2.5 Teknik Pengukuran dan Sampel
Pada dasarnya proses pengukuran adalah merupakan rangkaian dari empat aktivitas pokok Singarimbun dan Effendi, 1985. Rangkaian empat aktivitas
pokok tersebut antara lain :
1. Menentukan dimensi variabel penelitian.
2. Merumuskan ukuran untuk masing-masing dimensi.
3. Menentukan tingkat ukuran yang akan digunakan dalam pengukuran.
4. Menguji validitas dan reliabilitas alat ukur.
Pada teknik penskalaan, banyak sekali jenis skala pengukuran yang telah dikembangkan, terutama dalam ilmu-ilmu sosial. Namun dalam penelitian ini
skala pengukuran yang digunakan adalah skala Likert. Skala ini dikembangkan oleh Rensis Likert 1932 untuk mengukur sikap masyarakat dan skalanya
terkenal dengan nama technique of summated rating atau skala Likert. Banyak faktor yang menyebabkan skala Likert banyak digunakan sebagai berikut :
1. Skala ini relatif mudah dibuat.
2. Adanya kebebasan dalam memasukkan item- item pernyataan asal masih
relevan dengan masalah. 3.
Jawaban atas item dapat berupa beberapa alternaitf, sehigga dapat memberikan informasi yang lebih jelas dan nyata terhadap item tersebut.
4. Dengan jumlah item yang cukup besar, tingkat reliabilitas yang tinggi
dapat dicapai. 5.
Mudah untuk diterapkan pada berbagai situasi.
2.6 Uji Dalam Pengolahan Data 2.6.1 Uji Validitas
Validitas menunjukkan sejauh mana ketepatan dan kecermatan suatu alat ukur dalam melakukan fungsi ukurnya. Suatu test atau instrumen pengukur dapat
Universitas Sumatera Utara
dikatakan mempunyai validitas yang tinggi apabila alat ukur tersebut menjalankan fungsi ukurnya, atau memberikan hasil ukur yang sesuai dengan maksud
dilakukannya pengukuran tersebut. Metode yang yang digunakan untuk menguji validitas adalah dengan korelasi product moment yang rumusnya sebagai berikut :
∑ ∑ ∑ √{ ∑
∑ }{ ∑
∑ }
Keterangan : r
xy
= koefisien korelasi X
= skor pertanyaan Y
= skor total n
= jumlah sampel
Untuk menentukan valid tidaknya variabel adalah dengan cara mengkonsultasikan hasil perhitungan koefisien korelasi dengan tabel nilai
koefisien r pada taraf kepercayaan 95 .Ade Fatma, 2007. Apabila r
xy
≥ r
tabel
→ valid Apabila r
xy
r
tabel
→ tidak valid
2.6.2 Uji Realibilitas
Realibilitas menunjukkan sejauh mana hasil pengukuran dapat dipercaya. Pengukuran yang memiliki realibilitas tinggi disebut sebagai pengukuran yang
realibilitas. Metode yang digunakan untuk menguji realibilitas adalah metode Alpha Cronbach. Variabel dikatakan realibel jika memberikan nilai Alpha
Cronbach 0,60. Ade Fatma, 2007. Nilai Alpha Cronbach diperoleh dengan menggunakan rumus sebagai berikut :
∑
Universitas Sumatera Utara
Keterangan: = nilai koefisien Alpha Cronbach
= banyaknya variabel penelitian ∑
= jumlah varians variabel penelitian = varians total
2.7 Analisis Faktor 2.7.1 Definisi Analisis faktor
Analisis faktor merupakan salah satu prosedur reduksi data serta salah satu alat untuk menguji alat ukur dalam metode statistic multivariate Dillon and
Goldstein, 1984. Analisis faktor diartikan sebuah analisis yang mensyaratkan adanya
keterkaitan antar
variabel. Pada
prinsipnya analisis
faktor menyederhanakan hubungan yang beragam dan kompleks pada variabel yang
diamati dengan menyatukan faktor atau dimensi yang saling berhubungan atau mempunyai korelasi pada suatu struktur data yang baru yang mempunyai set
faktor lebih kecil. Data-data yang dimasukkan pada umumnya data metrik dan terdiri dari variabel-variabel dengan jumlah yang besar.
Analisis faktor dapat digunakan di dalam situasi sebagai berikut : 1.
Mengenali atau mengidentifikasi dimensi yang mendasari underlying dimensions atau faktor, yang menjelaskan korelasi antara suatu set
variabel. 2.
Mengenali atau mengidentifikasi suatu set variabel baru yang tidak berkorelasi
independent yang
lebih sedikit
jumlahnya untuk
menggantikan suatu set variabel asli yang saling berkorelasi di dalam analisis multivariat selanjutnya, misalnya analisis regresi berganda dan
analisis diskriminan.
