Statistik Deskriptif Kesimpulan Saran

BAB 4 HASIL DAN PEMBAHASAN

4.1 Statistik Deskriptif

Data yang telah diperoleh dari hasil kuesioner yang dibagikan kepada siswa-siswi SMA Negeri 1 Babalan dengan skala ukuran yang telah ditentukan dapat dilihat pada Lampiran II.

4.2 Uji Pengolahan Data

4.2.1 Uji Validitas

Uji validitas dihitung dengan menggunakan korelasi Pearson Product Moment. Dari nilai kritis korelasi Pearson Product Moment untuk n = 119 dengan tingkat kepercayaan 95, dapat diketahui bahwa nilai tabel korelasi adalah 0,179. Berikut diperlihatkan perhitungan untuk variabel X 1 pada Tabel 4.1 berikut: Tabel 4.1 Hasil Uji Validitas Variabel r hitung r tabel Keterangan X 1 0,654 0,179 Valid X 2 0,647 0,179 Valid X 3 0,590 0,179 Valid X 4 0,695 0,179 Valid X 5 0,602 0,179 Valid X 6 0,533 0,179 Valid X 7 0,370 0,179 Valid X 8 0,746 0,179 Valid X 9 0,271 0,179 Valid X 10 0,482 0,179 Valid X 11 0,364 0,179 Valid X 12 0,624 0,179 Valid Dari hasil uji validitas diatas, untuk variabel X 1 disimpulkan bahwa r hit 0,654 r tabel 0,179 berarti variabel X 1 valid. Terlihat bahwa semua variabel valid dan dapat digunakan pada pengolahan data berikutnya. Perhitungan manual dan Universitas Sumatera Utara dengan bantuan program komputer SPSS 18.0 dapat dilihat secara keseluruhan pada Lampiran III.

4.2.2 Uji Reliabilitas

Uji reliabilitas menunjukkan sejauh mana suatu alat ukur dapat dipercaya atau dapat diandalkan dan menunjukkan sejauh mana hasil pengukuran tetap konsisten bila dilakukan pengukuran 3 kali atau lebih terhadap gejala yang sama dengan alat ukur yang sama. Pengujian reliabilitas dapat dilakukan dengan teknik Cronbach Alpha. Perhitungan ini menetapkan batas minimum yaitu apabila hasil uji reliabilitas dengan teknik Cronbach Alpha sama atau lebih besar dari 0,60 maka variabel –variabel yang ada dikatakan reliabel. Hasil yang diperoleh manual Lampiran IV sesuai dengan output SPSS 18.0. Diperlihatkan pada Tabel 4.2 sebagai berikut: Tabel 4.2 Hasil Uji Reliabilitas Reliability Statistics Cronbachs Alpha N of Items ,797 12 Hasil uji reliabilitas dengan teknik Cronbach Alpha menunjukkan bahwa 0,797 0,60 maka variabel –variabel yang ada dikatakan reliabel.

4.3 Analisis Komponen Utama

Setelah sampel didapat dan diuji sehingga analisis data dilanjutkan dengan melakukan proses analisis komponen utama. Proses tersebut meliputi:

4.3.1 Membentuk Matriks Korelasi

Matriks korelasi merupakan matriks yang memuat koefisien korelasi dari semua pasangan variabel dalam penelitian ini. Matriks ini digunakan untuk mendapatkan nilai kedekatan hubungan antar variabel penelitian. Perhitungan matriks korelasi dapat dilakukan dengan menggunakan rumus Pearson Product Moment. Universitas Sumatera Utara Perhitungan dilakukan dengan pemisalan pada X adalah variabel X 1 dan Y adalah variabel X 2 . Berdasarkan Tabel penolong pada Lampiran V diperoleh: ∑ = 1563 ∑ = 19531 ∑ = 210297 ∑ = 1517 ∑ = 20039 Selanjutnya data akan digunakan untuk perhitungan matriks korelasi dengan menggunakan rumus Product Moment sebagai berikut: ∑ ∑ ∑ √ ∑ ∑ ∑ ∑ √ √ √ √ Hasil perhitungan matriks korelasi pada variabel X 1 dan X 2 yakni 0,415. Perhitungan untuk variabel selanjutnya dapat dilakukan dengan bantuan SPSS 18.0 pada Lampiran V.

