Penerapan Analisis Komponen Utama Dalam Penentuan Faktor Dominan Yang Mempengaruhi Prestasi Belajar Siswa (Studi Kasus : SMA Negeri 1 Medan)
ANGKET/KUESIONER
“PENERAPAN ANALISIS KOMPONEN UTAMA DALAM PENENTUAN FAKTOR DOMINAN YANG MEMPENGARUHI PRESTASI BELAJAR SISWA”
(Studi Kasus : SMA Negeri 1 Medan)
Nama :
Jenis Kelamin : [ ]Laki-laki [ ]Perempuan
Kelas :
Nilai Raport :
No Variabel Pernyataan Skala
1. X1 = Bakat Bakat merupakan komponen dasar siswa dalam menggali
potensi yang dimilikinya sehingga dapat menciptakan prestasi sesuai dengan prestasi yang dimilikinya.
1 2 3 4 5
2. X2 = Minat Jika bahan pelajaran yang dipelajari tidak sesuai dengan
minat siswa, siswa tidak akan belajar dengan sebaik-baiknya karena tidak ada daya tarik baginya.
1 2 3 4 5
3. X3 = Motivasi
siswa
Motivasi adalah keinginan atau dorongan untuk belajar, tanpa motivasi siswa tidak akan mengerti apa yang akan dipelajari dan tidak memahami mengapa hal itu perlu dipelajari, kegiatan belajar-mengajar sulit untuk berhasil.
1 2 3 4 5
4. X4 = Motivasi
orang tua
Dalam meningkatkan prestasi siswa, dorongan/motivasi orang tua sangat berperan penting
1 2 3 4 5
5. X5 = Fasilitas
belajar di rumah
Intensitas saya belajar di rumah dipengaruhi oleh fasilitas belajar yang ada di rumah.
1 2 3 4 5
6. X6 = Kualitas
pengajaran guru
Interaksi tanya-jawab antara guru dengan siswa sering dilakukan untuk mengetahui sejauh mana tingkat penguasaan siswa dalam menerima materi yang diajarkan.
1 2 3 4 5
7. X7 = Fasilitas
sekolah
Sarana dan prasarana yang ada di sekolah sudah cukup memadai dalam mendukung kegiatan belajar-mengajar.
1 2 3 4 5
8. X8 =
Ekstrakulikuler
Dengan mengikuti kegiatan ekstrakulikuler yang terdapat di sekolah merupakan salah satu cara meningkatkan kreativitas siswa.
(2)
9. X9 = Les
tambahan
Saya mengikuti bimbingan di luar sekolah untuk menambah ilmu pengetahuan dan memperdalam materi pelajaran.
1 2 3 4 5
10. X10 = Pergaulan
siswa
Siswa menyadari bahwa pergaulan dengan teman di lingkungan masyarakat sangat berpengaruh terhadap prestasi di sekolah.
(3)
DATA HASIL KUESIONER Nomor
Responden X1 X2 X3 X4 X5 X6 X7 X8 X9 X10
1. 5 5 3 4 3 3 4 4 4 5
2. 3 4 4 4 3 4 3 4 3 2
3. 5 5 5 5 3 5 5 4 4 5
4. 5 4 5 4 4 4 5 5 5 5
5. 4 4 2 3 4 3 2 4 2 3
6. 3 4 5 4 5 5 5 5 5 4
7. 3 5 2 4 5 4 2 4 2 3
8. 4 5 5 3 4 5 5 4 5 5
9. 3 2 3 3 4 2 2 4 4 4
10. 5 4 5 4 5 5 5 5 4 4
11. 4 1 4 5 3 3 2 4 2 4
12. 4 2 5 5 2 4 3 4 3 1
13. 3 3 5 2 3 4 1 4 3 5
14. 3 4 3 4 4 3 4 4 3 3
15. 5 2 2 4 4 4 4 4 4 4
16. 4 5 2 3 2 4 4 5 4 4
17. 4 5 2 5 2 4 4 5 4 4
18. 5 5 5 4 5 5 4 5 5 5
19. 5 5 5 4 5 5 4 5 5 5
20. 4 2 1 4 4 4 5 4 4 4
21. 4 3 2 4 4 4 3 4 4 2
22. 2 4 3 4 5 5 4 4 4 4
23. 4 4 2 2 4 2 4 4 2 4
24. 4 5 2 4 5 4 3 4 4 4
25. 4 4 2 2 4 2 4 5 4 2
26. 4 4 2 2 4 2 3 5 4 2
27. 4 4 4 2 4 2 2 5 5 2
28. 4 4 4 4 4 4 2 4 4 4
29. 4 4 5 4 4 4 4 4 5 4
30. 2 5 2 5 5 5 3 5 4 4
31. 4 4 3 4 5 4 4 5 4 4
32. 2 2 2 4 4 4 5 5 4 3
33. 4 5 5 5 5 4 4 5 5 4
34. 4 4 2 2 3 4 3 4 4 3
35. 2 2 3 3 3 5 3 5 4 3
36. 1 4 2 4 2 2 4 2 2 4
37. 4 5 2 3 5 3 3 5 4 2
38. 3 5 3 3 4 3 2 5 5 4
39. 4 4 2 4 5 4 4 4 3 3
(4)
41. 4 4 3 3 5 4 4 5 4 2
42. 5 4 5 4 5 4 5 4 4 5
43. 5 3 5 5 5 5 5 5 4 4
44. 5 5 4 5 4 4 5 5 5 5
45. 5 5 5 4 4 5 4 5 4 5
46. 4 4 2 4 4 4 2 4 3 2
47. 4 5 5 5 4 5 5 5 4 5
48. 4 3 5 2 5 4 2 5 5 1
49. 3 3 4 3 4 2 2 4 4 1
50. 5 4 5 5 5 5 5 4 5 5
51. 5 5 4 4 4 4 4 4 4 5
52. 3 4 4 3 4 4 4 5 4 3
53. 3 4 2 4 3 3 3 5 4 4
54. 5 4 4 4 4 5 4 5 5 5
55. 3 4 2 3 4 2 3 4 5 4
56. 3 4 4 2 4 3 3 4 5 3
57. 5 4 5 4 5 5 4 5 5 5
58. 5 4 5 5 4 5 5 4 5 5
59. 4 5 4 4 4 4 4 5 2 4
60. 3 4 3 2 2 2 3 4 4 1
61. 3 3 3 2 3 2 2 5 4 3
62. 3 3 3 2 3 2 2 4 4 4
63. 4 4 4 4 4 4 4 5 4 4
64. 3 4 5 2 3 3 3 5 5 4
65. 4 2 5 5 4 4 2 5 4 2
66. 2 2 3 4 5 3 5 5 5 2
67. 3 4 2 4 5 4 4 4 2 1
68. 3 4 2 4 5 4 4 4 2 1
69. 2 4 2 4 4 2 2 5 5 4
70. 5 4 5 5 4 5 5 5 5 4
71. 5 4 5 4 4 5 5 5 5 5
72. 5 4 5 4 5 5 4 5 5 5
73. 4 4 3 3 4 4 2 4 4 4
74. 5 5 5 4 4 5 5 4 4 5
75. 4 4 2 4 4 2 4 5 5 4
76. 4 4 5 4 4 5 5 4 5 5
77. 2 2 4 5 4 4 2 5 2 2
78. 4 4 4 2 4 3 2 5 3 4
79. 5 4 4 2 4 2 2 4 5 3
80. 5 4 4 4 4 4 4 4 5 4
81. 4 4 4 4 5 2 2 4 4 2
82. 4 4 2 3 4 3 2 5 4 2
(5)
84. 4 5 5 4 4 1 2 5 5 2
85. 4 4 4 3 4 2 3 4 5 4
86. 4 4 2 4 4 2 4 5 4 4
87. 4 5 5 5 4 5 5 4 4 4
88. 4 4 2 4 4 4 3 5 5 3
89. 4 4 2 4 4 4 4 4 4 4
(6)
DATA HASIL KUESIONER (INTERVAL)
Nomor
Responden X1 X2 X3 X4 X5 X6 X7 X8 X9 X10
1. 4,887 4,941 3,418 2,748 1,785 3,018 3,937 2,873 2,495 4,251 2. 2,725 3,568 3,857 2,748 1,785 3,761 3,255 2,873 1,663 1,856 3. 4,887 4,941 4,765 4,035 1,785 4,914 4,999 2,873 2,495 4,251 4. 4,887 3,568 4,765 2,748 2,833 3,761 4,999 4,427 3,774 4,251 5. 3,674 3,568 2,612 1,817 2,833 3,018 2,458 2,873 1,000 2,379 6. 2,725 3,568 4,765 2,748 4,172 4,914 4,999 4,427 3,774 3,101 7. 2,725 4,941 2,612 2,748 4,172 3,761 2,458 2,873 1,000 2,379 8. 3,674 4,941 4,765 1,817 2,833 4,914 4,999 2,873 3,774 4,251 9. 2,725 2,028 3,418 1,817 2,833 2,302 2,458 2,873 2,495 3,101 10. 4,887 3,568 4,765 2,748 4,172 4,914 4,999 4,427 2,495 3,101 11. 3,674 1,000 3,857 4,035 1,785 3,018 2,458 2,873 1,000 3,101 12. 3,674 2,028 4,765 4,035 1,000 3,761 3,255 2,873 1,663 1,000 13. 2,725 2,588 4,765 1,000 1,785 3,761 1,000 2,873 1,663 4,251 14. 2,725 3,568 3,418 2,748 2,833 3,018 3,937 2,873 1,663 2,379 15. 4,887 2,028 2,612 2,748 2,833 3,761 3,937 2,873 2,495 3,101 16. 3,674 4,941 2,612 1,817 1,000 3,761 3,937 4,427 2,495 3,101 17. 3,674 4,941 2,612 4,035 1,000 3,761 3,937 4,427 2,495 3,101 18. 4,887 4,941 4,765 2,748 4,172 4,914 3,937 4,427 3,774 4,251 19. 4,887 4,941 4,765 2,748 4,172 4,914 3,937 4,427 3,774 4,251 20. 3,674 2,028 1,000 2,748 2,833 3,761 4,999 2,873 2,495 3,101 21. 3,674 2,588 2,612 2,748 2,833 3,761 3,255 2,873 2,495 1,856 22. 1,936 3,568 3,418 2,748 4,172 4,914 3,937 2,873 2,495 3,101 23. 3,674 3,568 2,612 1,000 2,833 2,302 3,937 2,873 1,000 3,101 24. 3,674 4,941 2,612 2,748 4,172 3,761 3,255 2,873 2,495 3,101 25. 3,674 3,568 2,612 1,000 2,833 2,302 3,937 4,427 2,495 1,856 26. 3,674 3,568 2,612 1,000 2,833 2,302 3,255 4,427 2,495 1,856 27. 3,674 3,568 3,857 1,000 2,833 2,302 2,458 4,427 3,774 1,856 28. 3,674 3,568 3,857 2,748 2,833 3,761 2,458 2,873 2,495 3,101 29. 3,674 3,568 4,765 2,748 2,833 3,761 3,937 2,873 3,774 3,101 30. 1,936 4,941 2,612 4,035 4,172 4,914 3,255 4,427 2,495 3,101 31. 3,674 3,568 3,418 2,748 4,172 3,761 3,937 4,427 2,495 3,101 32. 1,936 2,028 2,612 2,748 2,833 3,761 4,999 4,427 2,495 2,379 33. 3,674 4,941 4,765 4,035 4,172 3,761 3,937 4,427 3,774 3,101 34. 3,674 3,568 2,612 1,000 1,785 3,761 3,255 2,873 2,495 2,379 35. 1,936 2,028 3,418 1,817 1,785 4,914 3,255 4,427 2,495 2,379 36. 1,000 3,568 2,612 2,748 1,000 2,302 3,937 1,000 1,000 3,101 37. 3,674 4,941 2,612 1,817 4,172 3,018 3,255 4,427 2,495 1,856 38. 2,725 4,941 3,418 1,817 2,833 3,018 2,458 4,427 3,774 3,101 39. 3,674 3,568 2,612 2,748 4,172 3,761 3,937 2,873 1,663 2,379 40. 3,674 3,568 2,612 2,748 1,000 3,761 3,937 2,873 2,495 3,101 41. 3,674 3,568 3,418 1,817 4,172 3,761 3,937 4,427 2,495 1,856 42. 4,887 3,568 4,765 2,748 4,172 3,761 4,999 2,873 2,495 4,251 43. 4,887 2,588 4,765 4,035 4,172 4,914 4,999 4,427 2,495 3,101 44. 4,887 4,941 3,857 4,035 2,833 3,761 4,999 4,427 3,774 4,251 45. 4,887 4,941 4,765 2,748 2,833 4,914 3,937 4,427 2,495 4,251 46. 3,674 3,568 2,612 2,748 2,833 3,761 2,458 2,873 1,663 1,856 47. 3,674 4,941 4,765 4,035 2,833 4,914 4,999 4,427 2,495 4,251 48. 3,674 2,588 4,765 1,000 4,172 3,761 2,458 4,427 3,774 1,000 49. 2,725 2,588 3,857 1,817 2,833 2,302 2,458 2,873 2,495 1,000 50. 4,887 3,568 4,765 4,035 4,172 4,914 4,999 2,873 3,774 4,251 51. 4,887 4,941 3,857 2,748 2,833 3,761 3,937 2,873 2,495 4,251 52. 2,725 3,568 3,857 1,817 2,833 3,761 3,937 4,427 2,495 2,379 53. 2,725 3,568 2,612 2,748 1,785 3,018 3,255 4,427 2,495 3,101 54. 4,887 3,568 3,857 2,748 2,833 4,914 3,937 4,427 3,774 4,251 55. 2,725 3,568 2,612 1,817 2,833 2,302 3,255 2,873 3,774 3,101 56. 2,725 3,568 3,857 1,000 2,833 3,018 3,255 2,873 3,774 2,379
