,638 3,237 3,157 1,838 1,000 3,760 2,735 1,859 22 3,522 2,355 4,931 3,566 3,674 3,760 4,686 4,795 23 2,667 4,338 3,157 2,650 3,674 1,872 2,735 2,661 24 1,829 3,237 4,931 3,566 3,674 2,757 2,735 2,661 25 1,829 1,477 3,157 1,000 3,674 3,760 3,744 1,000 26 2,667 1,000 3,157 2,650 3,674 2,757 2,735 1,859 27 4,638 3,237 1,000 4,669 3,674 3,760 2,735 3,624 28 4,638 3,237 3,157 4,669 3,674 2,757 1,000 3,624 29 1,000 3,237 3,157 4,669 3,674 3,760 3,744 3,624 30 2,667 3,237 3,157 3,566 3,674 3,760 3,774 2,661 31 3,522 1,477 4,035 2,650 2,518 2,757 3,744 3,624 32 2,667 1,477 3,157 4,669 3,674 2,757 3,744 3,624 33 2,667 4,338 3,157 2,650 3,674 2,757 2,735 3,624 34 4,638 3,237 3,157 2,650 1,953 2,757 2,735 2,661 35 2,667 2,355 4,035 2,650 1,953 1,872 1,000 1,000 36 4,638 3,237 3,157 1,838 1,000 1,000 1,732 3,624 37 3,522 2,355 3,157 2,650 1,953 2,757 2,735 1,859
(8)
lxviii
38 3,522 2,355 2,050 3,566 1,953 1,872 3,744 1,859 39 2,667 2,355 3,157 2,650 1,953 2,757 2,735 2,661 40 3,522 4,338 4,931 3,566 3,674 3,760 3,744 2,661 41 3,522 4,338 4,931 3,566 3,674 3,760 3,744 3,624 42 3,522 4,338 4,931 3,566 3,674 2,757 3,744 4,795 43 3,522 4,338 4,035 3,566 3,674 3,760 3,744 3,624 44 2,667 3,237 4,931 2,650 2,518 2,757 2,735 4,795 45 3,522 4,338 4,035 3,566 3,674 2,757 3,744 3,624 46 3,522 4,338 3,157 3,566 3,674 3,760 3,744 2,661 47 3,522 4,338 3,157 3,566 3,674 3,760 3,744 2,661 48 1,829 3,237 2,050 1,838 2,518 1,872 1,732 2,661 49 3,522 4,338 4,035 3,566 2,518 3,760 2,735 3,624 50 2,667 3,237 3,157 2,650 1,953 3,760 2,735 2,661 51 3,522 4,338 4,035 3,566 1,953 3,760 3,774 3,624 52 4,638 3,237 4,931 4,669 3,674 3,760 3,774 4,795 53 3,522 2,355 4,035 2,650 3,674 2,757 2,735 3,624 54 1,829 3,237 2,050 1,838 2,518 2,757 2,735 2,661 55 3,522 4,338 4,931 3,566 2,518 3,760 2,735 3,624 56 3,522 4,338 4,931 3,566 3,674 2,757 3,774 3,624 57 2,667 2,355 4,035 3,566 3,674 2,757 2,735 3,624 58 2,667 3,237 3,157 3,566 2,518 2,757 2,735 3,624 59 2,667 2,355 3,157 1,838 2,518 2,757 1,732 2,661 60 2,667 2,355 4,931 3,566 3,674 2,757 4,686 3,624 61 2,667 4,338 4,035 2,650 3,674 3,760 2,735 2,661 62 1,000 2,355 3,157 4,669 3,674 1,000 3,744 1,859 63 2,667 2,355 3,157 3,566 2,518 3,760 2,735 2,661 64 2,667 3,237 3,157 2,650 2,518 3,760 1,000 3,624 65 1,000 4,338 4,035 1,000 1,000 2,757 2,735 2,661 66 3,522 2,355 3,157 1,838 3,674 4,913 2,735 1,859 67 2,667 2,355 4,931 2,650 3,674 2,757 2,735 2,661 68 4,638 2,355 3,157 2,650 1,953 4,913 4,686 1,000 69 3,522 2,355 2,050 2,650 2,518 3,760 3,744 2,661 70 2,667 3,237 4,035 3,566 2,518 3,760 3,744 3,624 71 2,667 2,355 3,157 3,566 3,674 4,913 4,686 4,795 72 1,829 3,237 4,035 3,566 3,674 3,760 2,735 3,624 73 3,522 4,338 4,931 4,669 2,518 3,760 2,735 3,624 74 1,000 3,237 3,157 4,669 3,674 3,760 2,735 2,661 75 4,638 4,338 4,931 4,669 3,674 4,913 4,686 4,795 76 1,829 3,237 4,931 3,566 3,674 2,757 2,735 2,661 77 2,667 3,237 3,157 3,566 2,518 3,760 2,735 2,661 78 1,829 4,338 3,157 2,650 3,674 4,913 1,000 2,661