4.3.2 Pengujian KMO dan Barlett Test of Sphericity

Perhitungan selanjutnya meneliti ketepatan yaitu dengan melihat uji Kaiser Mayer Olkin KMO dan uji Bartlett’s Test of Sphericity. Pengukuran KMO dapat dilakukan dengan membandingkan besarnya jumlah kuadrat matriks koefisien korelasi sederhana terobservasi dengan besarnya jumlah kuadrat koefisien matriks korelasi parsial. Berikut pemaparan hasil uji KMO dan uji Bartlett ’s Test of Sphericity dengan menggunakan program Komputer SPSS 18.0 sebagai berikut: Universitas Sumatera Utara Tabel 4.3 Hasil KMO dan Uji Bartlett’s Test of Sphericity KMO and Bartletts Test Kaiser-Meyer-Olkin Measure of Sampling Adequacy. ,771 Bartletts Test of Sphericity Approx. Chi-Square 384,543 df 66 Sig. ,000 Pada Tabel 4.3 nilai KMO yang dihasilkan adalah sebesar 0,7710,50, nilai terseb ut dikategorikan dalam “cukup baik” sehingga variabel yang ada sudah bisa dianalisis lebih lanjut. Pada uji Bartlett’s Test of Sphericity dengan Chi-Square 384,543 df 66 dan nilai signifikansi = 0,0000,05 yang menunjukkan bahwa matriks korelasi bukan merupakan matriks identitas sehingga dapat dilakukan proses Analisis Komponen Utama.

4.3.3 Pengukuran Measure of Sampling Adequacy MSA

Hasil pengolahan berikutnya adalah Measure of Sampling Adequacy MSA yang menyatakan kecukupan sampel. ∑ ∑ ∑ Universitas Sumatera Utara Pengukuran MSA juga dapat dilakukan dengan menggunakan SPSS 18.0 ditandai dengan pangkat yang terletak pada diagonal utama matriks anti image correlation. Tabel 4.4 Nilai Measure of Sampling Adequacy MSA No. Variabel Nilai MSA 1. X 1 = Keinginan 0,768 2. X 2 = Kemampuan 0,800 3. X 3 = Prestasi 0,745 4. X 4 = Prospek Masa Depan 0,830 5. X 5 = Cara Mendidik Anak 0,810 6. X 6 = Pendidikan Orangtua 0,765 7. X 7 = Perekenomian Orangtua 0,623 8. X 8 = Motivasi Guru di Sekolah 0,794 9. X 9 = Teman 0,631 10. X 10 = Alumni Sekolah 0,655 11. X 11 = Aktif dalam Ekstrakurikuler 0,752 12. X 12 = Lingkungan Sosial Masyarakat 0,852 Pada Tabel 4.4 terlihat bahwa nilai MSA pada masing –masing variabel diatas 0,50 artinya memang tepat digunakan untuk menganalisis data dalam bentuk matriks korelasi dan menunjukkan bahwa variabel –variabel tersebut memenuhi pengukuran kecukupan sampel.

4.3.4 Komunalitas

Komunalitas pada dasarnya adalah jumlah varians bisa dalam persentase suatu variabel mula-mula yang bisa dijelaskan oleh faktor yang ada. Cara memperolehnya adalah dengan mengkuadratkan nilai korelasi yang terdapat pada Component Matrix. Setiap variabel berkorelasi dengan faktor-faktor yang terbentuk. Tabel 4.5 Komunalitas Initial Extraction X 1 1,000 0,647 X 2 1,000 0,698 X 3 1,000 0,749 X 4 1,000 0,539 X 5 1,000 0,557 Universitas Sumatera Utara X 6 1,000 0,578 X 7 1,000 0,709 X 8 1,000 0,683 X 9 1,000 0,748 X 10 1,000 0,697 X 11 1,000 0,494 X 12 1,000 0,580 Tabel 4.5 menunjukkan bahwa kolom initial atau kolom awal nilai komunalitas untuk variabel X 1 sampai dengan X 12 masing-masing sebesar 1. Besar sebuah variabel yang dapat dijelaskan faktor dengan X 1 nilainya 0,647, artinya 64,7 varians variabel X 1 bisa dijelaskan oleh faktor yang terbentuk. Begitu pula dengan variabel lainnya.