(7)
57. 4,887 3,568 4,765 2,748 4,172 4,914 3,937 4,427 3,774 4,251 58. 4,887 3,568 4,765 4,035 2,833 4,914 4,999 2,873 3,774 4,251 59. 3,674 4,941 3,857 2,748 2,833 3,761 3,937 4,427 1,000 3,101 60. 2,725 3,568 3,418 1,000 1,000 2,302 3,255 2,873 2,495 1,000 61. 2,725 2,588 3,418 1,000 1,785 2,302 2,458 4,427 2,495 2,379 62. 2,725 2,588 3,418 1,000 1,785 2,302 2,458 2,873 2,495 3,101 63. 3,674 3,568 3,857 2,748 2,833 3,761 3,937 4,427 2,495 3,101 64. 2,725 3,568 4,765 1,000 1,785 3,018 3,255 4,427 3,774 3,101 65. 3,674 2,028 4,765 4,035 2,833 3,761 2,458 4,427 2,495 1,856 66. 1,936 2,028 3,418 2,748 4,172 3,018 4,999 4,427 3,774 1,856 67. 2,725 3,568 2,612 2,748 4,172 3,761 3,937 2,873 1,000 1,000 68. 2,725 3,568 2,612 2,748 4,172 3,761 3,937 2,873 1,000 1,000 69. 1,936 3,568 2,612 2,748 2,833 2,302 2,458 4,427 3,774 3,101 70. 4,887 3,568 4,765 4,035 2,833 4,914 4,999 4,427 3,774 3,101 71. 4,887 3,568 4,765 2,748 2,833 4,914 4,999 4,427 3,774 4,251 72. 4,887 3,568 4,765 2,748 4,172 4,914 3,937 4,427 3,774 4,251 73. 3,674 3,568 3,418 1,817 2,833 3,761 2,458 2,873 2,495 3,101 74. 4,887 4,941 4,765 2,748 2,833 4,914 4,999 2,873 2,495 4,251 75. 3,674 3,568 2,612 2,748 2,833 2,302 3,937 4,427 3,774 3,101 76. 3,674 3,568 4,765 2,748 2,833 4,914 4,999 2,873 3,774 4,251 77. 1,936 2,028 3,857 4,035 2,833 3,761 2,458 4,427 1,000 1,856 78. 3,674 3,568 3,857 1,000 2,833 3,018 2,458 4,427 1,663 3,101 79. 4,887 3,568 3,857 1,000 2,833 2,302 2,458 2,873 3,774 2,379 80. 4,887 3,568 3,857 2,748 2,833 3,761 3,937 2,873 3,774 3,101 81. 3,674 3,568 3,857 2,748 4,172 2,302 2,458 2,873 2,495 1,856 82. 3,674 3,568 2,612 1,817 2,833 3,018 2,458 4,427 2,495 1,856 83. 3,674 3,568 2,612 1,817 4,172 3,018 2,458 4,427 3,774 3,101 84. 3,674 4,941 4,765 2,748 2,833 1,000 2,458 4,427 3,774 1,856 85. 3,674 3,568 3,857 1,817 2,833 2,302 3,255 2,873 3,774 3,101 86. 3,674 3,568 2,612 2,748 2,833 2,302 3,937 4,427 2,495 3,101 87. 3,674 4,941 4,765 4,035 2,833 4,914 4,999 2,873 2,495 3,101 88. 3,674 3,568 2,612 2,748 2,833 3,761 3,255 4,427 3,774 2,379 89. 3,674 3,568 2,612 2,748 2,833 3,761 3,937 2,873 2,495 3,101 90. 4,887 3,568 2,612 2,748 2,833 3,761 2,458 2,873 1,000 4,251
(8)
Perhitungan Korelasi Product Moment untuk X1 dan Y
No. Responden
X Y X2 Y2 XY
1. 4,887 29,466 23,88277 868,2452 144,0003
2. 2,725 25,366 7,425625 643,434 69,12235
3. 4,887 35,058 23,88277 1229,063 171,3284
4. 4,887 35,126 23,88277 1233,836 171,6608
5. 3,674 22,558 13,49828 508,8634 82,87809
6. 2,725 36,468 7,425625 1329,915 99,3753
7. 2,725 26,944 7,425625 725,9791 73,4224
8. 3,674 35,167 13,49828 1236,718 129,2036
9. 2,725 23,325 7,425625 544,0556 63,56063
10. 4,887 35,189 23,88277 1238,266 171,9686
11. 3,674 23,127 13,49828 534,8581 84,9686
12. 3,674 24,38 13,49828 594,3844 89,57212
13. 2,725 23,686 7,425625 561,0266 64,54435
14. 2,725 26,437 7,425625 698,915 72,04083
15. 4,887 26,388 23,88277 696,3265 128,9582
16. 3,674 28,091 13,49828 789,1043 103,2063
17. 3,674 30,309 13,49828 918,6355 111,3553
18. 4,887 37,929 23,88277 1438,609 185,359
19. 4,887 37,929 23,88277 1438,609 185,359
20. 3,674 25,838 13,49828 667,6022 94,92881
21. 3,674 25,021 13,49828 626,0504 91,92715
22. 1,936 31,226 3,748096 975,0631 60,45354
23. 3,674 23,226 13,49828 539,4471 85,33232
24. 3,674 29,958 13,49828 897,4818 110,0657
25. 3,674 25,03 13,49828 626,5009 91,96022
26. 3,674 24,348 13,49828 592,8251 89,45455
27. 3,674 26,075 13,49828 679,9056 95,79955
28. 3,674 27,694 13,49828 766,9576 101,7478
(9)
30. 1,936 33,952 3,748096 1152,738 65,73107
31. 3,674 31,627 13,49828 1000,267 116,1976
32. 1,936 28,282 3,748096 799,8715 54,75395
33. 3,674 36,913 13,49828 1362,57 135,6184
34. 3,674 23,728 13,49828 563,018 87,17667
35. 1,936 26,518 3,748096 703,2043 51,33885
36. 1,000 21,268 1 452,3278 21,268
37. 3,674 28,593 13,49828 817,5596 105,0507
38. 2,725 29,787 7,425625 887,2654 81,16958
39. 3,674 27,713 13,49828 768,0104 101,8176
40. 3,674 26,095 13,49828 680,949 95,87303
41. 3,674 29,451 13,49828 867,3614 108,203
42. 4,887 33,632 23,88277 1131,111 164,3596
43. 4,887 35,496 23,88277 1259,966 173,469
44. 4,887 36,878 23,88277 1359,987 180,2228
45. 4,887 35,311 23,88277 1246,867 172,5649
46. 3,674 24,372 13,49828 593,9944 89,54273
47. 3,674 37,66 13,49828 1418,276 138,3628
48. 3,674 27,945 13,49828 780,923 102,6699
49. 2,725 22,223 7,425625 493,8617 60,55768
50. 4,887 37,351 23,88277 1395,097 182,5343
51. 4,887 31,696 23,88277 1004,636 154,8984
52. 2,725 29,074 7,425625 845,2975 79,22665
53. 2,725 27,009 7,425625 729,4861 73,59953
54. 4,887 34,309 23,88277 1177,107 167,6681
55. 2,725 26,135 7,425625 683,0382 71,21788
56. 2,725 26,557 7,425625 705,2742 72,36783
57. 4,887 36,556 23,88277 1336,341 178,6492
58. 4,887 36,012 23,88277 1296,864 175,9906
59. 3,674 30,605 13,49828 936,666 112,4428
60. 2,725 20,911 7,425625 437,2699 56,98248
61. 2,725 22,852 7,425625 522,2139 62,2717
62. 2,725 22,02 7,425625 484,8804 60,0045
(10)
64. 2,725 28,693 7,425625 823,2882 78,18843
65. 3,674 28,658 13,49828 821,281 105,2895
66. 1,936 30,44 3,748096 926,5936 58,93184
67. 2,725 25,671 7,425625 659,0002 69,95348
68. 2,725 25,671 7,425625 659,0002 69,95348
69. 1,936 27,823 3,748096 774,1193 53,86533
70. 4,887 36,416 23,88277 1326,125 177,965
71. 4,887 36,279 23,88277 1316,166 177,2955
72. 4,887 36,556 23,88277 1336,341 178,6492
73. 3,674 26,324 13,49828 692,953 96,71438
74. 4,887 34,819 23,88277 1212,363 170,1605
75. 3,674 29,302 13,49828 858,6072 107,6555
76. 3,674 34,725 13,49828 1205,826 127,5797
77. 1,936 26,255 3,748096 689,325 50,82968
78. 3,674 25,925 13,49828 672,1056 95,24845
79. 4,887 25,044 23,88277 627,2019 122,39
80. 4,887 30,452 23,88277 927,3243 148,8189
81. 3,674 26,329 13,49828 693,2162 96,73275
82. 3,674 25,084 13,49828 629,2071 92,15862
83. 3,674 28,947 13,49828 837,9288 106,3513
84. 3,674 28,802 13,49828 829,5552 105,8185
85. 3,674 27,38 13,49828 749,6644 100,5941
86. 3,674 28,023 13,49828 785,2885 102,9565
87. 3,674 34,956 13,49828 1221,922 128,4283
88. 3,674 29,357 13,49828 861,8334 107,8576
89. 3,674 27,928 13,49828 779,9732 102,6075
90. 4,887 26,104 23,88525 681,4188 127,5769
(11)
2 2 2 2 . Y Y n X X n Y X XY n rxy 2 2 911 , 2633 36 , 79018 90 638 , 326 632 , 1263 90 911 , 2633 638 , 326 955 , 9765 90 xy r 6937487 7111652 2 , 106692 9 , 113726 5 , 860334 878936 xy r 2 , 174165 705 , 7034 48 , 18601 xy r xy r = 1225200760 48 , 18601 86 , 35002 48 , 18601 xy r xy
(12)
Hasil outout SPSS for Windows 20.0 Case Processing Summary
N %
Cases
Valid 90 100,0
Excludeda 0 ,0
Total 90 100,0
a. Listwise deletion based on all variables in the procedure.