(9)
lxix
Lampiran 3
Perhitungan Korelasi Product Moment Variabel X1 Dengan Total Variabel (Y)
Nomor
Responden X X X X X X X X Y XY X² Y²
1 4,638 3,237 3,157 1,838 3,674 1,872 2,735 1,859 18,372 85,209,336 21,511,044 337,530,384 2 1,829 1,477 2,050 1,838 2,518 3,760 2,735 3,624 18,002 32,925,658 3,345,241 324,072,004 3 3,522 3,237 4,931 3,566 2,518 2,757 2,732 2,661 22,402 78,899,844 12,404,484 501,849,604 4 3,522 3,237 4,931 1,000 3,674 3,760 2,735 3,624 22,961 80,868,642 12,404,484 527,207,521 5 3,522 1,477 4,035 2,650 1,570 2,757 4,686 3,624 20,799 73,254,078 12,404,484 432,598,401 6 3,522 2,355 4,035 3,566 1,570 3,760 4,686 1,859 21,831 76,888,782 12,404,484 476,592,561 7 3,522 2,355 3,157 3,566 3,674 1,872 1,732 1,000 17,356 61,127,832 12,404,484 301,230,736 8 2,667 2,355 4,035 2,650 1,570 4,913 4,686 1,859 22,068 58,855,356 7,112,889 486,996,624 9 4,638 3,237 2,050 4,669 1,000 3,760 1,732 3,624 20,072 93,093,936 21,511,044 402,885,184 10 3,522 3,237 2,050 3,566 2,518 1,000 2,735 3,624 18,730 65,967,060 12,404,484 350,812,900 11 4,638 1,477 3,157 4,669 3,674 2,757 2,735 4,795 23,264 107,898,432 21,511,044 541,213,696 12 1,829 3,237 4,035 2,650 1,000 4,913 4,686 3,624 24,145 44,161,205 3,345,241 582,981,025 13 2,667 2,355 2,050 3,566 2,518 1,872 2,735 2,661 17,757 47,357,919 7,112,889 315,311,049 14 2,667 2,355 3,157 2,650 1,953 2,757 2,757 2,735 18,364 48,976,788 7,112,889 337,236,496 15 3,522 1,477 3,157 1,838 3,674 2,757 1,732 1,859 16,494 58,091,868 12,404,484 272,052,036 16 3,522 1,477 4,931 4,669 3,674 2,757 2,735 2,735 22,978 80,928,516 12,404,484 527,988,484 17 1,829 3,237 4,035 2,650 3,674 1,872 2,735 2,661 20,864 38,160,256 3,345,241 435,306,496 18 3,522 3,237 3,157 4,669 3,674 1,872 1,732 1,859 20,200 71,144,400 12,404,484 408,040,000 19 3,522 4,338 2,050 2,650 3,674 4,913 4,686 3,624 25,935 91,343,070 12,404,484 672,624,225
(10)
lxx
20 2,667 3,237 3,157 2,650 3,674 1,872 2,735 2,661 19,986 53,302,662 7,112,889 399,440,196 21 4,638 3,237 3,157 1,838 1,000 3,760 2,735 1,859 17,586 81,563,868 21,511,044 309,267,396 22 3,522 2,355 4,931 3,566 3,674 3,760 4,686 4,795 27,767 97,795,374 12,404,484 771,006,289 23 2,667 4,338 3,157 2,650 3,674 1,872 2,735 2,661 21,087 56,239,029 7,112,889 444,661,569 24 1,829 3,237 4,931 3,566 3,674 2,757 2,735 2,661 23,561 43,093,069 3,345,241 555,120,721 25 1,829 1,477 3,157 1,000 3,674 3,760 3,744 1,000 17,812 32,578,148 3,345,241 317,267,344 26 2,667 1,000 3,157 2,650 3,674 2,757 2,735 1,859 17,832 47,557,944 7,112,889 317,980,224 27 4,638 3,237 1,000 4,669 3,674 3,760 2,735 3,624 22,699 105,277,962 21,511,044 515,244,601 28 4,638 3,237 3,157 4,669 3,674 2,757 1,000 3,624 22,118 102,583,284 21,511,044 489,205,924 29 1,000 3,237 3,157 4,669 3,674 3,760 3,744 3,624 25,865 25,865,000 1,000,000 668,998,225 30 2,667 3,237 3,157 3,566 3,674 3,760 