4.3.5 Menentukan Banyaknya Faktor

Penentuan banyaknya faktor dilakukan untuk mencari variabel baru yang disebut faktor yang saling tidak berkorelasi, bebas satu sama lainnya, lebih sedikit jumlahnya daripada variabel aslinya. 1. Penentuan berdasarkan Eigenvalue Kemampuan setiap faktor mewakili variabel yang dianalisis ditunjukkan oleh besarnya varians yang dijelaskan, yang disebut eigenvalue. Susunan eigenvalue selalu diurutkan dari yang terbesar sampai yang terkecil, dengan kriteria bahwa angka eigenvalue lebih kecil dari 1 tidak digunakan dalam menghitung jumlah faktor yang terbentuk. Tabel 4.6 Eigenvalue untuk setiap faktor Komponen atau Faktor Initial Eigenvalues Total of Variance Cumulative 1. 3,889 32,409 32,409 2. 1,404 11,702 44,111 3. 1,324 11,031 55,142 4. 1,062 8,851 63,992 5. 0,829 6,908 70,900 6. 0,753 6,276 77,176 7. 0,618 5,151 82,328 Universitas Sumatera Utara 8. 0,611 5,096 87,423 9. 0,504 4,196 91,619 10. 0,399 3,321 94,941 11. 0,317 2,642 97,583 12. 0,290 2,417 100,000 Berdasarkan Tabel 4.6 menunjukkan bahwa pada awalnya terdiri dari 12 komponen atau faktor, dengan melihat besar eigenvalue ternyata terdapat 4 komponen atau faktor yang memiliki eigenvalue yang lebih dari 1, yaitu faktor 1, 2, 3 dan 4 masing-masing dengan eigenvalue 3,889; 1,404; 1,324; 1,062. Tetapi untuk faktor kelima nilai eigenvalue lebih kecil dari 1 yaitu 0,829 sehingga proses pembentukan faktor berhenti pada 4 faktor. Besar masing-masing persentase varians adalah: Total persentase varians diakumulasikan menjadi 32,408 + 11,700 + 11,033 + 8,850 = 63,991. Keempat faktor tersebut menjelaskan total varians variabel yang mempengaruhi. Nilai akumulasi persentase varians ini menentukan banyaknya faktor yang dapat diekstrasikan. 2. Penentuan Berdasarkan Scree Plot Penentuan faktor berdasarkan nilai eigenvalue diperoleh dengan jumlah varians yang menjelaskan dasar jumlah faktor yang diperoleh dengan perhitungan angka, maka scree plot memperlihatkan hal tersebut dengan grafik. Gambar 4.1 Scree Plot Universitas Sumatera Utara Pada gambar 4.1 terlihat bahwa dari satu ke dua faktor garis dari sumbu Component Number = 1 ke 2, arah garis menurun dengan cukup tajam. Kemudian dari 2, 3 dan 4 garis masih menurun namu dengan slope yang kecil. Pada faktor kelima sudah dibawah angka 1 dari sumbu Y eigenvalue. Hal ini menunjukkan bahwa terdapat 4 faktor yang dapat diekstraksi berdasarkan scree plot.