Item-Total Statistics Scale Mean if
Item Deleted
Scale Variance if Item Deleted
Corrected Item-Total Correlation
Cronbach's Alpha if Item
Deleted
VAR00001 29,2660 21,745 ,531 ,734
VAR00002 29,2657 23,540 ,328 ,761
VAR00003 29,2660 22,182 ,488 ,740
VAR00004 30,3599 23,015 ,381 ,755
VAR00005 29,9555 23,994 ,273 ,768
VAR00006 29,2660 21,091 ,613 ,722
VAR00007 29,2659 21,557 ,550 ,731
VAR00008 29,2661 24,846 ,211 ,774
VAR00009 30,1906 23,088 ,382 ,754
VAR00010 29,9560 21,522 ,552 ,731
Reliability Statistics Cronbach's
Alpha
N of Items
(13)
Correlation Matrixa VAR0000
1
VAR0000 2
VAR0000 3
VAR0000 4
VAR0000 5
VAR0000 6
VAR0000 7
VAR0000 8
VAR0000 9
VAR0001 0
Correlatio n
VAR0000
1 1,000 ,282 ,390 ,231 ,174 ,368 ,346 ,082 ,288 ,513
VAR0000
2 ,282 1,000 ,122 ,114 ,133 ,194 ,231 ,105 ,163 ,370
VAR0000
3 ,390 ,122 1,000 ,244 ,130 ,435 ,256 ,157 ,387 ,364
VAR0000
4 ,231 ,114 ,244 1,000 ,139 ,508 ,454 ,028 -,038 ,277
VAR0000
5 ,174 ,133 ,130 ,139 1,000 ,273 ,176 ,226 ,192 ,018
VAR0000
6 ,368 ,194 ,435 ,508 ,273 1,000 ,555 ,107 ,112 ,483
VAR0000
7 ,346 ,231 ,256 ,454 ,176 ,555 1,000 ,068 ,247 ,420
VAR0000
8 ,082 ,105 ,157 ,028 ,226 ,107 ,068 1,000 ,363 ,009
VAR0000
9 ,288 ,163 ,387 -,038 ,192 ,112 ,247 ,363 1,000 ,301
VAR0001
0 ,513 ,370 ,364 ,277 ,018 ,483 ,420 ,009 ,301 1,000
Sig. (1-tailed)
VAR0000
(14)
VAR0000
2 ,004 ,125 ,143 ,105 ,033 ,014 ,163 ,063 ,000
VAR0000
3 ,000 ,125 ,010 ,111 ,000 ,008 ,070 ,000 ,000
VAR0000
4 ,014 ,143 ,010 ,096 ,000 ,000 ,398 ,359 ,004
VAR0000
5 ,051 ,105 ,111 ,096 ,005 ,048 ,016 ,035 ,432
VAR0000
6 ,000 ,033 ,000 ,000 ,005 ,000 ,158 ,147 ,000
VAR0000
7 ,000 ,014 ,008 ,000 ,048 ,000 ,261 ,010 ,000
VAR0000
8 ,222 ,163 ,070 ,398 ,016 ,158 ,261 ,000 ,465
VAR0000
9 ,003 ,063 ,000 ,359 ,035 ,147 ,010 ,000 ,002
VAR0001
0 ,000 ,000 ,000 ,004 ,432 ,000 ,000 ,465 ,002
(15)
KMO and Bartlett's Test Kaiser-Meyer-Olkin Measure of Sampling
Adequacy. ,738
Bartlett's Test of Sphericity
Approx. Chi-Square 215,393
df 45
Sig. ,000
Communalities
Initial Extraction
VAR00001 1,000 ,551
VAR00002 1,000 ,319
VAR00003 1,000 ,433
VAR00004 1,000 ,685
VAR00005 1,000 ,567
VAR00006 1,000 ,729
VAR00007 1,000 ,577
VAR00008 1,000 ,633
VAR00009 1,000 ,694
VAR00010 1,000 ,727
Extraction Method: Principal Component Analysis.
(16)
Anti-image Matrices VAR0000
1
VAR0000 2
VAR0000 3
VAR0000 4
VAR0000 5
VAR0000 6
VAR0000 7
VAR0000 8
VAR0000 9
VAR0001 0
Anti-image Covarianc e
VAR0000
1 ,653 -,070 -,121 -,017 -,084 -,005 -,049 ,011 -,039 -,182
VAR0000
2 -,070 ,827 ,036 ,012 -,084 ,026 -,051 -,068 ,007 -,174
VAR0000
3 -,121 ,036 ,651 -,061 ,040 -,163 ,074 -,005 -,206 -,023
VAR0000
4 -,017 ,012 -,061 ,668 -,020 -,136 -,169 -,025 ,131 -,017
VAR0000
5 -,084 -,084 ,040 -,020 ,826 -,147 ,001 -,099 -,104 ,145
VAR0000
6 -,005 ,026 -,163 -,136 -,147 ,459 -,174 -,057 ,118 -,142
VAR0000
7 -,049 -,051 ,074 -,169 ,001 -,174 ,579 ,045 -,139 -,042
VAR0000
8 ,011 -,068 -,005 -,025 -,099 -,057 ,045 ,817 -,241 ,090
VAR0000
(17)
VAR0001
0 -,182 -,174 -,023 -,017 ,145 -,142 -,042 ,090 -,122 ,525
Anti-image Correlatio n
VAR0000
1 ,849
a
-,095 -,186 -,026 -,115 -,008 -,079 ,015 -,061 -,310
VAR0000
2 -,095 ,787
a
,049 ,016 -,102 ,042 -,073 -,083 ,010 -,264
VAR0000
3 -,186 ,049 ,757
a
-,092 ,055 -,298 ,121 -,006 -,323 -,039
VAR0000
4 -,026 ,016 -,092 ,786
a
-,027 -,246 -,271 -,035 ,203 -,028
VAR0000
5 -,115 -,102 ,055 -,027 ,623
a
-,238 ,001 -,121 -,145 ,221
VAR0000
6 -,008 ,042 -,298 -,246 -,238 ,731
a
-,338 -,093 ,220 -,289
VAR0000
7 -,079 -,073 ,121 -,271 ,001 -,338 ,787
a
,065 -,231 -,077
VAR0000
8 ,015 -,083 -,006 -,035 -,121 -,093 ,065 ,588
a
-,338 ,138
VAR0000
9 -,061 ,010 -,323 ,203 -,145 ,220 -,231 -,338 ,579
a
-,212 VAR0001
0 -,310 -,264 -,039 -,028 ,221 -,289 -,077 ,138 -,212 ,750
a
(18)
Total Variance Explained
Component Initial Eigenvalues Extraction Sums of Squared Loadings Rotation Sums of Squared Loadings
Total % of Variance Cumulative % Total % of Variance Cumulative % Total % of Variance Cumulative %
1 3,372 33,721 33,721 3,372 33,721 33,721 2,304 23,041 23,041
2 1,418 14,176 47,897 1,418 14,176 47,897 2,104 21,045 44,086
3 1,125 11,248 59,144 1,125 11,248 59,144 1,506 15,059 59,144
4 ,935 9,349 68,494
5 ,755 7,553 76,047
6 ,640 6,399 82,446
7 ,568 5,675 88,121
8 ,486 4,864 92,985
9 ,424 4,237 97,222
10 ,278 2,778 100,000
(19)
Component Matrixa Component
1 2 3
VAR00001 ,679 ,032 -,297
VAR00002 ,447 ,075 -,337
VAR00003 ,631 ,166 -,087
VAR00004 ,551 -,482 ,387
VAR00005 ,350 ,305 ,593
VAR00006 ,762 -,284 ,260
VAR00007 ,705 -,243 ,146
VAR00008 ,255 ,680 ,326
VAR00009 ,475 ,661 -,178
VAR00010 ,721 -,139 -,433
Extraction Method: Principal Component Analysis.
a. 3 components extracted.
Rotated Component Matrixa Component
1 2 3
VAR00001 ,695 ,250 ,071
VAR00002 ,561 ,058 ,017
VAR00003 ,541 ,256 ,273
VAR00004 ,058 ,825 -,032
VAR00005 -,095 ,365 ,652
VAR00006 ,328 ,778 ,125
VAR00007 ,370 ,658 ,083
VAR00008 ,078 -,050 ,790
VAR00009 ,572 -,170 ,581
VAR00010 ,789 ,300 -,125
Extraction Method: Principal Component Analysis.
Rotation Method: Varimax with Kaiser Normalization.
