IDENTIFIKASI FAKTOR PENDORONG PERNIKAHAN MUDA DENGAN MENGGUNAKAN ANALISIS FAKTOR

IDENTIFIKASI FAKTOR PENDORONG PERNIKAHAN MUDA DENGAN MENGGUNAKAN ANALISIS FAKTOR

oleh DYAH LESTARI

M 0102020

SKRIPSI

ditulis dan diajukan untuk memenuhi sebagian persyaratan memperoleh gelar Sarjana Sains Matematika.

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SEBELAS MARET SURAKARTA

SKRIPSI

IDENTIFIKASI FAKTOR PENDORONG PERNIKAHAN MUDA DENGAN MENGGUNAKAN ANALISIS FAKTOR

yang disiapkan dan disusun oleh DYAH LESTARI

M 0102020 dibimbing oleh Pembimbing I

Dra. Etik Zukhronah, M.Si. NIP. 132 000 009

Pembimbing II

Irwan Susanto, DEA. NIP. 132 134 694 telah dipertahankan di depan Dewan Penguji

pada hari Kamis, tanggal 26 Juli 2007 dan dinyatakan telah memenuhi syarat. Anggota Tim Penguji

1. Drs. Sugiyanto, M.Si. NIP. 132 000 804

2. Dra. Yuliana Susanti, M.Si. NIP. 131 695 845

3. Sri Kuntari, M.Si. NIP. 132 240 173

Tanda Tangan 1.

2.

3.

Surakarta, Juli 2007 Disahkan oleh Fakultas Matematika dan Ilmu Pengetahuan Alam

Dekan,

Prof. Drs. Sutarno, M.Sc, PhD. NIP. 131 649 948

Ketua Jurusan Matematika,

Drs. Kartiko, M.Si. NIP. 131 569 203

ABSTRAK

Dyah Lestari, 2007. IDENTIFIKASI FAKTOR PENDORONG PERNIKAHAN MUDA DENGAN MENGGUNAKAN ANALISIS FAKTOR. Fakultas Matematika dan Ilmu Pengetahuan Alam. Universitas Sebelas Maret.

Analisis faktor adalah suatu teknik analisis data yang ditujukan untuk mereduksi sejumlah variabel menjadi beberapa kelompok yang lebih kecil dan kelompok-kelompok kecil tersebut disebut sebagai faktor. Tujuan penelitian ini adalah untuk mengidentifikasi faktor-faktor pendorong pernikahan muda dengan menggunakan analisis faktor. Responden yang digunakan sebanyak 85, yaitu orang yang menikah pada usia antara 15-24 tahun di wilayah Surakarta. Teknik pengambilan sampel yang digunakan adalah sampling kluster sederhana. Dari responden yang terpilih, kemudian diminta untuk mengisi kuesioner. Variabel yang digunakan sebanyak tujuh belas, yaitu dorongan orang tua, dorongan teman, dorongan calon pasangan, takut kehilangan pasangan, hamil pranikah atau pasangan hamil pranikah, banyaknya artis yang menikah muda, banyaknya film yang mengisahkan pernikahan dini, takut dosa, takut jadi perawan/jaka tua, kemapanan hidup calon pasangan, sudah adanya pinangan atau sudah meminang, sudah menyelesaikan sekolah, orang tua ingin segera menimang cucu, sudah mempunyai penghasilan sendiri, banyaknya teman yang telah menikah, perjodohan, dan membantu perekonomian keluarga. Dari data yang diperoleh dilakukan uji validitas dan reliabilitas serta analisis faktor dengan menggunakan bantuan software SPSS 10.0 for windows.

Hasil analisis menunjukkan bahwa terdapat tiga variabel yang tidak valid dan harus dikeluarkan dari analisis, yaitu hamil pranikah atau pasangan hamil pranikah, takut dosa, dan sudah mempunyai penghasilan sendiri. Koefisien reliabilitas sebesar 0,8190 yang berarti reliabilitas data dipenuhi. Dalam analisis faktor terdapat sebuah variabel yang harus dikeluarkan karena nilai KMO < 0,5, yaitu banyaknya artis yang menikah muda, sehingga variabel yang tersisa sebanyak tiga belas. Dari ketiga belas variabel tersebut kemudian dilakukan analisis faktor dan diperoleh lima faktor yang menjadi pendorong pernikahan muda, yaitu faktor kesiapan, faktor ekonomi, faktor pasangan, faktor pergaulan, dan faktor tradisi.

ABSTRACT

Dyah Lestari, 2007. IDENTIFYING THE INSTIGATION FACTOR OF YOUNG MARRIAGE BY USING FACTOR ANALYSIS. Faculty of Mathematics and Natural Science. Sebelas Maret University.

Factor analysis is a data analysis technique used to reduce the number of variables into several smaller groups and the groups are called as factor. The purpose of the research is to identify the instigation factors of young marriage by using factor analysis. The respondents used are 85 persons, namely a man or a woman who have got married in the young age of 15 up to 24 years old in the area of Surakarta. The sampling technique is simple cluster sampling. The respondents are given a questioner. The variables are seventeen, that are the instigation parents, friends, couple, the anxiety of losing couple, the pregnancy before marriage, the artist who marriage in the young age, many films which tell about young age marriage, the fear of sin, the anxiety of being old virgin, the prosperity of the couple, the application of marriage, having completed the study, the desire of parents in having grandchildren, having independent income, many friends who had married, the pairing and helping the economic condition of family. The validity and reliability of data are tested. The factor analysis is done by using software SPSS 10.0 for windows.