4.3.6 Melakukan Rotasi Faktor

Setelah diketahui bahwa empat faktor yang dapat di bentuk adalah jumlah yang paling optimal. Maka pada tahap ini, menunjukkan besarnya korelasi antara suatu variabel dengan faktor yang terbentuk dari matriks korelasi. Koefisien matriks korelasi disebut factor loading. Proses penentuan variabel terhadap pembentukan dari keempat faktor dilakukan dengan perbandingan besar korelasi pada setiap variabel. Tujuan dari rotasi faktor untuk menyederhanakan struktur dengan mentransformasi faktor untuk mendapatkan faktor baru yang lebih mudah untuk diinterpretasikan. Tabel 4.7 Component Matrix Component 1 2 3 4 X 1 0,660 -0,391 0,239 -0,021 X 2 0,715 -0,250 -0,348 0,047 X 3 0,655 -0,126 -0,481 0,271 X 4 0,706 -0,166 0,082 -0,082 X 5 0,594 -0,329 -0,010 -0,308 X 6 0,520 -0,283 0,356 0,317 X 7 0,309 0,224 0,552 -0,509 X 8 0,725 0,297 0,104 0,241 X 9 0,204 0,313 0,537 0,565 X 10 0,489 0,663 -0,120 -0,062 X 11 0,334 0,470 -0,401 0,023 X 12 0,615 0,243 0,010 -0,378 Component Matrix merupakan tabel yang berisikan factor loading nilai korelasi antara variabel-variabel analisis dengan faktor yang terbentuk. Pada Tabel 4.7 Universitas Sumatera Utara component matrix menunjukkan besarnya korelasi tiap variabel dengan faktor yang akan dibentuk. Ada beberapa variabel yang berkorelasi dengan lebih dari satu faktor. Misalnya X 9 berkorelasi dengan faktor 3 dan 4, atau sebaliknya faktor 1 berkorelasi dengan variabel 1,2,3,4,5,6,8, dan 12 sehingga sulit untuk menginterpretasikan faktor-faktor tersebut. Dalam hal ini, factor loading perlu dirotasi agar masing-masing variabel berkorelasi kuat hanya pada satu faktor. Proses rotasi terhadap faktor pada penelitian ini menggunakan metode varimax rotation. Berikut ini adalah Tabel 4.8 merupakan factor loading setelah dirotasi rotated loading factor. Tabel 4.8 Rotated Component Matrix Component 1 2 3 4 X 1 0,751 -0,083 0,212 0,175 X 2 0,745 0,313 -0,060 -0,202 X 3 0,619 0,434 0,028 -0,421 X 4 0,675 0,180 0,132 0,185 X 5 0,695 0,046 -0,150 0,223 X 6 0,546 -0,126 0,513 0,019 X 7 0,130 0,076 0,108 0,822 X 8 0,408 0,524 0,481 0,098 X 9 -0,075 0,088 0,855 0,065 X 10 0,040 0,790 0,149 0,224 X 11 0,032 0,695 -0,046 -0,093 X 12 0,393 0,479 -0,056 0,439 Tujuan dilakukan rotasi adalah untuk memperlihatkan distribusi variabel yang lebih jelas dan nyata. Dapat dilihat pada Tabel 4.9 perbedaan antara matriks faktor sebelum dirotasi dengan matriks faktor setelah dirotasi. Tabel 4.9 Korelasi antara variabel sebelum dan setelah dirotasi Variabel Korelasi Antara variabel Faktor Faktor akhir Universitas Sumatera Utara Sebelum dirotasi Setelah di rotasi Sebelum dirotasi Setelah di rotasi variabel X 1 0,660 0,751 1 1 1 X 2 0,715 0,745 1 1 1 X 3 0,655 0,619 1 1 1 X 4 0,706 0,675 1 1 1 X 5 0,594 0,695 1 1 1 X 6 0,520 0,546 1 1 1 X 7 0,552 0,822 3 4 4 X 8 0,725 0,524 1 2 2 X 9 0,565 0,855 4 3 3 X 10 0,663 0,790 2 2 2 X 11 0,470 0,695 2 2 2 X 12 0,615 0,479 1 2 2 Dengan demikian ke-12 variabel telah direduksi menjadi 4 faktor yaitu: 1. Faktor 1 F 1 terdiri atas variabel X 1 = Keinginan, X 2 = Kemampuan, X 3 = Prestasi, X 4 = Prospek Masa Depan, X 5 = Cara Mendidik Anak dan X 6 = Pendidikan Orangtua. Faktor ini diberi nama faktor dalam diri dan orangtua. 