(20)
Reproduced Correlations VAR0000 1 VAR0000 2 VAR0000 3 VAR0000 4 VAR0000 5 VAR0000 6 VAR0000 7 VAR0000 8 VAR0000 9 VAR0001 0 Reproduce d Correlatio n VAR0000
1 ,551
a
,406 ,460 ,244 ,071 ,431 ,428 ,098 ,396 ,614
VAR0000
2 ,406 ,319
a
,323 ,080 -,021 ,231 ,247 ,055 ,321 ,458
VAR0000
3 ,460 ,323 ,433
a
,234 ,220 ,411 ,391 ,246 ,425 ,470
VAR0000
4 ,244 ,080 ,234 ,685
a
,275 ,657 ,561 -,062 -,126 ,297
VAR0000
5 ,071 -,021 ,220 ,275 ,567
a
,334 ,259 ,489 ,262 -,047
VAR0000
6 ,431 ,231 ,411 ,657 ,334 ,729
a
,644 ,085 ,127 ,476
VAR0000
7 ,428 ,247 ,391 ,561 ,259 ,644 ,577
a
,062 ,148 ,479
VAR0000
8 ,098 ,055 ,246 -,062 ,489 ,085 ,062 ,633
a
(21)
VAR0000
9 ,396 ,321 ,425 -,126 ,262 ,127 ,148 ,512 ,694
a
,328 VAR0001
0 ,614 ,458 ,470 ,297 -,047 ,476 ,479 -,052 ,328 ,727
a
Residualb
VAR0000
1 -,124 -,070 -,013 ,102 -,063 -,082 -,016 -,108 -,102
VAR0000
2 -,124 -,201 ,034 ,154 -,037 -,016 ,050 -,159 -,088
VAR0000
3 -,070 -,201 ,010 -,090 ,024 -,136 -,089 -,038 -,106
VAR0000
4 -,013 ,034 ,010 -,136 -,149 -,107 ,089 ,087 -,019
VAR0000
5 ,102 ,154 -,090 -,136 -,061 -,083 -,264 -,070 ,065
VAR0000
6 -,063 -,037 ,024 -,149 -,061 -,088 ,022 -,016 ,007
VAR0000
7 -,082 -,016 -,136 -,107 -,083 -,088 ,007 ,098 -,059
VAR0000
8 -,016 ,050 -,089 ,089 -,264 ,022 ,007 -,149 ,061
VAR0000
9 -,108 -,159 -,038 ,087 -,070 -,016 ,098 -,149 -,027
VAR0001
0 -,102 -,088 -,106 -,019 ,065 ,007 -,059 ,061 -,027
Extraction Method: Principal Component Analysis. a. Reproduced communalities
(22)
b. Residuals are computed between observed and reproduced correlations. There are 31 (68,0%) nonredundant residuals with absolute values greater than 0.05.
(23)
Perhitungan Nilai Cronbach Alpha Untuk Variabel X1
1. Mencari nilai varians dari masing-masing variabel dengan menggunakan rumus varians sebagai berikut :
8782 , 0 ) ( 1 2 X s 8304 , 0 ) ( 2 2 X s 8493 , 0 ) ( 3 2 X s 8601 , 0 ) ( 4 2 X s 8342 , 0 ) ( 5 2 X s 8839 , 0 ) ( 6 2 X s 8909 , 0 ) ( 7 2 X s 6821 , 0 ) ( 8 2 X s 8308 , 0 ) ( 9 2 X s 8973 , 0 ) ( 10 2 X s
2. Mencari nilai total varians (tanpa variabel X1). 745 , 21 2 t s
3. Melakukan proses perhitungan nilai Alpha Cronbach variabel X1 dengan
menggunakan rumus :
745 , 21 8973 , 0 8308 , 0 6821 , 0 8909 , 0 8839 , 0 8342 , 0 8601 , 0 8493 , 0 8304 , 0 1 1 10 10 r
(24)
745 , 21 5011 , 7 1 9 10 r 3449 , 0 1 11 , 1 r 6551 , 0 11 , 1 r 7271 , 0 r
Dari hasil perhitungan diperoleh nilai Cronabch Alpha untuk variabel X1 = 0,7271 hampir
sama dengan output SPSS yaitu 0,734. Hal ini disebabkan karena faktor pembulatan dalam proses perhitungannya.
Perhitungan Korelasi Antara Variabel X1Dengan X2
Nomor
Responden X1 X2 X12 X22 X1X2
1. 4,887 4,941 23,88277 24,41348 24,14667
2. 2,725 3,568 7,425625 12,73062 9,7228
3. 4,887 4,941 23,88277 24,41348 24,14667
4. 4,887 3,568 23,88277 12,73062 17,43682
5. 3,674 3,568 13,49828 12,73062 13,10883
6. 2,725 3,568 7,425625 12,73062 9,7228
7. 2,725 4,941 7,425625 24,41348 13,46423
8. 3,674 4,941 13,49828 24,41348 18,15323
9. 2,725 2,028 7,425625 4,112784 5,5263
10. 4,887 3,568 23,88277 12,73062 17,43682
11. 3,674 1,000 13,49828 1 3,674
12. 3,674 2,028 13,49828 4,112784 7,450872
13. 2,725 2,588 7,425625 6,697744 7,0523
14. 2,725 3,568 7,425625 12,73062 9,7228
15. 4,887 2,028 23,88277 4,112784 9,910836
16. 3,674 4,941 13,49828 24,41348 18,15323
17. 3,674 4,941 13,49828 24,41348 18,15323
(25)
19. 4,887 4,941 23,88277 24,41348 24,14667
20. 3,674 2,028 13,49828 4,112784 7,450872
21. 3,674 2,588 13,49828 6,697744 9,508312
22. 1,936 3,568 3,748096 12,73062 6,907648
23. 3,674 3,568 13,49828 12,73062 13,10883
24. 3,674 4,941 13,49828 24,41348 18,15323
25. 3,674 3,568 13,49828 12,73062 13,10883
26. 3,674 3,568 13,49828 12,73062 13,10883
27. 3,674 3,568 13,49828 12,73062 13,10883
28. 3,674 3,568 13,49828 12,73062 13,10883
29. 3,674 3,568 13,49828 12,73062 13,10883
30. 1,936 4,941 3,748096 24,41348 9,565776
31. 3,674 3,568 13,49828 12,73062 13,10883
32. 1,936 2,028 3,748096 4,112784 3,926208
33. 3,674 4,941 13,49828 24,41348 18,15323
34. 3,674 3,568 13,49828 12,73062 13,10883
35. 1,936 2,028 3,748096 4,112784 3,926208
36. 1,000 3,568 1 12,73062 3,568
37. 3,674 4,941 13,49828 24,41348 18,15323
38. 2,725 4,941 7,425625 24,41348 13,46423
39. 3,674 3,568 13,49828 12,73062 13,10883
40. 3,674 3,568 13,49828 12,73062 13,10883
41. 3,674 3,568 13,49828 12,73062 13,10883
42. 4,887 3,568 23,88277 12,73062 17,43682
43. 4,887 2,588 23,88277 6,697744 12,64756
44. 4,887 4,941 23,88277 24,41348 24,14667
45. 4,887 4,941 23,88277 24,41348 24,14667
46. 3,674 3,568 13,49828 12,73062 13,10883
47. 3,674 4,941 13,49828 24,41348 18,15323
48. 3,674 2,588 13,49828 6,697744 9,508312
49. 2,725 2,588 7,425625 6,697744 7,0523
50. 4,887 3,568 23,88277 12,73062 17,43682
51. 4,887 4,941 23,88277 24,41348 24,14667
52. 2,725 3,568 7,425625 12,73062 9,7228
(26)
54. 4,887 3,568 23,88277 12,73062 17,43682
55. 2,725 3,568 7,425625 12,73062 9,7228
56. 2,725 3,568 7,425625 12,73062 9,7228
57. 4,887 3,568 23,88277 12,73062 17,43682
58. 4,887 3,568 23,88277 12,73062 17,43682
59. 3,674 4,941 13,49828 24,41348 18,15323
60. 2,725 3,568 7,425625 12,73062 9,7228
61. 2,725 2,588 7,425625 6,697744 7,0523
62. 2,725 2,588 7,425625 6,697744 7,0523
63. 3,674 3,568 13,49828 12,73062 13,10883
64. 2,725 3,568 7,425625 12,73062 9,7228
65. 3,674 2,028 13,49828 4,112784 7,450872
66. 1,936 2,028 3,748096 4,112784 3,926208
67. 2,725 3,568 7,425625 12,73062 9,7228
68. 2,725 3,568 7,425625 12,73062 9,7228
69. 1,936 3,568 3,748096 12,73062 6,907648
70. 4,887 3,568 23,88277 12,73062 17,43682
71. 4,887 3,568 23,88277 12,73062 17,43682
72. 4,887 3,568 23,88277 12,73062 17,43682
73. 3,674 3,568 13,49828 12,73062 13,10883
74. 4,887 4,941 23,88277 24,41348 24,14667
75. 3,674 3,568 13,49828 12,73062 13,10883
76. 3,674 3,568 13,49828 12,73062 13,10883
77. 1,936 2,028 3,748096 4,112784 3,926208
78. 3,674 3,568 13,49828 12,73062 13,10883
79. 4,887 3,568 23,88277 12,73062 17,43682
80. 4,887 3,568 23,88277 12,73062 17,43682
81. 3,674 3,568 13,49828 12,73062 13,10883
82. 3,674 3,568 13,49828 12,73062 13,10883
83. 3,674 3,568 13,49828 12,73062 13,10883
84. 3,674 4,941 13,49828 24,41348 18,15323
85. 3,674 3,568 13,49828 12,73062 13,10883
86. 3,674 3,568 13,49828 12,73062 13,10883
87. 3,674 4,941 13,49828 24,41348 18,15323
(27)
89. 3,674 3,568 13,49828 12,73062 13,10883
90. 4,887 3,568 23,88277 12,73062 17,43682
Jumlah 326,638 326,638 1263,632 1259,401 1206,88
2 2 2 2 2 1 2 1 2 1 2 1 2 1 X X n X X n X X X X n rxx
} ) 638 , 326 ( 401 , 1259 90 }{ 638 , 326 632 , 1263 90 { 638 , 326 638 , 326 ) 88 , 1206 ( 90 2 2 2 1x x r 2 , 106692 1 , 113346 2 , 106692 9 , 113726 2 , 106692 2 , 108619 2 1x x r 978 , 6653 705 , 7034 076 , 1927 2 1x x r 46808774 076 , 1927 2 1x x r 693 , 6841 076 , 1927 2 1x x r 28 , 0 2 1x x r
(28)
PERHITUNGANGAN KMO DAN MSA
Untuk menghitung KMO dan MSA maka diperlukan matriks korelasi sederhana dan matriks korelasi parsial yang semua entrinya telah dikuadratkan. Berikut ini akan disajikan matriks korelasi sederhana dan matriks korelasi parsial yang semua entrinya telah dikuadratkan.