The validity test result that there are three variables are not valid, that are the pregnancy before marriage, the fear of sin, and having independent income. The reliability coefficient is 0,8190, it means the data is reliable. The artist who marriage in the young age variable has KMO value less than 0,5, then that variable must be excluded from the analysis, so that the rest variables are thirteen. The result of factor analysis of thirteen variables are five factors, that are readiness factor, economic factor, couple factor, association factor, and tradition factor.

MOTTO

Sesungguhnya sesudah kesulitan ada kemudahan.

Maka apabila kamu telah selesai dari suatu urusan, kerjakanlah dengan sungguh-sungguh urusan yang lain.

Hanya kepada Robbmulah kamu kembali. (QS. Alam Nasyroh: 6 – 8)

KATA PENGANTAR

Puji syukur Ahamdulillahi robbil’alamin penulis panjatkan kehadirat Allah Ta’ala, karena atas izin-Nya penulis dapat menyelesaikan skripsi ini. Dalam penulisan skripsi ini banyak pihak yang telah membantu. Untuk itu penulis mengucapkan terima kasih kepada

1. Ibu Etik Zukhronah, M.Si selaku Pembimbing I yang telah memberikan bimbingan selama menyelesaikan skripsi ini.

2. Bapak Irwan Susanto, DEA selaku Pembimbing II yang telah memberikan bimbingan selama menyelesaikan skripsi ini.

3. semua responden yang telah memberikan bantuan dalam pengambilan data.

4. kedua orang tua dan Abu Falihah yang telah memberikan dorongan dan semangat.

5. Mona, Lisa, dan Wiwin serta semua teman angkatan 2002. 6. semua pihak yang tidak dapat disebutkan satu per satu.

Akhirnya penulis berharap semoga penulisan skripsi ini dapat memberi manfaat bagi seluruh pembaca.

Surakarta, Juli 2007

DAFTAR ISI

HALAMAN JUDUL ………..i

PENGESAHAN ………..ii

ABSTRAK ………..iii

ABSTRACT ………iv

MOTO ……….v

KATA PENGANTAR ………vi

DAFTAR ISI ………...vii

DAFTAR TABEL ………...ix

DAFTAR GAMBAR ………...x

DAFTAR NOTASI ………..xi

BAB I PENDAHULUAN ………1

1.1Latar Belakang Masalah ………1

1.2Perumusan Masalah ………...2

1.3Batasan Masalah ………2

1.4Tujuan Masalah ……….2

1.5Manfaat Penelitian ……….2

BAB II LANDASAN TEORI ………...3

2.1 Tinjauan Pustaka ………..3

2.1.1 Pernikahan Usia Muda ………..3

2.1.2 Uji Validitas dan Reliabilitas ……… 2.1.3 Korelasi ……….5

2.1.4 Nilai Eigen ………6

2.1.5 Analisis Faktor ………..6

2.2 Kerangka Pemikiran ………10

BAB III METODE PENELITIAN ………11

3.1 Sumber Data ………...…11

3.2Teknik Pengambilan Sampel ………...……11 3.3Metode Analisis Data ……….

i ii iii iv v vi vii ix x xi 1 1 2 2 2 2 3 3 3 4 5 6 7 12 13 13 13 14

BAB IV HASIL DAN PEMBAHASAN ……….. 13 4.1 Hasil Uji Validitas dan Reliabilitas ……… 4.2 Hasil Analisis Faktor ……… BAB V PENUTUP……….. 19

5.1 Kesimpulan ………. 5.2 Saran ……… DAFTAR PUSTAKA ……….20 LAMPIRAN ………..21 15 15 15 21 21 21 22 23

DAFTAR TABEL

Tabel 4.1 Angka KMO Tanpa Variabel X5, X8, dan X14 ………..…… Tabel 4.2 Angka KMO Tanpa Variabel X5, X6, X8 dan X14………. Tabel 4.3 Matriks Faktor ……….………...17 Tabel 4.4 Matriks Faktor Hasil Rotasi ………..

16 17 18 19

DAFTAR GAMBAR

DAFTAR NOTASI

αcronbach : koefisienreliabilitas

rxy : korelasi sederhana antara variabel X dan Y

rxy.z : korelasi parsial antara variabel X dan Y dengan mengontrol Z λ : nilai eigen

X : vektor variabel random teramati

μ : vektor rata-rata variabel random teramati L : matriks bobot faktor

F : vektor faktor bersama ε : vektor faktor spesifik ψ : variansi spesifik hi2 : komunalitas

* ˆ

L : matriks bobot faktor hasil rotasi T : matriks transformasi ortogonal

BAB I PENDAHULUAN 1.1 Latar Belakang Masalah

Di zaman modern sekarang ini, semenjak ilmu pengetahuan telah berkembang dengan pesatnya terutama ilmu psikologi, maka fase-fase

perkembangan manusia telah diperinci serta gejala-gejala yang tampak pada setiap fase perkembangan tersebut. Fase perkembangan masa remaja merupakan pusat perhatian. Hal ini disebabkan karena masa remaja merupakan masa transisi dari masa kanak-kanak ke masa dewasa. Seorang remaja merasa telah meninggalkan usia anak-anak yang lemah dan penuh dengan ketergantungan, namun di sisi lain ia belum mampu ke usia yang kuat dan penuh tanggung jawab, baik terhadap dirinya maupun masyarakat. Dalam masa transisi itu remaja akan mengalami perubahan-perubahan, baik perubahan fisik, perubahan emosi maupun perubahan sosialnya.

