Bab 3
METODE PENELITIAN
3.1 Jenis Penelitian
Jenis penelitian ini bersifat analitik dengan menggunakan metode penerapan analisis faktor multivariat terhadap responden remaja yang menikah di usia muda.
3.2 Prosedur Penelitian Data
Pengambilan data dilakukan dengan cara langsung menyebar kuesioner yaitu berupa pertanyaan-pertanyaan kepada responden penelitian. Responden penelitian ini
adalah remaja baik laki-laki maupun wanita yang menikah di usia muda, namun dengan batasan hanya pada responden yang baru menikah selama periode 5 tahun ini.
Waktu pelaksanaan pengambilan dan pengumpulan data dimulai dari pertengahan april 2013 sampai dengan pertengahan juni 2013.
3.3 Metode Pengambilan Sampel
Dalam penelitian ini metode pengambilan sampel yang digunakan adalah Cluster Sampling sampling daerah yaitu teknik ini digunakan untuk menentukan jumlah
sampel jika sumber data sangat luas. Pengambilan sampel didasarkan daerah populasi yang telah ditetapkan.
Dalam penelitian ini peneliti mengambil 20 dari 21 Kecamatan popolasi sampling unit yang ada di Kota Medan. Sehingga diperoleh 4 Kecamatan yang ditetapkan
sebagai lokasi penelitian. Kecamatan tersebut dipilih secara sengaja atas dasar kriteria-kriteria penelitian ini.
Keempat kecamatan tersebut adalah: 1.
Kecamatan Medan Labuhan 2.
Kecamatan Medan Deli 3.
Kecamatan Medan Denai 4.
Kecamatan Medan Belawan
3.4 Penentuan Ukuran Sampel
Jumlah sampel yang dibutuhkan dalam menggunakan metode analisis faktor adalah paling sedikit empat sampai lima kali banyaknya jumlah variabel penelitian
Pudjowidodo Prabowo, 2007. Secara umum, jumlah sampel sample size yang ideal untuk proses analisis faktor adalah antara 50 sampai 100 sampel Santoso, 2010, atau
bisa dengan patokan rasio 10:1, dalam arti untuk 1 variabel seharusnya ada 10 sampel.
3.5 Prosedur Pengolahan Data
Terdapat beberapa prosedur pengolahan data yang dilakukan dalam sebuah penelitian. Prosedur analisis ini dilakukan dengan langkah-langkah sebagai berikut:
1. Perumusan Masalah.
Merumuskan masalah merupakan prosedur awal dalam melakukan analisa. Perumusan masalah yang dilakukan di sini adalah mengidentifikasi sasaran
tujuan analisis faktor dan pengukuran variabel-variabel atas skala Likert. 2.
Kemudian dilakukan pentabulasian data hasil. 3.
Dari data mentah hasil kuesioner dibuat suatu matriks data yang telah
dilakukan untuk mengubah data ordinal menjadi skala interval. Teknik penskalaan yang digunakan dalam penelitian ini adalah Methods Successive
Interval dengan bantuan Microsoft Office Excel 2007. Langkah-langkah Methods Successive Interval:
a. Menghitung frekuensi skor jawaban dalam skala ordinal. Frekuensi
merupakan banyaknya tanggapan responden dalam memilih skala ordinal 1 s.d 5 dengan jumlah responden 60.
b. Menghitung proporsi. Proporsi dihitung dengan membagi setiap
frekuensi dengan jumlah responden. c.
Proporsi kumulatif untuk masing-masing skor jawaban. Proporsi kumulatif dihitung dengan menjumlahkan proporsi secara berurutan
untuk setiap nilai. d.
Menentukan nilai Z untuk setiap kategori, dengan asumsi bahwa proporsi kumulatif dianggap mengikuti distribusi normal baku. Nilai Z
diperoleh dari tabel Distribusi Normal Baku. e.