MATRIKS KORELASI SEDERHANA = rik
1 2 3 4 5 6 7 8 9 10
1 0,282 0,390 0,231 0,174 0,368 0,346 0,082 0,288 0,513
2 0,282 0,122 0,114 0,133 0,194 0,231 0,105 0,163 0,370
3 0,390 0,122 0,244 0,130 0,435 0,256 0,157 0,387 0,364
4 0,231 0,114 0,244 0,139 0,508 0,454 0,028 0,038 0,277
5 0,174 0,133 0,130 0,139 0,273 0,176 0,226 0,192 0,018
6 0,368 0,194 0,435 0,508 0,273 0,555 0,107 0,112 0,483
7 0,346 0,231 0,256 0,454 0,176 0,555 0,068 0,247 0,420
8 0,082 0,105 0,157 0,028 0,226 0,107 0,068 0,363 0,009
9 0,288 0,163 0,387 0,038 0,192 0,112 0,247 0,363 0,301
(29)
(30)
1 2 3 4
5 6 7 8 9
10
1
-0,095 -0,186 - 0,026 -0,115 -0,008 -0,079 0,015 -0,061 -0,310
2 -0,095 0,049 0,016 -0,102 0,042 -0,073 -0,083 0,010 -0,264
3 -0,186 0,049 -0,092 0,055 -0,298 0,121 -0,006 -0,323 -0,039
4 -0,026 0,016 -0,092 -0,027 -0,246 -0,271 -0,035 0,203 -0,028
5 -0,115 -0,102 0,055 -0,027 -0,238 0,001 -0,121 -0,145 0,221
6 -0,008 0,042 -0,298 -0,246 -0,238 -0,338 -0,093 0,220 -0,289
7 -0,079 -0,073 0,121 -0,271 0,001 -0,338 0,065 -0,231 -0,077
8 0,015 -0,083 -0,006 -0,035 -0,121 -0,093 0,065 -0,338 0,138
9 -0,061 0,010 -0,323 0,203 -0,145 0,220 -0,231 -0,338 -0,212
(31)
KUADRAT MATRIKS KORELASI SEDERHANA = r2ik
1 2 3 4 5 6 7 8 9 10 Jumlah
1 0,079 0,152 0,053 0,030 0,135 0,119 0,006 0,082 0,263 0,923
2 0,079 0,014 0,012 0,017 0,037 0,053 0,011 0,026 0,136 0,390
3 0,152 0,014 0,059 0,016 0,189 0,065 0,024 0,149 0,132 0,805
4 0,053 0,012 0,059 0,019 0,258 0,206 0,000 0,001 0,076 0,688
5 0,030 0,017 0,016 0,019 0,074 0,030 0,051 0,036 0,000 0,277
6 0,135 0,037 0,189 0,258 0,074 0,308 0,011 0,012 0,233 1,260
7 0,119 0,053 0,065 0,206 0,030 0,308 0,004 0,061 0,176 1,025
8 0,006 0,011 0,024 0,000 0,051 0,011 0,004 0,131 0,000 0,242
9 0,082 0,026 0,149 0,001 0,036 0,012 0,061 0,131 0,090 0,593
10 0,263 0,136 0,132 0,076 0,000 0,233 0,176 0,000 0,090 1,109
TOTAL 7,316
(32)
ik k i i ik k i i ik k i i a r r KMO 2 2 2 738 , 0 911 , 9 316 , 7 594 , 2 316 , 7 316 , 7 KMO ik k i ik k i ik k i i a r r MSA 2 2 2 749 , 0 480 , 1 109 , 1 370 , 0 109 , 1 109 , 1 579 , 0 024 , 1 593 , 0 431 , 0 593 , 0 593 , 0 588 , 0 411 , 0 242 , 0 169 , 0 242 , 0 242 , 0 787 , 0 303 , 1 025 , 1 277 , 0 025 , 1 025 , 1 731 , 0 722 , 1 260 , 1 462 , 0 260 , 1 260 , 1 622 , 0 446 , 0 277 , 0 168 , 0 277 , 0 277 , 0 786 , 0 875 , 0 688 , 0 187 , 0 688 , 0 688 , 0 757 , 0 062 , 1 805 , 0 257 , 0 805 , 0 805 , 0 786 , 0 496 , 0 390 , 0 105 , , 0 390 , 0 390 , 0 849 , 0 087 , 1 923 , 0 163 , 0 923 , 0 923 , 0 10 9 8 7 6 5 4 3 2 1 MSA MSA MSA MSA MSA MSA MSA MSA MSA MSA
(33)
KUADRAT MATRIKS KORELASI PARSIAL = a2ik
1 2 3 4 5 6 7 8 9 10 Jumlah
1 0,009 0,034 0,000 0,013 0,000 0,006 0,000 0,003 0,096 0,163
2 0,009 0,002 0,000 0,010 0,001 0,005 0,006 0,000 0,069 0,105
3 0,034 0,002 0,008 0,003 0,088 0,014 0,000 0,104 0,001 0,257
4 0,000 0,000 0,008 0,000 0,060 0,073 0,001 0,041 0,000 0,187
5 0,013 0,010 0,003 0,000 0,056 0,000 0,014 0,021 0,048 0,168
6 0,000 0,001 0,088 0,060 0,056 0,114 0,008 0,048 0,083 0,462
7 0,006 0,005 0,014 0,073 0,000 0,114 0,004 0,053 0,005 0,277
8 0,000 0,006 0,000 0,001 0,014 0,008 0,004 0,114 0,019 0,169
9 0,003 0,000 0,104 0,041 0,021 0,048 0,053 0,114 0,044 0,431
10 0,096 0,069 0,001 0,000 0,048 0,083 0,005 0,019 0,044 0,370
(34)
DAFTAR PUSTAKA
Arikunto, Suharsimi.2010.Prosedur Penelitian Suatu Pendekatan Praktek. Jakarta. Rineka Cipta
Erlina.2011. Metodologi Penelitian. Medan. USU Press
Hamalik, Oemar. 2009. Kurikulum & Pembelajaran. Jakarta. PT Bumi Aksara.
Http://www.google.com diakses 23 April 2013
Johnson, R.A and Dean W. Wichern. 1998. Applied Multivariate Statistical
Analysis. Prentice Hall International Inc.New Jersey.
Mandaru, M.Z. 2005. Guru Kencing Berdiri Murid Kencing Berlari. Yogyakarta Ar-Ruzz.
Mudjiono dan Dimyati. 2006. Belajar dan Pembelajaran. Jakarta. PT Rineka Cipta
Mustaqim. 2004. Psikologi Pendidikan. Yogyakarta. Pustaka Pelajar. Riduwan.2005. Skala Pengukuran Variabel-variabel Penelitian. Bandung.
Alfabeta.
Santoso, Singgih.2010. Menggunakan SPSS Untuk Statistik Multivariat. Jakarta.PT Alex Media Komputindo.
Situmorang, Syafrizal., Dalimunthe, Doly., Muda, Iskandar., Luthfi, Muslich., Syahyunan.2008. Analisis Data Penelitian. Medan. USU Press.
Supranto. J. 2010. Analisis Multivariat Arti dan Interpretasi. Jakarta.PT. Rineka Cipta
Tabacnick, B.G and Fidell,L.S.1983. Using Multivariate Statistics. New York. Harver and Row Publisher.
Tonny, Widyastono.2004. Pendidikan Manusia Indonesia. Jakarta. PT Kompas Media Nusantara.
(35)
BAB 3
METODE PENELITIAN
3.1 Gambaran umum SMA Negeri 1 Medan
SMA Negeri 1 didirikan pada tahun 1950 yang beralamat di jalan teuku cik ditiro no.1 Medan. Sekolah yang berstatuskan Negeri ini merupakan salah satu sekolah terbaik dan terfavorit yang ada di kota Medan Sumatera Utara, hal ini dapat dibuktikan dengan akreditasi yang dimiliki oleh sekolah tersebut yang berstatus akreditasi A dan memiliki predikat RSBI (Rintisan Sekolah Bertaraf Internasional) atau dalam istilah lain bernama The Pioneering International
Leveling School. SMA Negeri 1 merupakan salah satu sekolah yang telah banyak
menciptakan prestasi baik dibidang akademik maupun dibidang non akademik.
3.2 Visi dan Misi SMA Negeri 1 Medan
1. Visi SMA Negeri 1 Medan adalah beriman, bertaqwa, dan unggul dalam prestasi akademik dan non akademik serta berwawasan lingkungan.
2. Misi SMA Negei 1 adalah sebagai berikut : a. Melaksanakan pembelajaran aktif
b. Kreatif dan menyenangkan untuk menghantarkan siswa agar berprestasi dalam IPTEK, olahraga, dan seni
c. Berlandaskan IMTAQ yang siap bersaing di era globalisasi serta d. Peduli terhadap lingkungan hidup.
(36)
Tabel 3.1 Prestasi siswa/i SMA Negeri 1 Medan
No. Pelaksana Tingkat Perlombaan Tahun
1. Walikota Kota Medan HUT PGRI 2009
2. Piala Wadokai
NAD
Regional Sumatera
Kejuaraan
karate 2009
3. Depdiknas Nasional O25N 2009
4.
Mendagri dan
Depdiknas Nasional
Kejuaraan
karate 2009
5.
Dinas
Pendidikan Kota Medan
Lomba Pidato
Bahasa Inggris 2010
6.
Kuala Lumpur
Malaysia Asean Karate Cup 2010
7.
Dinas
Pendidikan Kota Medan
Lomba Cerdas Cermat IPA
Sma
2010
8.
Royal Horse
Open Nasional
Show Jumping Class 50-70
Open
2010
9.
KIT & BFD
Pusat Nasional
KIT futsal
Championship 2010
10. BFD Sumut Sumut Liga futsal
amatir 2011
Untuk prestasi-prestasi yang lain dapat dilihat pada lampiran.
3.3 Waktu dan Tempat Penelitian
Penelitian dilakukan pada tanggal 27 April 2013 di SMA negeri 1 Medan yang beralamat di jalan teuku cik ditiro no.1 Medan.
(37)
3.4 Penentuan Populasi dan Sampel
Dalam penelitian ini yang menjadi objek penelitian adalah siswa/i kelas X dan XI SMA Negeri 1 Medan yang berjumlah sebanyak 812 siswa. Pengambilan sampel dengan menggunakan metode slovin, dengan perhitungan sebagai berikut :
2 1 Ne N n 2 ) 1 , 0 ( 812 1 812 n ) 01 , 0 ( 812 1 812 n 12 , 8 1 812 n 12 , 9 812 n
n 89,03
Dengan mengambil tingkat kepercayaan 90% maka diperoleh jumlah sampel sebanyak 90 siswa.
3.5 Variabel Penelitian
Variabel yang digunakan dalam penelitian ini bersifat bebas (Independent) yaitu variabel yang mempengaruhi atau yang menjadi sebab perubahannya atau timbulnya variabel dependent (terikat). Variabel-variabel tersebut antara lain :
1
X = Bakat
2
X = Minat
3
(38)
4
X Motivasi orang tua
5
X = Fasilitas belajar dirumah
6
X = Kualitas pengajaran guru
7
X = Fasilitas sekolah
8
X Ekstrakulikuler
9
X = Les tambahan
10
X = Pergaulan siswa
3.6 Teknik Pengumpulan data
Data yang digunakan dalam penelitian ini adalah data primer, yaitu data yang diperoleh langsung dari objek yang diteliti dan alat yang digunakan berupa kuesioner yang merupakan suatu cara untuk mendapatkan informasi dengan menyebarkannya kepada responden penelitian. Setiap jawaban responden akan diukur dengan menggunakan skala likert pada kuesioner yaitu skala yang digunakan untuk mengukur sikap, pendapat dan persepsi seseorang atau sekelompok tentang kejadian atau gejala sosial. Setiap jawaban diungkapkan dengan kata-kata sebagai berikut :
Sangat setuju (SS) = 5
Setuju (S) = 4
Netral (N) = 3
Tidak Setuju (TS) = 2
(39)
3.7 Uji Pengolahan Data
Kesimpulan penelitian yang berupa jawaban atas pemecahan masalah penelitian tergantung pada kualitas data yang dianalisis dan instrument yang digunakan untuk mengumpulkan data tersebut. Ada dua konsep yang digunakan untuk mengukur kualitas instrument penelitian yaitu uji validitas dan uji reliabililas.