Perubahan-perubahan yang terjadi di masa remaja tentunya memerlukan penyesuaian diri. Namun demikian, seringkali remaja sulit menyesuaikan diri dengan perubahan yang terjadi pada dirinya, seperti dalam mengendalikan hawa nafsu yang bergejolak, akibatnya banyak kasus hamil pranikah. Hal ini menuntut segera dilakukannya pernikahan untuk menyelamatkan status anak yang akan dilahirkan.

Selain dari permasalahan di atas, masih banyak lagi hal-hal yang dijadikan alasan oleh seseorang untuk melakukan pernikahan muda. Oleh karena itu, penulis ingin mengetahui faktor-faktor apa saja yang dijadikan alasan oleh seseorang melakukan pernikahan muda dengan menggunakan analisis faktor. Analisis faktor adalah suatu analisis data yang ditujukan untuk mereduksi sejumlah variabel menjadi beberapa kelompok yang lebih kecil dan kelompok-kelompok kecil tersebut disebut sebagai faktor. Dalam proses perhitungan analisis faktor digunakan bantuan software SPSS 10.0 for windows.

1.2 Perumusan Masalah

Berdasarkan latar belakang masalah yang telah diuraikan di atas, maka perumusan masalahnya adalah faktor-faktor apa yang menjadi pendorong seseorang menikah di usia muda.

1.3 Batasan Masalah

Agar penulisan skripsi ini dapat terarah dan tidak menyimpang dari judul yang telah ditentukan, maka diberikan batasan yaitu populasi yang digunakan adalah masyarakat kota Surakarta yang telah menikah di usia muda, yaitu antara usia 15 tahun sampai dengan 24 tahun.

1.4 Tujuan Masalah

Tujuan yang ingin dicapai dalam penelitian ini adalah menentukan faktor-faktor yang menjadi pendorong seseorang menikah di usia muda dengan menggunakan analisis faktor.

1.5 Manfaat penelitian

Dengan dilakukannya penelitian mengenai identifikasi pendorong pernikahan muda ini diharapkan dapat menambah pengetahuan tentang aplikasi analisis faktor di bidang sosial

BAB II

LANDASAN TEORI

2.1 Tinjauan Pustaka

Untuk mencapai tujuan penelitian, diperlukan teori-teori yang mendukung pembahasan meliputi pernikahan muda, uji validitas dan reliabilitas, korelasi, nilai eigen, analisis faktor.

2.1.1 Pernikahan Muda

Zaman dahulu orang-orang menikah di usia belasan tahun disebabkan karena kondisi perekonomian negara saat itu masih sangat terpuruk dengan adanya penjajahan, sehingga untuk meringankan beban orang tua anak yang sudah cukup umur dinikahkan agar bisa mencari nafkah dan memenuhi kebutuhannya sendiri. Kemudian setelah perekonomian negara membaik, pernikahan muda mulai ditinggalkan, yaitu sekitar tahun 80-an (Noe, 2003). Hal itu terjadi karena banyak orang berfikir untuk menyelesaikan studi terlebih dahulu atau meniti karir sebelum menikah, sehingga banyak yang baru menikah di usia 30-an. Kini tren menikah muda kembali muncul dikarenakan merebaknya pergaulan bebas di kalangan remaja. Hal itu terjadi karena remaja saat ini banyak yang berkiblat pada pergaulan ala barat, yang mana kebebasan sangat dijunjung tinggi bahkan dalam hal kehidupan seks. Banyak orang tua yang khawatir anaknya terjebak dalam pergaulan bebas sehingga mengizinkan mereka menikah muda. Namun banyak juga yang menikahkan anaknya dikarenakan telah hamil pranikah akibat dari pergaulan bebas tersebut.

Menurut Hadikusuma (1990), pasal 7 Undang-undang nomor 1 tahun 1974 tentang perkawinan menetapkan bahwa perkawinan diizinkan bila pria telah berusia 19 tahun dan wanita telah berusia 16 tahun. Dengan adanya undang-undang perkawinan akan ada batasan usia minimal seseorang diizinkan untuk menikah.

WHO menetapkan batas usia 10-20 tahun sebagai batasan usia remaja. Sementara itu, PBB menetapkan usia 15-24 tahun sebagai batasan usia muda (Anonim, 2003). Dalam penelitian ini, batasan usia yang digunakan 15-24 tahun.

2.1.2 Uji Validitas dan Reliabilitas

Menurut Azwar (1997), salah satu masalah utama dalam kegiatan penelitian adalah masalah cara memperoleh data yang dapat memberikan suatu informasi yang akurat dan objektif. Hal ini menjadi sangat penting artinya dikarenakan kesimpulan peneliti hanya akan dapat dipercaya bila didasarkan pada informasi yang juga dapat dipercaya. Kriteria yang mampu memberikan informasi yang dapat dipercaya adalah validitas dan reliabilitas.