Menghitung nilai densitas dari nilai Z yang diperoleh dengan cara memasukkan nilai Z tersebut ke dalam fungsi densitas normal baku
sebagai berikut: √
f. Menghitung Scale Value SV dengan rumus:
g. Menghitung penskalaan. Menentukan Scale Value min sehingga
| |
h. Mentransformasikan nilai skala dengan menggunakan rumus:
| |
4. Melakukan uji validitas dan reliabilitas. Untuk mendapatkan nilai validitas dan
nilai reliabilitas, data interval hasil perhitungan dengan Methods Successive Interval diproses dengan SPSS 20.
5. Selanjutnya melakukan input data hasil perhitungan dengan Methods
Successive Interval pada SPSS 20 di lembar data view untuk proses inti yaitu analisis faktor.
6. Melakukan prosedur analisis data dengan SPSS 20.
Langkah-langkahnya adalah sebagai berikut: a.
Klik analyze. b.
Pilih sub menu Dimension Reduction, kemudian pilih Factor. c.
Pindahkan semua variabel di kolom kiri ke kolom variabel sebelah kanan.
d. Pilih Descriptives.
e. Pada pilihan correlation matrix, aktifkan pilihan KMO and Bartlett’s
Test of Sphericity dan anti-image, kemudian klik continue. f.
Pilih Extraction. g.
Pada pilihan Method, pilih Principal Component dan pada pilihan analyze, pilihan Correlation Matrix.
h. Pada pilihan extract, pilih Based on Egenvalue, kemudian klik
continue. i.
Pilih Rotation. j.
Pada pilihan method, pilih metode Varimax dan pada pilihan display, aktikan Rotated Solution, kemudian klik continue.
k. Klik Ok untuk diproses.
7. Penyusunan Matrik Interkorelasi.
Data disusun dalam matriks korelasi, proses analitik dilakukan pada korelasi matrik dari variabel-variabel yang diuji. Beberapa pengujian nilai dilakukan
yaitu KMO Bartlett Test yang berguna untuk menguji kelayakan sampel. Jika nilai KMO MSA lebih dari 0,5 dan nilai signifikansi lebih kecil dari 0,05
maka analisis data bisa dilanjutkan. 8.
Ekstraksi Faktor. Terdapat 5 jenis pendekatan metode ekstraksi faktor, yaitu:
a. Principal Component Analysis PCA.
b. Common Faktor AnalysisPrincipals Axis Faktoring.
c. Maximum Likehood.
d. Unweighted Least Square.
e. Generalized Least Square.
Pada penelitian ini digunakan pendekatan PCA karena sesuai dengan fungsinya untuk mengetahui jumlah faktor minimal yang dapat diekstrasi
dengan menghasilkan faktor yang memiliki specific variance dan error variance yang paling kecil. Dan untuk menentukan banyaknya faktor, terdapat
beberapa hal sebagai acuannya:
a. Berdasarkan penelitian sebelumnya.
b. Pendekatan dengan eigenvalue lebih besar dari 1.
c. Menentukan banyaknya faktor dengan plot eigenvalue.
d. Sampel dipisah menjadi dua analisis.
11. Rotasi faktor.
Matriks faktor adalah hasil penting dalam analisis faktor. Didalamnya terdapat koefisien yang digunakan untuk menunjukan variabel-variabel yang
distandartisasi dalam batasan sebagai faktor. Faktor diharapkan tidak bernilai 0. Dan untuk menilai representasi variabel yang mempersentasikan faktor,
dikategorikan dengan korelasi kuat dan korelasi lemah. Variabel yang lemah digambarkan oleh faktor biasanya bernilai lebih rendah dari 0,5 dan selebihnya
adalah variabel yang cukup kuat diwakili oleh faktor. 12.
Interpretasi faktor.
BAB 4
HASIL DAN PEMBAHASAN
4.1 Penskalaan Data Ordinal Menjadi Data Interval
Kategori