3.8 Teknik Analisis Faktor
Langkah-langkah atau teknik pelaksanaan dalam analisis faktor sebagai berikut : 1. Merumuskan Masalah
2. Membentntuk Matriks Korelasi 3. Ekstraksi Faktor
4. Penentuan Jumlah Faktor 5. Rotasi Faktor
6. Interpretasi Faktor
(40)
BAB 4
PEMBAHASAN DAN HASIL
4.1 Input data mentah
Tabel 4.1 berikut ini merupakan data mentah hasil kuesioner dari 90 responden dengan jumlah variabel sebanyak 10 variabel.
Tabel 4.1 Data Hasil Kuesioner Nomor
Responden X1 X2 X3 X4 X5 X6 X7 X8 X9 X10
1. 5 5 3 4 3 3 4 4 4 5
2. 3 4 4 4 3 4 3 4 3 2
3. 5 5 5 5 3 5 5 4 4 5
4. 5 4 5 4 4 4 5 5 5 5
5. 4 4 2 3 4 3 2 4 2 3
6. 3 4 5 4 5 5 5 5 5 4
7. 3 5 2 4 5 4 2 4 2 3
8. 4 5 5 3 4 5 5 4 5 5
9. 3 2 3 3 4 2 2 4 4 4
10. 5 4 5 4 5 5 5 5 4 4
11. 4 1 4 5 3 3 2 4 2 4
12. 4 2 5 5 2 4 3 4 3 1
13. 3 3 5 2 3 4 1 4 3 5
14. 3 4 3 4 4 3 4 4 3 3
15. 5 2 2 4 4 4 4 4 4 4
16. 4 5 2 3 2 4 4 5 4 4
(41)
18. 5 5 5 4 5 5 4 5 5 5
19. 5 5 5 4 5 5 4 5 5 5
20. 4 2 1 4 4 4 5 4 4 4
. . . .
. . . .
. . . .
90. 5 4 2 4 4 4 2 4 2 5
Data mentah secara keseluruhan dapat dilihat pada lampiran 2
4.2 Penskalaan Data Ordinal Menjadi Data Interval
Sebelum melaksanakan proses analisis faktor, maka data mentah yang masih berskala ordinal akan diubah kedalam bentuk skala interval. Teknik penskalaan yang digunakan yaitu teknik Methods Successive Interval (MSI) dengan bantuan Microsoft Office Excel 2007. Berikut ini adalah perhitungan penskalaan dengan teknik Methods Successive Interval (MSI)
Tabel 4.2 Penskalaan Variabel 1
Langkah-langkah perhitungan :
a. Nomor item pertanyaan yang akan di MSI adalah item 1 variabel X No.
Variabel
Kategori skor jawaban
ordinal
Frekuensi Proporsi
Proporsi
kumulatif Z
Densitas {f(z)}
Nilai hasil penskalaan
1
1,000 1,000 0,011 0,011 -2,287 0,029 1,000
2,000 7,000 0,078 0,089 -1,348 0,161 1,936
3,000 18,000 0,200 0,289 -0,557 0,342 2,725
4,000 41,000 0,456 0,744 0,657 0,321 3,674
5,000 23,000 0,256 1,000 - 0,000 4,887
(42)
b. Kategori skor jawaban responden dalam Skala Ordinal (Likert) berkisar nilainya antara 1 – 5.
c. Menghitung frekuensi masing-masing skor jawaban dalam skala ordinal. d. Menghitung proporsi dan proporsi kumulatif untuk setiap frekuensi skor
jawaban.
e. Menentukan nilai Z untuk setiap kategori, dengan asumsi bahwa proporsi kumulatif dianggap mengikuti distribusi normal baku. Nilai Z diperoleh dari Tabel Distribusi Normal Baku.
f. Menghitung nilai densitas dari nilai Z yang diperoleh dengan cara memasukkan nilai Z tersebut ke dalam fungsi densitas normal baku sebagai berikut :
2 2 1 2 1 )
(z e z
f
sehingga diperoleh :
029 , 0 2 1 ) 287 , 2 ( 2 287 , 2 2 1 e f
Untuk nilai densitas yang lain dapat dilakukan dengan cara yang sama.
g. Menghitung SV (Scale Value) dengan rumus :
-2,636 0,000 0,011 0,029 000 , 0 1 SV -1,692 0,011 0,089 0,161 0,029 2 SV -0,905 0,089 0,289 0,342 0,161 3 SV
limit
lower
under
-limit
offer
under
area
limit
upper
at
density
-limit
lower
at
density
SV
(43)
-0,046 0,289
0,744
0,342 0,321
4 SV
1,253 0,744
1,000
0,000 0,321
5 SV
h. Menentukan Scale Value min sehingga SVterkecil SVmin 1
Scale Value terkecil = -2,636 -2,636 + SVmin = 1
min
SV = 3,636
i. Mentransformasikan nilai skala dengan menggunakan rumus :
Y SV SVmin
Y1 = (-2,636 + 3,636 = 1,000)
Y2 = (-1,692 + 3,636 = 1,936)
Y3 = (-0,905 + 3,636 = 2,725)
Y4 = (-0,04 + 3,636 = 3,674)
Y5 = (1,253 +3,636 =4,887)
Dengan melakukan cara yang sama,maka akan diperoleh hasil penskalaan interval dari ke-10 variabel sebagai berikut :
Tabel 4.3 Hasil Penskalaan Variabel
No. X1 X2 X3 X4 X5 X6 X7 X8 X9 X10
1 1,000 1,000 1,000 1,000 1,000 1,000
2 1,936 2,028 2,612 1,000 1,000 2,302 2,458 1,000 1,000 1,856 3 2,725 2,588 3,418 1,817 1,785 3,018 3,255 1,663 2,379
(44)
4 3,674 3,568 3,857 2,748 2,833 3,761 3,937 2,873 2,495 3,101 5 4,887 4,941 4,765 4,035 4,172 4,914 4,999 4,427 3,774 4,251
4.3 Uji Validitas
Langkah-langkah perhitungan validitas dengan program SPSS for Windows 20.0 adalah sebagai berikut :
a. Masukkan data kedalam lembar kerja SPSS b. Klik analyze, pilih scale dan reliability analysis
c. Setelah muncul kotak dialog reliability analysis, pindahkan data (X1 sampai X10) ke dalam item statistik.
d. Klik kotak dialog statistic pilih scale if item deleted e. Klik continue dan OK
f. Hasil uji validitas ditunjukkan pada output kolom Corrected item total correlation.
Pada tabel 4.4 terlihat uji coba dengan menggunakan 90 responden, dan semua responden tidak ada yang exclude atau dikeluarkan dari analisis.
Tabel 4.5 Uji validitas dengan program SPSS for Windows 20.0 : Tabel 4.4 Case Processing Summary
N %
Cases
Valid 90 100,0
Excludeda 0 ,0
Total 90 100,0
Variabel r hitung r tabel Kesimpulan
X1 0,531 0,207 Valid
(45)
Dari tabel 4.5 terlihat bahwa seluruh variabel dinyatakan valid karena nilai r -hitung > r tabel, r-hitung > 0,207. Secara manual perhitungan korelasi product
moment antara variabel X1 dengan skor total variabel lainnya (Y) dapat dilihat
pada lampiran.
4.4 Uji reliabilitas
Langkah-langkah perhitungan reliabilitas dengan program SPSS for Windows 20.0 adalah sebagai berikut :
a. Masukkan data kedalam lembar kerja SPSS b. Klik analyze, pilih scale dan reliability analysis
c. Setelah muncul kotak dialog reliability analysis, pindahkan data (X1 sampai X10) ke dalam item statistik.
d. Klik kotak dialog statistic pilih scale if item delete. e. Klik continue dan OK
f. Pada output kolom Cronbach’s Alpha if item Deleted adalah hasil uji
reliabilitas
X3 0,488 0,207 Valid
X4 0,381 0,207 Valid
X5 0,273 0,207 Valid
X6 0,613 0,207 Valid
X7 0,550 0,207 Valid
X8 0,211 0,207 Valid
X9 0,382 0,207 Valid
(46)
Tabel 4.6 Reliability Statistics Cronbach's
Alpha
N of Items
,767 10
Pada tabel 4.6 terlihat besarnya nilai Cronbach’s Alpha yaitu 0,767 dengan jumlah pernyataan 10 butir, artinya data tersebut reliabel dilihat dari nilai Cronbach’s Alpha.
Tabel 4.7 Uji Reliabilitas dengan program SPSS for Windows 20.0
Variabel Cronbach`s Alpha
Hitung
Cronbach`s Alpha Kesimpulan
X1 0,734 0,6 Reliabel
X2 0,761 0,6 Reliabel
X3 0,740 0,6 Reliabel
X4 0,755 0,6 Reliabel
X5 0,768 0,6 Reliabel
X6 0,722 0,6 Reliabel
X7 0,731 0,6 Reliabel
X8 0,774 0,6 Reliabel
X9 0,754 0,6 Reliabel
X10 0,731 0,6 Reliabel
Dari tabel 4.7 terlihat bahwa semua variabel tersebut reliabel. Secara manual perhitungan nilai Cronbach Alpha untuk variabel X1 dapat dilihat pada lampiran.
4.5 Analisis Data
Metode analisis data yang digunakan adalah teknik analisis faktor dengan pendekatan komponen utama. Langkah-langkah analisis faktor dengan SPSS for
Windows 20.0 dilakukan dengan cara sebagai berikut:
a. Masukkan data pada data editor b. Klik analyze
(47)
c. Klik Dimention Reduction, pilih factor
d. Masukkan variabel-variabel yang akan dianalisis faktor (X1 sampai X10) ke
kolom variables
e. Pada menu descriptive, klik initial solution, coefficients, significance
levels, determinant, KMO adn Barlett’s test of sphericity, reproduced, dan
anti image, lalu klik continu.
f. Pada menu extraction, pilih principal components, klik correlation matrix,
unrotated factor solution dan scree plot, lalu klik continue
g. Pada menu rotation, klik varimax, rotated solution, loading plots,lalu klik continue
h. Pada menu score, klik display factor score coefficient matrix, lalu klik continue
i. Pada menu options, pilih missing value, klik exclude cases listwise, lalu klik continue,lalu klik OK
4.5.1 Membentuk matriks korelasi
Matriks korelasi merupakan matrik yang memuat koefisien-koefisien dari semua pasangan variabel dalam penelitian. Matriks ini digunakan untuk mendapatkan nilai kedekatan hubungan antar variabel, nilai kedekatan ini dapat digunakan untuk melakukan beberapa pengujian untuk melihat kesesuaian dengan nilai korelasi yang diperoleh dari analisis faktor. Dengan bantuan program SPSS maka diperoleh korelasi antara variabel sebagai berikut :
Tabel 4.8 Matriks korelasi
X1 X2 X3 X4 X5 X6 X7 X8 X9 X10
X1 1,000 0,282 0,390 0,231 0,174 0,368 0,346 0,082 0,288 0,513 X2 0,282 1,000 0,122 0,114 0,133 0,194 0,231 0,105 0,163 0,370 X3 0,390 0,122 1,000 0,244 0,130 0,435 0,256 0,157 0,387 0,364
(48)
X4 0,231 0,114 0,244 1,000 0,139 0,508 0,454 0,028 0,038 0,277 X5 0,174 0,133 0,130 0,139 1,000 0,273 0,176 0,226 0,192 0,018 X6 0,368 0,194 0,435 0,508 0,273 1,000 0,555 0,107 0,112 0,483 X7 0,346 0,231 0,256 0,454 0,176 0,555 1,000 0,068 0,247 0,420 X8 0,082 0,105 0,157 0,028 0,226 0,107 0,068 1,000 0,363 0,009 X9 0,288 0,163 0,387 0,038 0,192 0,112 0,247 0,363 1,000 0,301 X10 0,513 0,370 0,364 0,277 0,018 0,483 0,420 0,009 0,301 1,000
Dari tabel 4.8 memperlihatkan korelasi yang cukup kuat antara variabel X1 dengan
X2 sehingga diharapkan nantinya bahwa variabel-variabel ini akan berkorelasi
dengan faktor yang sama. Perhitungan nilai korelasi masing-masing variabel dapat diperoleh dengan menggunakan rumus korelasi product moment. Perhitungan korelasi antara variabel X1 dengan X2 dapat dilihat pada lampiran.