3,774 2,661 23,829 63,551,943 7,112,889 567,821,241 31 3,522 1,477 4,035 2,650 2,518 2,757 3,744 3,624 20,805 73,275,210 12,404,484 432,848,025 32 2,667 1,477 3,157 4,669 3,674 2,757 3,744 3,624 23,102 61,613,034 7,112,889 533,702,404 33 2,667 4,338 3,157 2,650 3,674 2,757 2,735 3,624 22,935 61,167,645 7,112,889 526,014,225 34 4,638 3,237 3,157 2,650 1,953 2,757 2,735 2,661 19,150 88,817,700 21,511,044 366,722,500 35 2,667 2,355 4,035 2,650 1,953 1,872 1,000 1,000 14,865 39,644,955 7,112,889 220,968,225 36 4,638 3,237 3,157 1,838 1,000 1,000 1,732 3,624 15,588 72,297,144 21,511,044 242,985,744 37 3,522 2,355 3,157 2,650 1,953 2,757 2,735 1,859 17,466 61,515,252 12,404,484 305,061,156 38 3,522 2,355 2,050 3,566 1,953 1,872 3,744 1,859 17,399 61,279,278 12,404,484 302,725,201 39 2,667 2,355 3,157 2,650 1,953 2,757 2,735 2,661 18,268 48,720,756 7,112,889 333,719,824 40 3,522 4,338 4,931 3,566 3,674 3,760 3,744 2,661 26,674 93,945,828 12,404,484 711,502,276 41 3,522 4,338 4,931 3,566 3,674 3,760 3,744 3,624 27,637 97,337,514 12,404,484 763,803,769 42 3,522 4,338 4,931 3,566 3,674 2,757 3,744 4,795 27,805 97,929,210 12,404,484 773,118,025 43 3,522 4,338 4,035 3,566 3,674 3,760 3,744 3,624 26,741 94,181,802 12,404,484 715,081,081 44 2,667 3,237 4,931 2,650 2,518 2,757 2,735 4,795 23,623 63,002,541 7,112,889 558,046,129
(11)
lxxi
45 3,522 4,338 4,035 3,566 3,674 2,757 3,744 3,624 25,738 90,649,236 12,404,484 662,444,644 46 3,522 4,338 3,157 3,566 3,674 3,760 3,744 2,661 24,900 87,697,800 12,404,484 620,010,000 47 3,522 4,338 3,157 3,566 3,674 3,760 3,744 2,661 24,900 87,697,800 12,404,484 620,010,000 48 1,829 3,237 2,050 1,838 2,518 1,872 1,732 2,661 15,908 29,095,732 3,345,241 253,064,464 49 3,522 4,338 4,035 3,566 2,518 3,760 2,735 3,624 24,576 86,556,672 12,404,484 603,979,776 50 2,667 3,237 3,157 2,650 1,953 3,760 2,735 2,661 20,153 53,748,051 7,112,889 406,143,409 51 3,522 4,338 4,035 3,566 1,953 3,760 3,774 3,624 25,050 88,226,100 12,404,484 627,502,500 52 4,638 3,237 4,931 4,669 3,674 3,760 3,774 4,795 28,840 133,759,920 21,511,044 831,745,600 53 3,522 2,355 4,035 2,650 3,674 2,757 2,735 3,624 21,830 76,885,260 12,404,484 476,548,900 54 1,829 3,237 2,050 1,838 2,518 2,757 2,735 2,661 17,796 32,548,884 3,345,241 316,697,616 55 3,522 4,338 4,931 3,566 2,518 3,760 2,735 3,624 25,472 89,712,384 12,404,484 648,822,784 56 3,522 4,338 4,931 3,566 3,674 2,757 3,774 3,624 26,664 93,910,608 12,404,484 710,968,896 57 2,667 2,355 4,035 3,566 3,674 2,757 2,735 3,624 22,746 60,663,582 7,112,889 517,380,516 58 2,667 3,237 3,157 3,566 2,518 2,757 2,735 3,624 21,594 57,591,198 7,112,889 466,300,836 59 2,667 2,355 3,157 1,838 2,518 2,757 1,732 2,661 17,018 45,387,006 7,112,889 289,612,324 60 2,667 2,355 4,931 3,566 3,674 2,757 4,686 3,624 25,593 68,256,531 7,112,889 655,001,649 61 2,667 4,338 4,035 2,650 3,674 3,760 2,735 2,661 23,853 63,615,951 7,112,889 568,965,609 