Validitas mempunyai arti sejauhmana ketepatan dan kecermatan suatu alat ukur dalam melakukan fungsi ukurnya. Suatu tes dapat dikatakan mempunyai validitas tinggi jika suatu alat ukur menjalankan fungsi ukurnya sesuai dengan maksud dilakukannya pengukuran. Suatu alat ukur yang valid tidak sekedar mampu mengungkapkan data dengan tepat, tetapi juga memberikan gambaran yang cermat mengenai data tersebut.

Uji validitas dapat dihitung dengan menggunakan rumus korelasi Pearson yang dirumuskan               −             − − =

∑

∑

∑

∑

∑

∑ ∑

= = = = = = = 2 1 1 2 2 1 1 2

1 1 1

n ki n k k k n k n j ki ki n k n k n k k ki k ki y x Y Y n X X n Y X Y X n r i

dengan X = skor tes variabel ke-i pada objek ke-k Y = total skor tes objek ke-k,

kriteria bahwa suatu tes dikatakan valid jika memiliki nilai koefisien korelasi yang lebih besar dari nilai rtabel, dengan derajad bebas n-2.

Sedangkan reliabilitas memiliki berbagai nama seperti keterpercayaan, keterandalan, kestabilan, dan sebagainya. Namun ide pokok yang terkandung dalam konsep reliabilitas adalah sejauhmana hasil ukur suatu pengukuran dapat

dipercaya. Pengukuran yang memiliki reliabilitas tinggi disebut sebagai pengukuran yang reliabel.

Sifat reliabel diperlihatkan oleh tingginya reliabilitas hasil ukur suatu tes. Suatu alat ukur yang tidak reliabel akan memberikan informasi yang tidak akurat mengenai keadaan subjek atau individu yang dikenai tes. Apabila informasi yang keliru itu digunakan sebagai dasar pertimbangan dalam pengambilan suatu kesimpulan dan keputusan, maka tentulah kesimpulan dan keputusan itu tidak akan tepat.

Tinggi rendahnya reliabilitas ditunjukkan oleh suatu angka yang disebut koefisien reliabilitas. Estimasi koefisien reliabilitas dapat dilakukan dengan metode pendekatan konsistensi internal, karena metode pendekatan ini hanya memerlukan satu kali pengenaan tes kepada sekelompok individu sebagai subjek. Nilai koefisien reliabilitas dapat dicari dengan rumus αcronbach.

αcronbach =

      

    

−    

−

∑

=

2 1

2

1

1 s

s p

p

p

i i

dengan p : jumlah variabel

si2 : variansi skor tes pada variabel ke-i s2 : variansi keseluruhan skor tes.

Nilai koefisien reliabilitas αcronbach berkisar antara 0 dan 1. αcronbach = 1 berarti terdapat konsistensi yang sempurna pada hasil pengukuran, sedangkan jika αcronbach = 0 berarti hasil pengukuran tidak konsisten atau tidak reliabel. Menurut Salimun (Suhartini: 2003), suatu tes dikatakan reliabel jika koefisien αcronbach lebih besar dari nilai αcronbach standar sebesar 0,6.

2.1.3 Korelasi

Menurut Sembiring (1995), jika (x1, y1), (x2, y2), …, (xn, yn) adalah pasangan data yang diperoleh dari dua variabel acak X dan Y maka keeratan hubungan

antara X dan Y dapat dinyatakan dengan koefisien korelasi sederhana yang dilambangkan dengan rxy. Nilai dari rxy adalah

(

)(

)

(

)

(

)

1/2

1 1 2 2 1     _{− −} − − =

∑

∑

∑

= = = n i n i i i n i i i xy y y x x y y x x r

dengan -1 ≤ rxy ≤ 1. Apabila hubungan linear antara X dan Y sempurna maka rxy = ±1. Koefisien korelasi bernilai positif menunjukkan bahwa hubungan linear antara kedua variabel searah, artinya bila X membesar maka Y juga membesar, sebaliknya apabila koefisien korelasi bernilai negatif menunjukkan bahwa hubungan linear antara kedua variabel berlawanan, artinya jika yang satu membesar maka yang lain mengecil. Tetapi jika nilai rxy = 0 berarti tidak ada hubungan antara X dan Y.

Korelasi sederhana hanya digunakan untuk mengetahui keeratan hubungan antara dua variabel, tetapi jika diinginkan untuk mengetahui keeratan hubungan lebih dari dua variabel maka digunakan korelasi parsial. Misalkan X, Y, dan Z adalah tiga variabel maka korelasi parsial antara X dan Y dengan mengontrol Z didefinisikan sebagai

rxy . z =

2 2

1

1 xz yz

yz xz xy r r r r r − − − .

2.1.3 Nilai Eigen

Menurut Anton (1995), jika A adalah matriks berukuran nxn, maka vektor taknol x di dalam Rn dinamakan vektor eigen dari A jika Ax adalah kelipatan skalar dari x, yakni

Ax = λx

untuk suatu skalar λ. Skalar λ dinamakan nilai eigen dari A dan x dinamakan vektor eigen yang bersesuaian dengan λ. Menurut Simamora (2005), berdasarkan nilai eigen dapat dilihat kemampuan setiap faktor mewakili variabel-variabel yang dianalisis yang ditunjukkan oleh besarnya variansi yang dijelaskan.