Dalam tahap lain, hal yang perlu dilakukan agar analisis faktor dapat dilaksanakan yaitu dengan melihat nilai uji Barlett’s test of sphericity dan uji
Kaiser Meyer Olkin (KMO)Measure of Sampling Adequacy.
Tabel 4.9 Kaiser-Meyer-Olkin (KMO) dan Barlett’s Test Kaiser-Meyer-Olkin Measure of Sampling Adequacy. 0,738 Bartlett's Test of Sphericity Approx. Chi-Square 215,393
Df 45
Sig. 0,000
Dari tabel 4.9 menunjukkan besaran nilai Barlett’s test of sphericity adalah 215,393 pada signifikan 0,000 yang berarti pada penelitian ini ada korelasi yang sangat signifikan antar variabel dan hasil perhitungan KMO sebesar 0,738
(49)
sehingga kecukupan sampel sudah memadai, maka variabel dan sampel sudah layak untuk dianalisis lebih lanjut.
Kemudian perhatikan dari Tabel 4.10 berikut yaitu nilai matriks anti image
correlation khususnya nilai pada angka koefisien korelasi yang berada pada off
diagonal (nilai yang ditebalkan). Apabila nilai matriks anti image correlation lebih kecil dari 0,5, maka variabel tersebut harus dikeluarkan atau dieliminasi dari analisis faktor. Perhatikan nilai yang diberi tanda dengan aatau yang ditebalkan.
Tabel 4.10 anti-image matrices
X1 X2 X3 X4 X5 X6 X7 X8 X9 X10
X1 0,849a -0,095 -0,186 -0,026 -0,115 -0,008 -0,079 0,015 -0,061 -0,310
X2 -0,095 0,787a 0,049 0,016 -0,102 0,042 -0,073 -0,083 0,010 -0,264
X3 -0,186 0,049 0,757a -0,092 0,055 -0,298 0,121 -0,006 -0,323 -0,039
X4 -0,026 0,016 -0,092 0,786
a
-0,027 -0,246 -0,271 -0,035 0,203 -0,028
X5 -0,115 -0,102 0,055 -0,027 0,623
a
-0,238 0,001 -0,121 -0,145 0,221
X6 -0,008 0,042 -0,298 -0,246 -0,238 0,731a -0,338 -0,093 0,220 -0,289
X7 -0,079 -0,073 0,121 -0,271 0,001 -0,338 0,787a 0,065 -0,231 -0,077
X8 0,015 -0,083 -0,006 -0,035 -0,121 -0,093 0,065 0,588a -0,338 0,138
X9 -0,061 0,010 -0,323 0,203 -0,145 0,220 -0,231 -0,338 0,579
a
-0,212
X10 -0,310 -0,264 -0,039 -0,028 0,221 -0,289 -0,077 0,138 -0,212 0,750
a
a
Measures of Sampling Adequacy (MSA)
Dari tabel 4.10 menunjukkan kriteria angka MSA lebih besar dari 0,5 yang berarti semua variabel masih bisa diprediksi untuk dianalisa lebih lanjut.
4.5.2 Ekstraksi Faktor
Metode untuk mengekstraksi faktor ada dua, yaitu Principal Component Analysis
(PCA) dan Common Factor Analysis (CFA). Dalam penelitian ini metode yang
digunakan adalah Principal Component Analysis (Analisis Komponen Utama) karena tujuan utama analisis faktor adalah mereduksi. Secara sederhana, sebuah variabel akan mengelompok ke suatu faktor yang terdiri atas variabel-variabel
(50)
yang lain jika variabel tersebut berkorelasi dengan sejumlah variabel lain yang masuk ke dalam kelompok faktor tertentu. ketika sebuah variabel berkorelasi dengan variabel lain, variabel tersebut berbagi varians dengan variabel tersebut, dengan jumlah varians yang dibagikan adalah besar korelasi pangkat dua (R2). Varians adalah akar dari standart deviasi, yaitu jumlah penyimpangan dari rata-ratanya.
Tabel 4.11 Komunalitas
No Variabel Initial Extraction
1. X1 = Bakat 1,000 0,551
2. X2 = Minat 1,000 0,319
3. X3 = Motivasi siswa 1,000 0,433
4. X4 = Motivasi orang tua 1,000 0,685
5. X5 = Fasilitas belajar di rumah 1,000 0,567
6. X6 = Kualitas pengajaran guru 1,000 0,729
7. X7 = Fasilitas sekolah 1,000 0,577
8. X8 = Ekstrakulikuler 1,000 0,633
9. X9 = Les tambahan 1,000 0,694
10. X10 = Pergaulan siswa 1,000 0,727
Extraction Method : Principal Component Analysis
Komunalitas pada dasarnya adalah jumlah varians (bisa dalam persentase) dari suatu variabel mula-mula yang bisa dijelaskan oleh faktor yang terbentuk.
a. Untuk variabel bakat, nilai komunalitasnya adalah 0,551 atau sekitar 55,1% varians dari variabel tersebut bisa dijelaskan oleh faktor yang terbentuk.
b. Untuk variabel minat, nilai komunalitasnya adalah 0,319 atau sekitar 31,9% varians dari variabel tersebut bisa dijelaskan oleh faktor yang terbentuk.
c. Untuk variabel motivasi siswa, nilai komunalitasnya adalah 0,433 atau sekitar 43,3% varians dari variabel tersebut bisa dijelaskan oleh faktor yang terbentuk. d. Untuk variabel motivasi orang tua, nilai komunalitasnya adalah 0,685 atau
sekitar 68,5% varians dari variabel tersebut bisa dijelaskan oleh faktor yang terbentuk.
(51)
e. Untuk variabel fasilitas belajar di rumah, nilai komunalitasnya adalah 0,567 atau sekitar 56,7% varians dari variabel tersebut bisa dijelaskan oleh faktor yang terbentuk.
f. Untuk variabel kualitas pengajaran guru, nilai komunalitasnya adalah 0,729 atau sekitar 72,9% varians dari variabel tersebut bisa dijelaskan oleh faktor yang terbentuk.
g. Untuk variabel fasilitas sekolah nilai komunalitasnya adalah 0,577 atau sekitar 57,7% varians dari variabel tersebut bisa dijelaskan oleh faktor yang terbentuk. h. Untuk variabel ekstrakulikuler, nilai komunalitasnya adalah 0,633 atau sekitar
63,3% varians dari variabel tersebut bisa dijelaskan oleh faktor yang terbentuk. i. Untuk variabel les tambahan, nilai komunalitasnya adalah 0,694 atau sekitar
69,4% varians dari variabel tersebut bisa dijelaskan oleh faktor yang terbentuk. j. Untuk variabel pergaulan siswa, nilai komunalitasnya adalah 0,727 atau sekitar
72,7% varians dari variabel tersebut bisa dijelaskan oleh faktor yang terbentuk.
Tabel 4.12 Nilai eigen value untuk setiap faktor
Faktor/komponen Initial Eigenvalues
Total % of Variance Cumulative %
1. 3,372 33,721 33,721
2. 1,418 14,176 47,897
3. 1,125 11,248 59,144
4. 0,935 9,349 68,494
5. 0,755 7,553 76,047
6. 0,640 6,399 82,446
7. 0,568 5,675 88,44
8. 0,486 4,864 92,985
9. 0,424 4,237 97,222
10. 0,278 2,778 100,000
Dari tabel 4.12 menunjukkan bahwa terdapat 10 variabel yang akan di masukkan ke dalam analisis faktor. Dengan masing-masing variabel mempunyai varians 1,
(52)
maka total varians adalah 10 x 1 = 10. Jika dalam 10 variabel tersebut dapat diringkas mejdi 1 faktor, maka varians yang dapat dijelaskkan oleh 1 faktor tersebut adalah : 100% 33,72
10 372 , 3
x 1%
Jika 10 variabel dapat di ekstrak menjadi 3 faktor, maka varians yang dapat dijelaskan oleh 3 faktor tersebut adalah sebagai berikut :
Varians faktor pertama adalah 33,721
Varians faktor kedua adalah 100% 11,176% 10
418 , 1
x
Varians faktor ketiga adalah 100% 11,248% 10
125 , 1
x
Total ketiga faktor yang dapat menjelaskan adalah 33,721+11,176+11,248 =56,145% atau 56,145 dari variabilitas 10 variabel asli tersebut, sehingga dari tabel di atas terlihat hanya 3 faktor yang akan terbentuk.
4.5.3 Penentuan Jumlah Faktor
Penentuan banyaknya faktor yang dilakukan dalam analisis faktor artinya adalah mencari variabel terakhir yang disebut faktor yang saling tidak berkorelasi, bebas satu sama 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. Beberapa prosedur yang dapat digunakan dalam menentukan banyaknya faktor antara lain adalah sebgai berikut :
a. Penentuan berdasarkan nilai eigenvalues
Dalam pendekatan ini hanya faktor dengan nilai eigenvalue lebih dari satu dipertahankan, faktor lainnya yang eigenvaluesnya satu atau kurang dari satu tidak lagi dimasukkan di dalam model. Suatu eigenvalue menunjukkan besarnya sumbangan dari fakot terhadap varians seluruh variabel asli.
(53)
Tabel 4.13 Sumbangan masing-masing faktor terhadap varians seluruh variabel asli
Dari tabel 4.13 menunjukkan ada 3 faktor atau komponen yang eigenvalue nya lebih dari 1 yaitu faktor 1, 2, dan 3 masing-masing dengan eigenvalue nya adalah 3,372; 1,418; dan 1,125.
b. Penentuan berdasarkan Scree Plot
Setelah diketahui bahwa 3 faktor tersebut adalah jumlah yang paling optimal, maka tabel tersebut diatas dapat menunjukkan distribusi dari 10 variabel tersebut pada 3 faktor yang ada. Untuk itu selanjutnya dilihat dari tabel total varians
explained tersebut diatas, maka nilai initial eigenvalues dapat dilihat melalui
grafik scree plot berikut ini.