62 1,000 2,355 3,157 4,669 3,674 1,000 3,744 1,859 20,458 20,458,000 1,000,000 418,529,764 63 2,667 2,355 3,157 3,566 2,518 3,760 2,735 2,661 20,752 55,345,584 7,112,889 430,645,504 64 2,667 3,237 3,157 2,650 2,518 3,760 1,000 3,624 19,946 53,195,982 7,112,889 397,842,916 65 1,000 4,338 4,035 1,000 1,000 2,757 2,735 2,661 18,526 18,526,000 1,000,000 343,212,676 66 3,522 2,355 3,157 1,838 3,674 4,913 2,735 1,859 20,531 72,310,182 12,404,484 421,521,961 67 2,667 2,355 4,931 2,650 3,674 2,757 2,735 2,661 21,763 58,041,921 7,112,889 473,628,169 68 4,638 2,355 3,157 2,650 1,953 4,913 4,686 1,000 20,714 96,071,532 21,511,044 429,069,796 69 3,522 2,355 2,050 2,650 2,518 3,760 3,744 2,661 19,738 69,517,236 12,404,484 389,588,644
(12)
lxxii
70 2,667 3,237 4,035 3,566 2,518 3,760 3,744 3,624 24,484 65,298,828 7,112,889 599,466,256 71 2,667 2,355 3,157 3,566 3,674 4,913 4,686 4,795 27,146 72,398,382 7,112,889 736,905,316 72 1,829 3,237 4,035 3,566 3,674 3,760 2,735 3,624 24,631 45,050,099 3,345,241 606,686,161 73 3,522 4,338 4,931 4,669 2,518 3,760 2,735 3,624 26,575 93,597,150 12,404,484 706,230,625 74 1,000 3,237 3,157 4,669 3,674 3,760 2,735 2,661 23,893 23,893,000 1,000,000 570,875,449 75 4,638 4,338 4,931 4,669 3,674 4,913 4,686 4,795 32,006 148,443,828 21,511,044 1,024,384,036 76 1,829 3,237 4,931 3,566 3,674 2,757 2,735 2,661 23,561 43,093,069 3,345,241 555,120,721 77 2,667 3,237 3,157 3,566 2,518 3,760 2,735 2,661 21,634 57,697,878 7,112,889 468,029,956 78 1,829 4,338 3,157 2,650 3,674 4,913 1,000 2,661 22,393 40,956,797 3,345,241 501,446,449 Jumlah 239,454 238,566 279,210 247,253 230,593 247,260 238,189 235,105 1,716,176 5,299,187,313 804,513,266 38,725,225,662
(13)
lxxiii
Lampiran 4
Perhitungan Korelasi Antara Variabel X1 dan X2
Nomor
Responden X X X X X ² X ²
1 4,638 3,237 15,013,206 21,511,044 10,478,169 2 1,829 1,477 2,701,433 3,345,241 2,181,529 3 3,522 3,237 11,400,714 12,404,484 10,478,169 4 3,522 3,237 11,400,714 12,404,484 10,478,169 5 3,522 1,477 5,201,994 12,404,484 2,181,529 6 3,522 2,355 8,294,310 12,404,484 5,546,025 7 3,522 2,355 8,294,310 12,404,484 5,546,025 8 2,667 2,355 6,280,785 7,112,889 5,546,025 9 4,638 3,237 15,013,206 21,511,044 10,478,169 10 3,522 3,237 11,400,714 12,404,484 10,478,169 11 4,638 1,477 6,850,326 21,511,044 2,181,529 12 1,829 3,237 5,920,473 3,345,241 10,478,169 13 2,667 2,355 6,280,785 7,112,889 5,546,025 14 2,667 2,355 6,280,785 7,112,889 5,546,025 15 3,522 1,477 5,201,994 12,404,484 2,181,529 16 3,522 1,477 5,201,994 12,404,484 2,181,529 17 1,829 3,237 5,920,473 3,345,241 10,478,169 18 3,522 3,237 11,400,714 12,404,484 10,478,169 19 3,522 4,338 15,278,436 12,404,484 18,818,244 20 2,667 3,237 8,633,079 7,112,889 10,478,169 21 4,638 3,237 15,013,206 21,511,044 10,478,169 22 3,522 2,355 8,294,310 12,404,484 5,546,025 23 2,667 4,338 11,569,446 7,112,889 18,818,244 24 1,829 3,237 5,920,473 3,345,241 10,478,169 25 