2.1.4 Analisis Faktor

Menurut Santoso dan Tjiptono (2001), analisis faktor pada prinsipnya digunakan untuk mereduksi data, yaitu proses untuk meringkas sejumlah variabel menjadi lebih sedikit dan menamakannya sebagai faktor. Misal X adalah vektor random teramati dengan p variabel yang mempunyai rata-rata μ dan matriks kovariansi Σ akan diringkas menjadi sejumlah m faktor, dimana m ≤ p. Model faktor menyatakan bahwa X dependen secara linear terhadap variabel tak teramati F1, F2, …, Fm yang disebut faktor bersama dan sejumlah p sumber variansi

tambahan ε1, ε2, …, εp yang disebut faktor spesifik. Secara umum model analisis faktor adalah p m pm p p p p m m m m F l F l F l X F l F l F l X F l F l F l X ε µ ε µ ε µ + + + + = − + + + + = − + + + + = − ... ... ... 2 2 1 1 2 2 2 22 1 21 2 2 1 1 2 12 1 11 1 1 M

dengan Xi : variabel ke-I

μi : rata-rata variabel ke-i

lij : bobot variabel ke-i pada faktor ke-j Fj : faktor bersama ke-j

εi: faktor spesifik ke-i. Jika dituliskan dalam notasi matriks

X – μ = L F + ε

(px1) (pxm) (mx1) (px1) dengan X : vektor variabel

μ : vektor rata-rata variabel

L : matriks bobot faktor F : vektor faktor bersama ε : vektor faktor spesifik.

Asumsi yang mendasari analisis faktor adalah

2. E(ε) = 0, Cov(ε) = E(εε’_{) =}               = p ψ ψ ψ ψ L M O M M L L 0 0 0 0 0 0 2 1

3. F dan ε saling independen, maka Cov(ε,F) = E(εF’) = 0 .

Berdasarkan asumsi diperoleh struktur kovariansi model analisis faktor, yaitu 1. Cov(X) = LL’ + ψ

sehingga Cov(X1, X2) = li1lk1 + li2lk2 + … +limlkm 2. Cov(X, F) = L

sehingga Cov(Xi, Fj) = lij , dengan i = 1, 2, …, p dan j = 1, 2, … , m

dan struktur variansi model analisis faktor, yaitu σii = li12 + li22 + … +lim2 + ψi = hi2 + ψi

dengan hi2 = li12 + li22 + … +lim2 , i = 1, 2, …, p

hi2 : komunalitas, yaitu jumlah kuadrat bobot variabel ke-i pada m faktor ψi : variansi spesifik, yaitu variansi setiap variabel X yang dijelaskan oleh

faktor spesifik .

Menurut Johnson dan Wichern (1982), tujuan utama dari analisis faktor adalah untuk menentukan beberapa faktor yang merupakan hasil reduksi dari sejumlah variabel. Setelah faktor-faktor tersebut diketahui, langkah selanjutnya adalah mencari nilai bobot faktor dari tiap-tiap variabel sehingga dapat diketahui suatu variabel akan masuk ke dalam faktor yang mana. .Dalam mengestimasi nilai

bobot faktor, metode yang digunakan adalah analisis komponen utama. Metode ini diturunkan dari matriks kovariansi Σ. Pandang Σ mempunyai pasangan nilai eigen-vektor eigen (λi, ei) dengan λ1 ≥λ2≥ …≥λp≥ 0, maka

Σ = λ1 e1 e1’ + λ2 e2 e2’ + … + λp ep ep’ + ψ

=

[

]

              +               p 2 1 ' p p 2 2 1 1 p p 2 2 1 1 0 0 0 0 0 0 e ' e ' e e e e ψ ψ ψ λ λ λ λ λ λ L M O M M L L M L

karena sebanyak p-m nilai eigen terakhir bernilai kecil (kurang dari satu) maka kontribusi λm+1 em+1 em+1’ + λm+2 em+2 em+2’ + …+ λp ep ep’ terhadap Σ dapat diabaikan, sehingga persamaan menjadi

=

[

]

              +               p 2 1 ' m m 2 2 1 1 m m 2 2 1 1 0 0 0 0 0 0 e ' e ' e e e e ψ ψ ψ λ λ λ λ λ λ L M O M M L L M L

= LL’ + ψ.

Jadi matriks bobot faktornya adalah

L

[

λ e λ e L λ_me_m

]

2 2 1 1

=

dengan ej berukuran px1, j = 1, 2, …, m.

Seringkali nilai estimasi dari bobot faktor sulit untuk diinterpretasikan maka perlu dilakukan rotasi sehingga diperoleh struktur yang paling sederhana. Pertama kali harus dilihat pola bobot faktor sehingga tiap variabel mempunyai bobot yang tinggi pada suatu faktor tertentu dan bobot yang rendah pada faktor yang tersisa. Salah satu jenis rotasi faktor adalah rotasi ortogonal. Rotasi ini bertujuan selain untuk mempertajam perbedaan bobot faktor setiap variabel, juga untuk mempertahankan keadaan di mana faktor-faktor yang direduksi tidak terdapat korelasi. Rotasi ortogonal mempunyai kemampuan yang sama dalam menghasilkan matriks kovariansi Σ. Jika Lˆ (pxm) adalah matriks estimasi bobot faktor, maka matriks estimasi bobot faktor setelah dirotasi *Lˆ (pxm) didefinisikan dengan

* ˆ

L = Lˆ T

dengan TT’ = T’T = I dan T adalah matriks transformasi ortogonal. Matriks estimasi kovariansi tidak berubah, karena

ψ ψ

ψˆ ˆ ' ˆ ˆ ˆ* ˆ*' ˆ

' ˆ

ˆ _{L + =LT T L+ =L L +} L

sehingga tidak masalah apakah Lˆ atau Lˆ* yang diperoleh. Metode rotasi ortogonal yang digunakan dalam penelitian ini adalah varimax.