Gambar 4.1 Scree Plot Faktor/Komponen
Extraction Sums of Squared Loadings
Total % of Variance Cumulative %
1 3,372 33,721 33,721
2 1,418 14,176 47,897
(54)
Pada gambar 4.1 menjelaskan dasar dari jumlah faktor yang diperoleh dari perhitungan angka ditunjukkan dalam grafik scree plot tersebut. Dilihat dari grafik bahwa dari satu ke dua faktor yang ditunjukkan oleh garis dari sumbu component
number yaitu angka 1 ke 2 sehingga arah garis menurun dengan cukup tajam.
Kemudian dari angka 2 ke 3 garis tersebut masih menurun dengan angka batas dari eigenvalues pada sumbu Y masih tidak terlewati namun dengan slope yang lebih kecil. Pada saat perpindahan dari angka 3 ke angka 4, faktor tersebut sudah dibawah angka 1 dari sumbu Y. Scree dimulai pada faktor ke 4 terlihat gerakan kurva semakin melemah, kemudian merata dan tidak terjadi keretakan lagi, sehingga dari semua nilai initial eigenvalues tersebut, maka dari faktor yang sudah dibentuk menunjukkan bahwa 3 faktor adalah paling baik untuk meringkas dari 10 variabel tersebut.
4.5.4 Rotasi Faktor
Pada rotasi faktor, matrik faktor ditransformasikan ke dalam matrik yang lebih sederhana, sehingga lebih mudah dalam menginterpretasikannya. Dalam analisis ini rotasi faktor dilakukan dengan metode varimax rotation, yaitu rotasi orthogonal dengan meminimumkan banyaknya variabel yang memiliki loading tinggi pada sebuah faktor, sehingga lebih mudah mengiterpretasi faktor. Rotasi orthogonal menghasilkan faktor-faktor yang tidak berkorelasi. Matrix faktor yang dirotasi membentuk dasar untuk menginterpretasikan faktor atau komponen yaitu berapa banyaknya faktor yang harus diekstraksi/disarikan dari variabel asli/awal.
(55)
Tabel 4.14 Matriks Faktor (a)
Variabel Component
1 2 3
X1 0,695 0,250 0,071
X2 0,561 0,058 0,017
X3 0,541 0,256 0,273
X4 0,058 0,825 -0,032
X5 -0,095 0,365 0,652
X6 0,328 0,778 0,125
X7 0,370 0,658 0,083
X8 0,078 -0,050 0,790
X9 0,572 -0,170 0,581
X10 0,789 0,300 -0,125
Extraction Method : Principal Component Analysis
4.5.5 Interpretasi Faktor
Interpretasi hasil dilakukan dengan melihat factor loading. factor loading adalah angka yang menunjukkan besarnya korelasi antara suatu variabel dengan faktor satu, dua, atau faktor tiga yang terbentuk. Proses penentuan variabel mana yang akan masuk ke dalam faktor dilakukan dengan melihat perbandingan besar korelasi pada setiap baris di dalam setiap tabel matrik faktor.Berdasarkan interpretasi dari matrik faktor diperleh hasil sebagai berikut :
(56)
Tabel 4.15 Faktor-faktor yang mempengaruhi prestasi belajar siswa
No. Faktor Variabel Eigenvalue Factor Loading Variance (%) 1. 2. 3. 4. F1 X1 X2 X3 X10 3,372 0,695 0,561 0,541 0,789 33,721% 5. 6. 7. F2 X4 X6 X7 1,148 0,825 0,778 0,658 14,176% 8. 9. 10.
F3 X5
X8 X9 1,125 0,652 0,790 0,581 11,248%
Dengan demikian dari 10 variabel telah direduksi menjadi tiga faktor yang dapat mempengaruhi prestasi belajar siswa di SMA Negeri 1 Medan , yaitu :
1. Faktor 1 (F1) terdiri atas variabel X1 = bakat, X2 = minat, X3 = motivasi
siswa dan X10 = pergaulan siswa. Faktor ini diberi nama faktor dalam diri
siswa dan lingkungan.
2. Faktor 2 (F2) terdiri atas variabel X4 = motivasi orang tua, X6 = kualitas
pengajaran guru, X7 = fasilitas sekolah. Faktor ini diberi nama faktor
pendukung
3. Faktor 3 (F3) terdiri atas variabel X5 = fasilitas belajar dirumah, X8 =
ekstrakulikuler dan X9 = les tambahan. Faktor ini diberi nama faktor
(57)
Interpretasi hasil berdasarkan nilai eigenvalue dari setiap faktor dapat dijelaskan sebagai berikut :
1. Faktor dalam diri siswa dan lingkungan (33,721%) mempunyai pengaruh yang cukup besar terhadap prestasi belajar siswa di SMA Negeri 1 Medan. Menurut persepsi dari siswa/i yang menjadi responden penelitian ini, faktor tersebut yang paling mendominasi diantara faktor yang lain. Faktor ini terdiri atas variabel X1 = bakat (factor loading 0,695) X2 = minat
(factor loading 0,561), X3 = motivasi siswa (factor loading 0,541) dan X10
= pergaulan siswa (factor loading 0,789). Dapat dilihat variabel yang memiliki factor loading terbesar yaitu X10 = pergaulan siswa (0,789)
berpengaruh paling kuat terhadap prestasi belajar siswa di SMA Negeri 1 Medan.
2. Faktor dominan kedua yang mempengaruhi prestasi belajar siswa di SMA Negeri 1 Medan adalah faktor pendukung (14,176 %). Faktor ini terdiri atas X4 = motivasi orang tua (factor loading 0,825), X6 = kualitas
pengajaran guru (factor loading 0,778), dan X7 = fasilitas sekolah (factor
loading 0,658). Variabel X4 = motivasi orang tua memiliki factor loading
terbesar. Hal tersebut menunjukkan variabel ini berpengaruh paling kuat terhadap prestasi belajar siswa di SMA Negeri 1 Medan.
3. Faktor dominan yang ketiga adalah faktor tambahan (11,248%). Faktor ini terdiri dari X5 = fasilitas belajar dirumah (factor loading 0,652, X8 =
ekstrakulikuler (factor loading 0,790) dan X9 = les tambahan (factor
loading 0,581). Dari ketiga variabel tersebut yang memiliki pengaruh
terbesar pada prestasi belajar siswa adalah variabel X8 = ekstrakulikuler
karena mamiliki factor loading terbesar.
4.5.6 Menentukan Ketepatan Model
Menetukan ketepatan model (model fit) merupakan proses akhir dari analisis faktor. Analisis ini bertujuan untuk mengetahui seberapa besar selisih (residual) antara korelasi yang diamati dengan korelasi yang diproduksi berdasarkan hasil estimasi matriks faktor. Jika banyak selisih (residual) yang nilainya > 0,05 artinya
(1)
ABSTRACT
In social life is more advanced, a person is considered a very important achievement. Educational institutions emphasize the importance of learning good performances, competition and success in taking the test, both tests the knowledge and skills tests. One of the institutions of formal education is school. With the diversity of the students' skills in school it will be different levels of achievement. There are many variables thought to affect student achievement. The purpose of this study was to describe the diversity of these variables and reduce / summarize thus gaining a dominant factor using factor analysis method. The process of trying to find a relationship factor analysis (interrelationship) between a number of variables are mutually independent with each other, so that it can be made of one or a set of variables is smaller than the number of initial variables. Based on the results of research conducted at SMAN 1 Medan by using factor analysis method obtained three factors that affect student achievement. The first factor is the dominant factor in the student and the environment (33.721%), the second is the supporting factor (14.176%) and the third is an additional factor (11.248%). With the amount of variance of the third factor of 59.145%.
(2)
DAFTAR ISI
Halaman
Persetujuan i
Pernyataan ii
Penghargaan iii
Abstrak v
Abstract vi
Daftar Isi vii
Daftar Tabel x
Daftar Gambar xi
Bab 1 Pendahuluan 1
1.1 Latar Belakang 1
1.2 Rumusan Masalah 4
1.3 Batasan Masalah 5
1.4 Tujuan Penelitian 5
1.5 Kontribusi Penelitian 5
1.6 Metodologi Penelitian 6
Bab 2 Tinjauan Pustaka 8
2.1 Pengertian Belajar 8
2.2 Ciri-ciri Belajar 8
2.3 Pengertian Prestasi Belajar 9
2.4 Variabel-Variabel yang Mempengaruhi Prestasi Belajar 11
(3)
2.6 Sampel dan Teknik Sampling 14
2.7 Uji Validitas 14
2.8 Uji Reliabilitas 15
2.9 Analisis Komponen Utama (AKU) 16
2.10 Analisis Faktor (AF) 16
2.11 Model Analisis Faktor 18
2.12 Statistik yang Releven Dengan Analisis Faktor 20 2.13 Langkah-Langkah Pelaksanaan Analisis Faktor 22
Bab 3 Metode Penelitian 26
3.1 Gambaran Umum SMA Negeri 1 Medan 26 3.2 Visi dan Misi SMA Negeri 1 Medan 26
3.3 Waktu dan Tempat Penelitian 27
3.4 Penentuan Populasi dan Sampel 28
3.5 Variabel Penelitian 28
3.6 Teknik Pengumpulan Data 29
3.7 Uji Pengolahan Data 32
3.8 Teknik Analisis Faktor 30
Bab 4 Pembahasan dan Hasil 31
4.1 Input Data Mentah 31
4.2 Penskalaan Data Ordinal Menjadi Data Interval 32
4.3 Uji Validitas 35
4.4 Uji Reliabilitas 36
4.5 Analisa Data 38
4.5.1 Membentuk Matriks Korelasi 38
4.5.2 Ekstraksi Faktor 41
(4)
4.5.4 Rotasi Faktor 46
4.5.5 Interpretasi Faktor 46
4.5.6 Menentukan Ketepatan Model 49
Bab 5 Kesimpulan dan Saran 50
5.1 Kesimpulan 50
5.2 Saran 51
Daftar Pustaka 53
Lampiran
(5)
DAFTAR TABEL
Nomor Judul Halaman Tabel
3.1. Prestasi siswa/i SMA Negeri 1 Medan 27
4.1 . Data hasil kuesioner 31
4.2. Penskalaan variabel 1 32
4.3. Hasil penskalaan variabel 35
4.4. Case processing summary 35
4.5. Uji validitas dengan program SPSS for Windows 20 36
4.6. Reliability statistics 37
4.7. Uji reliabilitas dengan program SPSS for Windows 20 37
4.8. Matriks korelasi 39
4.9. Keiser meiter olkin (KMO) and Barlett’s test 40
4.10. Anti image matrics 40
4.11. Komunalitas 41
4.12. Nilai eigenvalue untuk setiap faktor 43 4.13. Sumbangan masing-masing faktor terhadap varians var. Asli 44
4.14. Matriks faktor 46
4.15. Faktor-faktor yang mempengaruhi prestasi belajar siswa 47 4.16. Selisih (residual) matriks korelasi 49
(6)
DAFTAR GAMBAR
Nomor Judul Halaman Gambar