1,829 1,477 2,701,433 3,345,241 2,181,529 26 2,667 1,000 2,667,000 7,112,889 1,000,000 27 4,638 3,237 15,013,206 21,511,044 10,478,169 28 4,638 3,237 15,013,206 21,511,044 10,478,169 29 1,000 3,237 3,237,000 1,000,000 10,478,169 30 2,667 3,237 8,633,079 7,112,889 10,478,169 31 3,522 1,477 5,201,994 12,404,484 2,181,529 32 2,667 1,477 3,939,159 7,112,889 2,181,529 33 2,667 4,338 11,569,446 7,112,889 18,818,244 34 4,638 3,237 15,013,206 21,511,044 10,478,169 35 2,667 2,355 6,280,785 7,112,889 5,546,025 36 4,638 3,237 15,013,206 21,511,044 10,478,169 37 3,522 2,355 8,294,310 12,404,484 5,546,025 38 3,522 2,355 8,294,310 12,404,484 5,546,025 39 2,667 2,355 6,280,785 7,112,889 5,546,025 40 3,522 4,338 15,278,436 12,404,484 18,818,244 41 3,522 4,338 15,278,436 12,404,484 18,818,244 42 3,522 4,338 15,278,436 12,404,484 18,818,244 43 3,522 4,338 15,278,436 12,404,484 18,818,244 44 2,667 3,237 8,633,079 7,112,889 10,478,169
(14)
lxxiv
45 3,522 4,338 15,278,436 12,404,484 18,818,244 46 3,522 4,338 15,278,436 12,404,484 18,818,244 47 3,522 4,338 15,278,436 12,404,484 18,818,244 48 1,829 3,237 5,920,473 3,345,241 10,478,169 49 3,522 4,338 15,278,436 12,404,484 18,818,244 50 2,667 3,237 8,633,079 7,112,889 10,478,169 51 3,522 4,338 15,278,436 12,404,484 18,818,244 52 4,638 3,237 15,013,206 21,511,044 10,478,169 53 3,522 2,355 8,294,310 12,404,484 5,546,025 54 1,829 3,237 5,920,473 3,345,241 10,478,169 55 3,522 4,338 15,278,436 12,404,484 18,818,244 56 3,522 4,338 15,278,436 12,404,484 18,818,244 57 2,667 2,355 6,280,785 7,112,889 5,546,025 58 2,667 3,237 8,633,079 7,112,889 10,478,169 59 2,667 2,355 6,280,785 7,112,889 5,546,025 60 2,667 2,355 6,280,785 7,112,889 5,546,025 61 2,667 4,338 11,569,446 7,112,889 18,818,244 62 1,000 2,355 2,355,000 1,000,000 5,546,025 63 2,667 2,355 6,280,785 7,112,889 5,546,025 64 2,667 3,237 8,633,079 7,112,889 10,478,169 65 1,000 4,338 4,338,000 1,000,000 18,818,244 66 3,522 2,355 8,294,310 12,404,484 5,546,025 67 2,667 2,355 6,280,785 7,112,889 5,546,025 68 4,638 2,355 10,922,490 21,511,044 5,546,025 69 3,522 2,355 8,294,310 12,404,484 5,546,025 70 2,667 3,237 8,633,079 7,112,889 10,478,169 71 2,667 2,355 6,280,785 7,112,889 5,546,025 72 1,829 3,237 5,920,473 3,345,241 10,478,169 73 3,522 4,338 15,278,436 12,404,484 18,818,244 74 1,000 3,237 3,237,000 1,000,000 10,478,169 75 4,638 4,338 20,119,644 21,511,044 18,818,244 76 1,829 3,237 5,920,473 3,345,241 10,478,169 77 2,667 3,237 8,633,079 7,112,889 10,478,169 78 1,829 4,338 7,934,202 3,345,241 18,818,244
(15)
(16)
(17)
lx
DAFTAR PUSTAKA
Ade,f. 2007. Aplikasi SPSS untuk Penyusunan Skripsi dan Tesis. USU, Medan Anton H. 1984. Aljabar Linier. Erlangga, Bandung
Juliansyah.2011. Metodologi Penelitian. Prenadamedia Group, Jakarta
Riduan.2002. Skala pengukuran variabel-variabel Penelitian. Alfabeta, Bandung Santoso, Singgih 2010. Statistik Multivariat Konsep dan Aplikasi dengan SPSS.