Metode varimax terpusat pada penyederhanaan kolom matriks faktor (Hair et al, 1998). Nilai bobot faktor yang besar akan semakin membesar dan bobot faktor yang kecil akan semakin mengecil, sehingga jumlah variansi bobot faktor dari matriks faktor menjadi maksimal. Metode varimax akan memilih transformasi ortogonal T yang membuat

( )

( )

∑

∑

∑

= = =             − ∗ = m j p i ij p i

ij l p

l p V 1 2 1 2 1 4 / * ~ ~ 1

maksimal, dengan V adalah variansi dari kuadrat bobot faktor dan

i ij ij

h l

l = ∗

ˆ * ~

adalah koefisien akhir setelah dirotasi yang dibagi dengan akar kuadrat komunalitas.

Menurut Santoso dan Tjiptono (2001), secara garis besar terdapat empat tahap dalam analisis faktor. Berikut ini akan disajikan tahapan-tahapan tersebut.

1. Memilih variabel yang layak dimasukkan dalam analisis faktor. Oleh karena analisis faktor berupaya mengelompokkan sejumlah variabel, maka

seharusnya ada korelasi yang cukup kuat diantara variabel sehingga akan terjadi pengelompokan. Jika sebuah variabel atau lebih berkorelasi lemah

dengan variabel yang lain maka variabel tersebut akan dikeluarkan dari analisis faktor. Alat yang digunakan untuk keperluan ini adalah KMO (Kaiser-Meyer-Olkin Measure of Sampling) dan Tes Bartlett dan matriks anti-image.

a. KMO dan Tes Bartlett adalah alat yang digunakan untuk menguji apakah variabel-variabel yang ada sudah layak untuk dimasukkan dalam analisis atau belum. Nilai KMO berkisar antara 0 sampai 1. Jika nilai KMO ≥ _{0,5 maka analisis faktor layak dilakukan. Sedangkan Tes}

Bartlett adalah tes statistik yang digunakan untuk menguji apakah variabel-variabel yang dilibatkan berkorelasi. Hipotesis nol (Ho)

menyatakan tidak ada korelasi antarvariabel, sedangkan hipotesis alternatif (H1) menyatakan terdapat korelasi antarvariabel. Statistik uji

Tes Bartlett didekati dengan nilai chi-square (X2) dengan derajat kebebasan sebesar υ_{. Chi-square dirumuskan dengan}

(

)

(

)

∑

= − − = − = n i i hitung x x n s s n X 1 2 2 2 2 2 1 1 1 σ

Ho ditolak bila X2hitung > X2(υ,α).

b. Matriks anti-image adalah alat yang digunakan untuk mengetahui besarnya korelasi parsial antar variabel, yaitu korelasi yang tidak dipengaruhi variabel lain. Angka di dalam diagonal matriks anti-image bagian korelasi menunjukkan nilai KMO tiap variabel, sedangkan angka di luar diagonalnya menunjukkan nilai korelasi parsial antar variabel. Nilai KMO dirumuskan

∑∑

∑∑

∑∑

= = = = = + = _p i q k p i q k k i ik p i q k ik r r r KMO

1 1 1

2 . 2

1 1

2

dengan rij = korelasi antara variabel ke-i dan variabel ke-k

ri.k = korelasi parsial antara variabel ke-i dan variabel yang lain dengan variabel ke-k sebagai kontrol.

Jika nilai KMO < 0,5 maka variabel tersebut harus dikeluarkan dari analisis faktor dan jika terdapat lebih dari satu variabel dengan nilai KMO < 0,5 maka variabel yang dikeluarkan adalah variabel dengan nilai KMO terendah. Ulangi kembali proses penyeleksian variabel, jika semua variabel telah mamiliki nilai KMO ≥ _{0,5 maka analisis lebih}

lanjut dapat dilakukan.

2. Melakukan reduksi variabel sehingga diperoleh satu atau beberapa faktor. Penentuan banyaknya faktor yang dihasilkan didasarkan pada nilai eigen, yaitu dengan mengambil faktor yang nilai eigennya lebih besar dari satu. Secara visual nilai eigen dapat dilihat dari scree plot. Sumbu vertikal menunjukkan nilai eigen sedang pada sumbu horisontal menunjukkan jumlah seluruh faktor yang dapat terbentuk.

3. Melakukan rotasi faktor untuk memperjelas apakah faktor yang terbentuk sudah signifikan berbeda dengan faktor yang lain sehingga mudah untuk

diinterpretasi. 4. Melakukan interpretasi hasil rotasi dan memberi nama pada faktor yang

terbentuk.

2.2 Kerangka Pemikiran

Saat ini banyak orang melakukan pernikahan muda. Hal tersebut bisa terjadi karena semakin merebaknya pergaulan bebas di kalangan remaja, perjodohan, permasalahan ekonomi, tradisi yang berlaku di masyarakat, dan masih banyak lagi. Berdasarkan hal itu maka peneliti ingin meneliti faktor-faktor apa saja yang mempengaruhi seseorang menikah di usia muda. Dalam penelitian ini, peneliti melibatkan tujuh belas variabel yang dimungkinkan dapat mendorong seseorang menikah muda.