2. Faktor 2 F 2 terdiri atas variabel X 8 = Motivasi Guru di Sekolah, X 10 = Alumni Sekolah, X 11 = Aktif dalam Ektrakurikuler dan X 12 = Lingkungan Sosial Masyarakat. Faktor ini diberi nama faktor pendukung. 3. Faktor 3 F 3 terdiri atas variabel X 9 = Teman. Faktor ini diberi nama faktor teman. 4. Faktor 4 F 4 terdiri atas variabel X 7 = Perekonomian Orangtua. Faktor ini diberi nama faktor perekonomian orangtua. Adapun model faktor-faktor yang mempengaruhi minat siswa melanjutkan pendidikan ke perguruan tinggi studi kasus: SMA Negeri 1 Babalan adalah sebagai berikut: F 1 = 0,751X 1 + 0,745X 2 + 0,619X 3 + 0,675X 4 + 0,695X 5 + 0,546X 6 F 2 = 0,524X 8 + 0,790X 10 + 0,695X 11 + 0,479X 12 F 3 = 0,855X 9 F 4 = 0,822X 7 Universitas Sumatera Utara Berdasarkan interpretasi dari model faktor diperoleh hasil sebagai berikut: 1. Korelasi keinginan, kemampuan, prestasi, prospek masa depan, cara mendidik anak dan pendidikan orangtua bernilai positif. Hal ini berarti keinginan sangat mempengaruhi minat siswa untuk melanjutkan pendidikan ke perguruan tinggi. Selain itu semakin tinggi tingkat kemampuan dan prestasi dapat menimbulkan minat siswa untuk melanjutkan pendidikan ke perguruan tinggi. Dengan melihat zaman yang semakin modern ini, siswa lebih berpikir untuk merancang prospek masa depannya dengan melanjutkan pendidikan ke perguruan tinggi. Cara mendidik anak dan pendidikan orangtua sangat berpengaruh untuk menimbulkan minat siswa melanjutkan pendidikan ke perguruan tinggi. Variabel-variabel ini memberikan sumbangan varians sebesar 32,409. 2. Korelasi motivasi guru di sekolah, alumni sekolah, aktif dalam ekstrakurikuler dan lingkungan sosial masyarakat bernilai positif. Hal ini berarti siswa mendapat motivasi dari guru di sekolah dan melihat para alumni di sekolahnya banyak yang berhasil menempuh jenjang perguruan tinggi sehingga dapat menimbulkan minat siswa untuk melanjutkan pendidikan ke perguruan tinggi. Selain itu, aktif dalam ekstrakurikuler dapat membantu siswa untuk berpikir kritis dan lebih maju untuk menambah ilmu hingga ke perguruan tinggi. Semakin siswa sering berkecimpung dalam lingkungan masyarakat, maka semakin banyak siswa belajar tentang bagaimana pengalaman kehidupan orang-orang sukses di sekitaarnya, hal itu dapat memicu timbulnya minat siswa melanjutkan pendidikan ke perguruan tinggi. Variabel-variabel pada faktor kedua ini memberikan sumbangan varians sebesar 11,702. 3. Korelasi teman juga bernilai positif. Hal ini menunjukkan bahwa dalam lingkup pertemanan jika rata-rata siswa mempunyai pola pikir yang maju maka akan timbul minat untuk melanjutkan pendidikan ke perguruan tinggi. Variabel-variabel pada faktor ketiga ini memberikan sumbangan varians sebesar 11,031. 4. Korelasi perekonomian orangtua bernilai positif. Hal ini berarti siswa yang memiliki keluarga dengan tingkat perekonomian yang baik juga mempengaruhi minat siswa untuk melanjutkan pendidikan ke perguruan tinggi. Variabel- Universitas Sumatera Utara variabel pada faktor keempat ini memberikan sumbangan varians sebesar 8,851.