Jakarta: PT. Elex Media Komputindo, Jakarta Seymour Lipschutz.2004. Aljabar Linier. Erlangga, Bandung Supranto, J. 2010. Analisis Multivariat. PT.Rineka Cipta, Jakarta Supranto, J. 1997. Pengantar Matrix. PT.Rineka Cipta, Jakarta
http;//www.jogjapress.com/index.php/EMPATHY/article/download/…/904 Wordpress.com/2010/pengertian skripsi
(18)
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
(19)
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
Prosedur pengambilan sampel yang dapat menghilangkan kemungkinan bias adalah mengambil sampel secara acak (random). Untuk populasi yang besar
(20)
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
(21)
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 :
Frekuensi skor jawaban 1 sebanyak 4 responden Frekuensi skor jawaban 2 sebanyak 10 responden Frekuensi skor jawaban 3 sebanyak 24 responden Frekuensi skor jawaban 4 sebanyak 29 responden Frekuensi skor jawaban 5 sebanyak 11 responden
(22)
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) =
√ (
(23)
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
(24)
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 ori
Frekuen
si Proporsi
Proporsi Komulatif
Nilai Z
Densitas
(f(z)) Skala
Nilai Hasil Penskal
aan
1 4 0,0513 0,0513 -1,6325 0,1052 -2,0521 1,000
2 10 0,1282 0,1795 -0,9173 0,2619 -1,2222 1,8299 3 24 0,3077 0,4872 -0,0321 0,3987 -0,4446 2,6074
4 29 0,3718 0,8590 1,0757 0,2237 0,4708 3,5229
5 11 0,141 1,000 - - 1,5861 4,6382
∑ 78
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
X1 X2 X3 X4 X5 X6 X7 X8
1 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000
2 1,829 1,477 2,050 1,838 1,570 1,872 1,732 1,859
3 2,667 2,355 3,157 2,650 1,953 2,751 2,735 2,661
4 3,522 3,237 4,035 3,566 2,518 3,760 3,744 3,624
(25)
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.
Untuk memudahkan perhitungan manual korelasi product moment antara variabel X2 dengan skor total variabel lainnya Y diperlukan tabel perhitungan korelasi
(26)
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 =
(27)
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
(28)
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.
(29)
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
Correlation Matrix
X1 X2 X3 X4 X5 X6 X7 X8
X1 X2 X3 X4 X5 X6 X7 X8 1.000 .061 .038 .169 -.089 .060 .061 .104 .061 1.000 -.206 .137 .061 .174 -.021 .300 .038 .206 1.000 .145 .147 .135 .246 .282 .169 .137 .145 1.000 .293 .041 .163 .337 -.089 .061 .147 .293 1.000 -.021 -.011 .179 .060 .174 .135 .041 -.021 1.000 .382 .224 .061 -.021 .246 .163 -.011 .382 1.000 .139 .104 .300 .282 .337 .179 .224 .139 1.000
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
Jika harga KMO sebesar 0,5 berarti kurang memuaskan, dan Jika harga KMO kurang dari 0,5 tidak dapat diterima.
(30)
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
Anti-image Covariance
X1 .945 -.019 -.007 -.149 .136 -.024 -.006 -.039 X2 -.019 .861 -.130 -.048 .014 -.128 .126 -.169 X3 -.007 -.130 .845 .009 -.095 .016 -.181 -.145 X4 -.149 -.048 .009 .782 -.225 .072 -.123 -.196 X5 .136 .014 -.095 -.225 .870 .020 .062 -.065 X6 -.024 -.128 .016 .072 .020 .796 -.295 -.124 X7 -.006 .126 -.181 -.123 .062 -.295 .776 .001 X8 -.039 -.169 -.145 -.196 -.065 -.124 .001 .756 Anti-image
Correlation
X1 .517a -.021 -.008 -.174 .150 -.027 -.007 -.046 X2 -.021 .615a -.153 -.058 .016 -.155 .154 -.210 X3 -.008 -.153 .673a .011 -.111 .020 -.223 -.182 X4 -.174 -.058 .011 .590a -.273 .091 -.158 -.254 X5 .150 .016 -.111 -.273 .554a .024 .075 -.081 X6 -.027 -.155 .020 .091 .024 .555a -.376 -.160 X7 -.007 .154 -.223 -.158 .075 -.376 .511a .002 X8 -.046 -.210 -.182 -.254 -.081 -.160 .002 .692a
(31)
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
(32)
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.
h. Untuk variabel Kuliah Sambil Bekerja, nilai komunalitasnya adalah 0,570 atau sekitar 57,0% varians dari variabel Kuliah Sambil Bekerja bisa dijelaskan oleh faktor yang terbentuk.