Dari data yang diperoleh dilakukan uji validitas dan reliabilitas untuk mengetahui apakah variabel yang digunakan valid dan data yang diperoleh dapat dipercaya keakuratannya atau tidak. Setelah variabel valid dan data dapat dipercaya keakuratannya, dilanjutkan dengan analisis faktor yang meliputi penyeleksian variabel, reduksi variabel, rotasi faktor, interpretasi dan pemberian nama pada faktor yang terbentuk. Dalam proses perhitungannya digunakan bantuan software SPSS 10.0 for windows.

BAB III

METODE PENELITIAN 3.1 Sumber Data

Data yang digunakan dalam penelitian ini adalah data primer yang diperoleh melalui kuesioner yang diberikan kepada 85 responden pada bulan Februari-Maret 2007 di wilayah Surakarta. Responden yang dimaksud adalah orang-orang yang telah menikah di usia muda, yaitu antara 15-24 tahun.

Variabel-variabel yang digunakan dalam penelitian ini adalah dorongan orang tua (X1), dorongan teman (X2), dorongan calon pasangan (X3), takut kehilangan pasangan (X4), hamil pranikah atau pasangan hamil pranikah (X5), banyaknya artis yang menikah muda (X6), banyaknya film yang mengisahkan pernikahan dini (X7), takut dosa (X8), takut jadi perawan/jaka tua (X9), kemapanan hidup calon pasangan (X10), sudah adanya pinangan atau sudah meminang (X11), sudah menyelesaikan sekolah (X12), orang tua ingin segera menimang cucu (X13), sudah mempunyai penghasilan sendiri (X14), banyaknya teman yang telah menikah (X15), perjodohan (X16), dan membantu perekonomian keluarga (X17). Data responden selengkapnya dapat dilihat pada Lampiran 1.

3.2 Teknik Pengambilan Sampel

Jumlah variabel yang dilibatkan dalam analisis faktor minimal lima dan tidak ada ukuran sampel minimal yang diterima. Semakin besar ukuran sampel, analisis faktor menjadi semakin akurat. Sebagai aturan umum, jumlah sampel minimal adalah tiga kali jumlah variabel (Simamora, 2005). Dalam penelitian ini jumlah sampel yang digunakan adalah lima kali jumlah variabel dengan harapan agar hasil analisis faktor menjadi lebih akurat. Karena jumlah variabel yang digunakan tujuh belas variabel, maka jumlah responden yang dibutuhkan adalah 85. Teknik pengambilan sampel yang digunakan adalah sampling kluster sederhana.

3.3 Metode Analisis Data

Berdasarkan data yang diperoleh, dilakukan pengolahan data dengan bantuan software SPSS 10.0 for windows. Pengolahan data tersebut meliputi uji validitas dan reliabilitas untuk mengetahui apakah variabel yang digunakan valid dan data yang diperoleh dapat dipercaya keakuratannya atau tidak, setelah itu dilakukan analisis faktor untuk mengetahui faktor-faktor yang menjadi pendorong pernikahan muda.

BAB IV

HASIL DAN PEMBAHASAN

Pada tahap analisis data dilakukan uji validitas dan reliabilitas untuk mengetahui kevalidan variabel yang digunakan dan keakuratan data. Setelah kevalidan dan keakuratan dipenuhi kemudian dilakukan analisis faktor.

4.1 Hasil Uji Validitas dan Reliabilitas

Sebelum data diolah lebih lanjut, terlebih dahulu perlu diketahui validitas tiap variabel dan reliabilitas data hasil kuesioner. Sebagai data awal diambil 30 sampel. Variabel dinyatakan valid jika koefisien korelasinya ≥ _{rtabel dengan}

derajad kebebasan 28 dan α = 0,05. Dari tabel r diperoleh nilai rtabel sebesar 0,239. Pada Lampiran 2 dapat dilihat bahwa terdapat dua variabel dengan koefisien korelasi yang nilainya < 0,239, yaitu variabel X5 dan X8. Hal ini berarti bahwa variabel X8 dan X5 tidak valid dan harus dikeluarkan dari analisis. Setelah X5 dan X8 dikeluarkan, uji validitas kembali dilakukan. Ternyata terdapat satu variabel yang koefisien korelasinya < 0,239, yaitu X14, maka X14 harus dikeluarkan dari analisis. Setelah X5, X8, dan X14 dikeluarkan, kembali dilakukan uji validitas, ternyata semua variabel koefisien korelasinya ≥ 0,239. Hal ini berarti semua variabel telah valid dan analisis lanjut dilakukan tanpa melibatkan variabel X5, X8, dan X14. Sedangkan nilai koefisien reliabilitas yang diperoleh sebesar 0,8190, yang berarti data sudah reliabel karena nilainya ≥ nilai αcronbach standar yaitu 0,6.

4.2 Hasil Analisis Faktor

Analisis faktor digunakan untuk meringkas empat belas variabel menjadi beberapa variabel baru dan menamakannya sebagai faktor. Berikut ini adalah tahap-tahap dalam analisis faktor.