Universitas Sumatera Utara
3. Mengenali atau mengidentifikasi suatu set variabel yang penting dari suatu
set variabel yang lebih banyak jumlahnya untuk dipergunakan di dalam analisis multivariat selanjutnya.
Ada tiga fungsi utama analisis faktor, yaitu : 1.
Mereduksi banyaknya variabel penelitian dengan tetap mempertahankan sebanyak mungkin informasi data awal. Banyaknya variabel awal dapat
dikurangi menjadi beberapa variabel yang jumlahnya lebih sedikit dengan tetap mempertahankan sebagian besar variasi data.
2. Mencari perbedaan kualitatif dan kuantitatif dalam data, dalam situasi
dimana terdapat jumlah data yang sangat besar. 3.
Data digunakan pula untuk menguji hipotesis tentang perbedaan kualitatif dan kuantitatif dalam data penelitian.
Asumsi dasar dalam menggunakan analisis faktor adalah : 1.
Tingginya korelasi antar variabel Korelasi antar variabel yang kuat dapat diindikasikan oleh nilai
determinan matriks korelasi yang mendekati nol. Nilai determinan dari matriks korelasi yang elemen-elemennya menyerupai matriks identitas
akan memiliki nilai determinan sama dengan satu. Hal ini dapat diuji dengan
Bartlett’s test of sphericity. 2.
Indeks perbandingan antara koefisien korelasi dengan korelasi parsial secara keseluruhan adalah kecil.Jika jumlah kuadrat koefisien korelasi
parsial untuk seluruh pasangan variabel tidak banyak berbeda, maka ini menunjukkan perbandingan antara koefisien korelasi dengan korelasi
parsialnya secara keseluruhan adalah kecil. Perbandingan ini dapat diidentifikasi berdasarkan nilai Kaiser-Meyer-Olkin.
3. Indeks perbandingan antara koefisien korelasi dengan korelasi parsial
untuk setiap variabel adalah kecil. Analisis faktor dapat dilanjutkan, jika
Universitas Sumatera Utara
nilai measure of sampling adequacy MSA berkisar antara 0,5 – 1,0.
Apabila ada beberapa variabel memiliki nilai MSA kurang dari 0,5 maka variabel tersebut harus dikeluarkan satu persatu secara bertahap.
2.7.2 Model Analisis Faktor
Secara matematis, analisis faktor agak mirip dengan analisis regresi, yaitu dalam
hal bentuk fungsi linier. Jumlah varians yang dikontribusi dari sebuah variabel
dengan seluruh variabel lainnya lebih dikelompokkan sebagai komunalitas. Kovarians diantara variabel dijelaskan terbatas dalam sejumlah kecil komponen
ditambah sebuah faktor unik untuk setiap variabel. Faktor-faktor tersebut tidak secara eksplisit diamati.
Jika variabel distandarisasi, maka model analisis faktor dapat ditulis sebagai berikut :
dimana : X
i
= Variabel ke i yang dibakukan. B
ij
= Koefisien regresi yang dibakukan untuk variabel i pada komponen faktor j.
F
j
= Komponen fator ke j. V
i
= Koefisien regresi yang dibakukan untuk variabel ke i pada faktor yang unik ke i.
µ
i
= Faktor unik variabel ke i. m
= Banyaknya komponen faktor.
Faktor yang unik tidak berkorelasi dengan sesama faktor yang unik dan juga tidak berkorelasi dengan komponen faktor. Komponen faktor sendiri bisa
dinyatakan sebagai kombinasi linier dari variabel-variabel yang terlihat terobservasi hasil penelitian lapangan.
Universitas Sumatera Utara
Dimana : F
i
= Perkiraan faktor ke i didasarkan pada nilai variabel X dengan koefisiennya W
i
. W
i
= Koefisien nilai faktor ke i. k = banyaknya variabel
2.7.3 Statistik yang Berkaitan dengan Analisis Faktor
Statistik yang berkaitan dengan analisis faktor adalah :
a. Barlett’s test of sphericity
Barlett’s test of sphericity adalah uji statistik yang digunakan untuk menguji hipotesis yang menyatakan bahwa variabel-variabel tersebut tidak berkorelasi
dalam populasinya. Dengan kata lain, matriks korelasi populasi adalah sebuah matriks identitas, dimana setiap variabel berkorelasi dengan variabel itu sendiri r
= 1, tetapi tidak berkorelasi dengan variabel lainnya r = 0. Statistik uji bartlett adalah sebagai berikut :
[ ] | |
dengan derajat kebebasandegree of freedom df Keterangan :
= jumlah observasi
= jumlah variabel
| | =
determinan matriks korelasi
b. Correlation matrix Matriks Korelasi
Kategori