(33)
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 masing-masing faktor terhadap varians seluruh variabel asli sebagai berikut :
(34)
li
Tabel. 3.14 Nilai eigen faktor terhadap varians seluruh variabel asli
Component Extraction Sums of Squared Loadings
Nilai eigen % of Variance Cumulative %
1 2 3 4
2,084 1,286 1,062 1,015
26,050 16,076 13,277 12,684
26,050 42,126 55,403 68,087
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
Untuk menentukan banyaknya faktor dari total nilai eigen dilihat dengan metode pendekatan, hanya faktor dengan eigen value lebih besar dari satu yang dipertahankan, jika lebih kecil dari satu, faktornya tidak diikutsertakan dalam model. Suatu nilai eigen menunjukkan besarnya sumbangan dari faktor terhadap varians seluruh variabel asli.
(35)
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.
(36)
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 berkorelasi dengan banyak faktor. Sehingga dalam keadaan ini terkadang membuat peneliti kesulitan dalam penentuan suatu variabel kedalam suatu faktor.
(37)
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.
Tujuan dilakukan rotasi adalah untuk memperlihatkan dirtribusi variabel yang lebih jelas dan nyata. Dapat dilihat perbedaan antara matriks faktor sebelum dirotasi dengan matriks faktor setelah dirotasi.
(38)
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.
h. Variabel kuliah sambil bekerja: Korelasi antara variabel dengan faktor 1 sebelum dirotasi adalah 0,712; dengan rotasi korelasi menjadi 0,596 dengan faktor 3. Jadi variabel ini masuk faktor 1.
(39)
lvi
Tabel 3.17 Korelasi antara variabel sebelum dan setelah dirotasi
Variabel
Korelasi antara
variabel Faktor Faktor
akhir variabel Sebelum
rotasi
Setelah rotasi
Sebelum rotasi
Setelah rotasi
X1 0,827 0,921 3 4 4
X2 0,486 0,885 1 3 3
X3 0,583 0,417 1 3 1
X4 0,583 0,733 1 2 2
X5 0,348 0,795 1 2 2
X6 0,595 0,734 2 1 1
X7 0,577 0,866 2 1 1
X8 0,712 0,596 1 3 1
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 terbesar dalam penelitian ini, artinya menurut persepsi mahasiswa faktor
(40)
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)
Proses akhir dari analisis faktor adalah menguji ketepatan model, dengan menggunakan output program SPSS. Perbedaan antara korelasi yang diobservasi (pada matriks korelasi sebelum analisis faktor) dengan korelasi analisis faktor (yang diestimasi dari matriks faktor) yaitu yang disebut dengan residual. Kalau banyak residual yang nilainya lebih besar dari 0,05 (residual > 0,05), berarti
(41)
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
X1 X2 X3 X4 X5 X6 X7 X8
X1 X2 X3 X4 X5 X6 X7 X8 - .082 .388 .343 -.239 .087 .068 .015 - -.821 .195 .062 -.029 .140 .510 - -.090 .258 .115 .469 .464 - -.192 .044 -.016 .519 - .146 -.086 .260 - .758 .384 - .137 -
Sisaan atau residual (ei) didefinisikan sebagai selisih antara korelasi sebelum
analisis faktor dan setelah analisis faktor Contoh :
e2 = 0,061-(-0,021) = 0,082
(42)
lix
BAB 4
KESIMPULAN DAN SARAN
4.1 Kesimpulan
Dari hasil penelitian 78 orang dan 8 variabel pernyataan kepada mahasiswa, dengan menggunakan metode analisis faktor penulis diperoleh proporsi keragaman komulatif sebesar 68,087% yang diperoleh dari jumlah keempat faktor
dominan yang mempengaruhi tingkat kecemasan mahasiswa dalam
menyelesaikan skripsi yaitu faktor kemalasan (26,050%), faktor emosional (16,076%), faktor fisik (13,277%), faktor ilmu (12,684%).
4.2 Saran
Adapun sebagai saran dari hasil ini yaitu :
1. Perlu diteliti kembali, mengapa mahasiswa malas meyelesaikan skripsi, apakah karena kerja, ikut organisasi, urus rumah tangga atau lain-lain. 2. Perlu diteliti kembali faktor lain yang menyebabkan mahasiswa lama
menyelesaikan skripsi.
3. Bagi peneliti selanjutnya hasil penelitian ini masih bisa diteruskan dengan mengembangkan penelitian, seperti menambah variabel-variabel baik yang bersifat data kualitatif maupun data kuantitatif dan dengan metode lain sebagai dasar perbandingan.
(43)
xvii
BAB 2
LANDASAN TEORI
2.1Pengertian 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.
c. Simptom kognitif yaitu khawatir tentang sesuatu, keyakinan bahwa sesuatu yang mengerikan akan segera terjadi tanpa ada penjelasan yang jelas, merasa terancam oleh orang atau peristiwa, kebingungan, dan khawatir akan ditinggal sendiri.