4.4 Analisis Cluster

Adapun proses yang dilakukan dalam analisis cluster K-Means adalah:

4.4.1 Menentukan Jumlah Cluster dan Centroid

Banyaknya cluster yang akan dibentuk k pada proses pengclusteran dengan metode K-Means adalah tiga buah. Pusat cluster centroid awal yang digunakan untuk memulai proses clustering dengan metode K-Means diperoleh dengan pembangkitan secara acak dari data yang telah diinputkan. Dengan bantuan Program SPSS 18.0 nilai centroid dapat dilihat pada tampilan initial cluster center pada Lampiran VI sehingga diperoleh: c 1 = 1,13136; 0,59300; -1,89224; 1,14332, c 2 = -2,22560; -0,58903; -1,20104; -3,08273, c 3 = 0,44891; 1,55485; 2,84475; 0,38764

4.4.2 Menentukan Jarak Setiap Objek dengan Setiap Centroid

Kemudian akan dihitung jarak dari setiap objek terhadap setiap centroid awal. Jarak inilah yang akan menjadi penentu termasuk ke dalam cluster mana data tersebut. Perhitungan jarak menggunakan rumus jarak Euclidean. √∑ Perhitungan faktor ke-1 dengan centroid pertama adalah: √ √ - Universitas Sumatera Utara Perhitungan faktor ke-1 dengan centroid kedua adalah: √ √ - - Perhitungan faktor ke-1 dengan centroid ketiga adalah: √ √ - Perhitungan yang sama dilakukan hingga data yang ke-119. Melakukan clustering objek dengan memasukkan setiap objek ke dalam cluster berdasarkan jarak minimumnya. Suatu data akan menjadi anggota dari suatu cluser C 1 , C 2 maupun C 3 yang memiliki jarak terkecil dari pusat cluster-nya. Hasil perhitungan jarak faktor dengan centroid dan posisi cluster setiap faktor dapat dilihat pada Lampiran. Selanjutnya hitung kembali centroid baru yang ditentukan berdasarkan pengelompokkan anggota masing-masing cluster, hitung jarak setiap data yang ada terhadap setiap centroid dan tentukan cluster dengan jarak terdekat pada masing-masing data hingga posisi data terhadap cluster tidak ada yang berubah. Iterasi akan dihentikan karena hasil perhitungan menunjukkan adanya angka pusat cluster yang sama. Dengan bantuan program SPSS 18.0 pada Lampiran VI, dapat diketahui bahwa proses iterasi yang dilakukan sebanyak 4 kali. Proses ini dilakukan untuk mendapatkan cluster yang tepat. Tabel Final Cluster Centers merupakan hasil akhir setelah terjadi empat tahapan iterasi yang menggambarkan rata-rata masing-masing peubah pada setiap cluster yang terbentuk. Tabel 4.10 Final Cluster Centers Kelompok 1 2 3 Skor Faktor 1 0,28521 0,18336 -2,13573 Skor Faktor 2 0,25758 -0,39329 0,30673 Skor Faktor 3 -0,56641 0,79543 -0,39689 Universitas Sumatera Utara Skor Faktor 4 0,46707 -0,38776 -0,74536 Dari Tabel 4.10 dapat diketahui bahwa: - Cluster 1 : Dalam cluster 1 berisikan skor faktor 1, 2 dan 4, hal ini terbukti dari nilai positif yang terdapat pada Tabel 4.10 dalam keseluruhan variabel. Dengan demikian dapat diketahui bahwa cluster 1 terdiri dari faktor diri sendiri dan orangtua, faktor pendukung dan faktor perekonomian orangtua. - Cluster 2 : Dalam cluster 2 berisikan skor faktor 1 dan 3, hal ini terbukti dari nilai positif yang terdapat pada Tabel 4.10 dalam keseluruhan variabel. Dengan demikian dapat diketahui bahwa cluster 2 terdiri dari faktor diri sendiri dan orangtua serta teman. - Cluster 3 : Dalam cluster 3 hanya berisikan skor faktor 2 saja, hal ini terbukti dari nilai positif yang terdapat pada Tabel 4.10 dalam keseluruhan variabel. Dengan demikian dapat diketahui bahwa cluster 3 terdiri dari faktor pendukung. Untuk mengidentifikasi apakah terlihat perbedaan variabel pada cluster yang terbentuk dilakukan uji Anova dengan bantuan Program SPSS 18.0. Semakin besar nilai F dan sig0,05, maka semakin besar perbedaan variabel pada cluster yang terbentuk. Berdasarkan Tabel Anova Lampiran VI dapat dilihat bahwa untuk skor faktor 1, 3 dan 4 adalah variabel yang paling menunjukkan adanya perbedaan pada cluster yang terbentuk. Hal ini ditunjukkan dengan nilai F masing-masing sebesar 62,385; 44,438; 17,007 dan signifikansi 0,00. Untuk mengetahui jumlah anggota masing-masing cluster yang terbentuk dapat dilihat pada Tabel Number of Case Lampiran VI bahwa cluster pertama beranggotakan 59, cluster kedua beranggotakan 48 dan pada cluster ketiga beranggotakan 12. Universitas Sumatera Utara BAB 5 KESIMPULAN DAN SARAN