(44)
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
(45)
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
Skala nominal yaitu skala yang paling sederhana disusun menurut jenis (kategorinya) atau fungsi bilangan hanya sebagai symbol untuk membedakan sebuah karakteristik dengan karakteristik lainnya. Adapun ciri-ciri skala nominal antara lain : Hasil penghitungan dan tidak dijumpai bilangan pecahan, angka yang tertera hanya label saja, tidak mempunyai urutan (rangking), tidak mempunyai ukuran baru dan tidak mempunyai nol mutlak.
(46)
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
Skala ratio adalah skala pengukuran yang mempunyai nilai nol mutlak dan mempunyai jarak yang sama. Misalnya umur manusia dan ukuran timbangan
(47)
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
Cukup Puas = 3 Kurang Puas = 2 Tidak Puas = 1
(48)
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
Pengumpulan data penelitian dimaksudkan sebagai pencatatan peristiwa atau karakteristik dari sebagian peristiwa atau seluruh elemen proposal penelitian. Pengumpulan data penelitian dapat dilakukan berdasarkan cara-cara tertentu. Adapun metode pengumpulan data yang digunakan secara umum adalah :
(49)
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.
2.8Uji Dalam Pengolahan Data
2.8.1 Uji Validitas
Validitas menunjukkan sejauh mana ketepatan dan kecermatan suatu alat ukur dalam 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
(50)
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
∑ = Jumlah varians variabel penelitian = Varians total
(51)
xxv
2.9Analisis 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.
e. Persyaratan dasar untuk melakukan penggabungan ialah besarnya korelasi antar variabel independen setidak-tidaknya 0,5 karena prinsip analisis faktor adanya korelasi antar variabel.
(52)
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
Fi = Perkiraan faktor ke-i (didasarkan pada nilai variabel X dengan koefsiennya
(53)
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 bisa ditulis sebagai berikut :
(1)
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.
(2)
DAFTAR ISI
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. Perumusan Masalah 2
1.3. Batasan Masalah 2
1.4. Tinjauan Pustaka 2
1.5. Tujuan Penelitian 3
1.6. Konstribusi Penelitian 3
1.7. Metodologi Penelitian 4
Bab 2 Landasan Teori 2.1. Pengertian Kecemasan 6
2.2. Populasi dan Sampel 7
2.3. Variabel Penelitian 8
2.4. Jenis Sumber Data 8
2.5. Skala Pengukuran 8
2.6. Skala Untuk Instrumen (Model Skala Sikap) 10
2.7. Metode Pengumpulan Data 11
2.8. Uji Dalam Pengolahan Data 12
2.8.1. Uji Validitas 12
2.8.2. Uji Reliabilitas 13
2.9. Analisis Faktor 14
2.9.1. Pengertian Analisis Faktor 14
2.9.2. Model Analisis Faktor 15
2.9.3. Statistik yang Berkaitan Dengan Analisis Faktor 16
2.10. Langkah-langkah Analisis Faktor 19
Bab 3 Pembahasan dan Hasil 24
3.1. Populasi, Sampel dan Teknik pengambilan Sampel 24
3.2. Variabel Penelitian 26
3.3. Pengolahan Data 27
3.3.1. Input Data Mentah 27
3.3.2. Penskalaan Data Ordinal Menjadi Data Interval 28
3.3.3. Uji Validitas 31
3.3.4. Uji Reliabilitas 33
(3)
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
Daftar Pustaka Lampiran 50
(4)
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
Tabel 3.13 Nilai Eigenvalue Untuk Setiap Faktor 39 Tabel 3.14 Nilai Eigen faktor masing-masing varian 40 Tabel 3.15 Matriks Faktor (a) Sebelum Dirotasi 42 Tabel 3.16 Matriks Faktor (a) Setelah Dirotasi 43 Tabel 3.17 Korelasi antara variabel sebelum dan setelah dirotasi 45
(5)
xi
DAFTAR GAMBAR
Halaman
(6)
DAFTAR LAMPIRAN
Halaman
Lampiran 1: Penskalaan Variabel 50
Lampiran 2 : Transformasi Data Ordinal ke Interval 51 Lampiran 3 : Data Perhitungan Korelasi Product Moment 53 Lampiran 4 : Data Perhitungan Korelasi antara variabel x1 dan x2 56 Lampiran 4A : Perhitungan korelasi antara variabel x1dan x2 58 Lampiran 5 : Perhitungan nilai uji barlett 59