5.1 Kesimpulan

Berdasarkan penelitian yang telah dilakukan dapat diambil beberapa kesimpulan yaitu : 1. Dengan menggunakan Analisis Komponen Utama terdapat 4 faktor yang mempengaruhi minat siswa dalam melanjutkan pendidikan ke Perguruan Tinggi yaitu F 1 : faktor dalam diri dan orangtua, F 2 : faktor pendukung, F 3 : faktor teman, F 4 : faktor perekonomian orangtua. 2. Faktor 1 F 1 terdiri atas variabel X 1 = Keinginan, X 2 = Kemampuan, X 3 = Prestasi, X 4 = Prospek Masa Depan, X 5 = Cara Mendidik Anak dan X 6 = Pendidikan Orangtua. Faktor 2 F 2 terdiri atas variabel X 8 = Motivasi Guru di Sekolah, X 10 = Alumni Sekolah, X 11 = Aktif dalam Ektrakurikuler dan X 12 = Lingkungan Sosial Masyarakat. Faktor 3 F 3 terdiri atas variabel X 9 = Teman. Faktor 4 F 4 terdiri atas variabel X 7 = Perekonomian Orangtua. 3. Setelah dilakukan proses analisis komponen utama dilanjutkan dengan menggunakan analisis cluster diperoleh 3 buah cluster yaitu cluster 1 terdiri dari faktor dalam diri dan orangtua, faktor pendukung dan faktor perekonomian orangtua. Cluster 2 terdiri dari faktor diri sendiri dan orangtua serta teman. Cluster 3 terdiri dari faktor pendukung. Dengan skor faktor 1, 3 dan 4 adalah variabel yang paling menunjukkan adanya perbedaan pada cluster yang terbentuk. Hal ini ditunjukkan dengan nilai F masing-masing sebesar 62,385; 44,438; 17,007 dan signifikansi 0,00. Universitas Sumatera Utara

5.2 Saran

1. Dilakukan penelitian mengenai pengaruh faktor minat siswa dalam melanjutkan pendidikan ke Perguruan Tinggi dengan menambahkan variabel lain yang mempengaruhinya, sehingga diperoleh hasil yang lebih akurat. 2. Diharapkan keempat faktor yang telah diperoleh dapat ditingkatkan sehingga minat siswa dalam melanjutkan pendidikan ke Perguruan Tinggi juga meningkat. Universitas Sumatera Utara BAB 2 LANDASAN TEORI Pada bab ini akan diuraikan mengenai landasan teori yang akan digunakan dalam bab selanjutnya.

2.1 Matriks Sebuah matriks