1. Analisis faktor tanpa variabel X5, X8, dan X14.

Berdasarkan Lampiran 3.1, terlihat bahwa nilai KMO sebesar 0,707 yang berarti analisis faktor layak dilakukan. Sedangkan nilai KMO tiap variabel ditampilkan dalam Tabel 4.1.

Terlihat bahwa ada sebuah variabel yang mempunyai nilai KMO < 0,5, yaitu X6 (0,479). Hal ini berarti variabel X6 belum layak untuk dimasukkan dalam analisis dan harus dikeluarkan dari pemilihan variabel.

2. Analisis faktor tanpa variabel X5, X6, X8 dan X14.

Berdasarkan Lampiran 4.1, terlihat bahwa nilai KMO sebesar 0,717 yang berarti analisis faktor layak dilakukan. Sedangkan nilai KMO tiap variabel ditampilkan dalam Tabel 4.2. Terlihat bahwa semua variabel mempunyai nilai KMO ≥ 0,5. Hal ini berarti analisis lanjut dilakukan tanpa variabel X5, X6, X8 dan X14.

Komunalitas menunjukkan kuat lemahnya hubungan antara suatu variabel terhadap faktor yang terbentuk. Semakin besar nilai komunalitas berarti semakin kuat hubungannya dengan faktor tersebut. Pada Lampiran 4.3 terlihat komunalitas terkecil dimiliki oleh variabel X1, berarti variabel X1 memiliki hubungan yang paling lemah dengan faktor yang terbentuk. Sedangkan komunalitas tertinggi dimiliki oleh variabel X17, berarti variabel X17 memiliki hubungan yang paling kuat dengan faktor yang terbentuk.

Tabel 4.1 Angka KMO Tanpa Variabel X5, X8, dan X14 Variabel Nilai KMO Variabel Nilai KMO

X1 X2 X3 X4 X6 X7 X9

0,724 0,732 0,735 0,688

0,479

0,681 0,668

X10 X11 X12 X13 X15 X16 X17

0,661 0,715 0,810 0,777 0,674 0,633 0,631

Tabel 4.2 Angka KMO Tanpa Variabel X5, X6, X8 dan X14.

Variabel Nilai KMO Variabel Nilai KMO X1 X2 X3 X4 X7 X9 X10 0,723 0,729 0,740 0,681 0,738 0,675 0,671 X11 X12 X13 X15 X16 X17 0,734 0,810 0,774 0,672 0,600 0,654

Reduksi variabel dilakukan untuk menentukan jumlah faktor yang terbentuk. Hasil reduksi variabel dapat dilihat pada Lampiran 4.4. Berdasarkan lampiran tersebut terlihat bahwa dari tiga belas variabel yang dianalisis terbentuk lima faktor.

Banyaknya faktor yang terbentuk secara visual dapat ditampilkan dalam bentuk grafik yang disebut dengan scree plot, seperti pada Gambar 4.1.

Scree Plot jumlah faktor 13 12 11 10 9 8 7 6 5 4 3 2 1 n ila i e ig e n 5 4 3 2 1 0

Gambar 4.1 Plot Antara Jumlah Faktor dan Nilai Eigen

Gambar 4.1 menunjukkan bahwa jumlah faktor yang terbentuk ada lima. Hal itu dapat dilihat dari banyaknya bobot faktor yang nilai eigennya lebih besar dari satu sebanyak lima dan delapan lainnya lebih kecil dari satu.

Distribusi dari tiga belas variabel ke dalam lima faktor yang terbentuk dapat dilihat pada Tabel 4.3. Angka-angka tersebut merupakan bobot faktor yang menggambarkan besar korelasi suatu variabel dengan faktor yang terbentuk. Penentuan suatu variabel akan masuk ke dalam faktor yang mana dilakukan dengan perbandingan bobot faktor pada setiap baris, yaitu di mana letak bobot faktor terbesar pada suatu variabel berada maka variabel itu akan menjadi anggota faktor tersebut. Angka pembatas (cut off point) agar sebuah variabel bisa masuk ke dalam sebuah faktor didasarkan pada pendapat Child (Erni) yaitu menggunakan angka pembatas 0,3. Angka korelasi kuat bila di atas 0,3 dan angka korelasi lemah bila di bawah 0,3.

Tabel 4.3 Matriks Faktor Faktor Variabel

1 2 3 4 5

X1 0,667 0,093 -0,188 -0,224 -0,102 X2 0,659 -0,116 -0,471 -0,237 -0,228 X3 0,591 -0,340 0,263 -0,263 -0,171 X4 0,531 -0,440 0,411 0,105 -0,240 X7 0,456 -0,437 0,093 0,257 0,534 X9 0,401 0,205 -0,256 0,636 -0,334 X10 0,527 0,308 0,526 0,297 -0,197 X11 0,567 0,409 0,046 -0,295 -0,180 X12 0,709 0,063 0,111 -0,392 0,089 X13 0,700 -0,192 -0,091 0,375 -0,016 X15 0,544 -0,304 -0,489 0,051 0,273 X16 0,318 0,657 -0,208 0,120 0,147 X17 0,525 0,414 0,261 -0,012 0,563

Terlihat bahwa pendistribusian ketiga belas variabel terhadap lima faktor yang terbentuk kurang merata, terdapat sembilan variabel yang menjadi anggota faktor pertama, sedangkan keempat variabel yang lain terdistribusi ke dalam

empat faktor yang tersisa. Selain itu juga terlihat bahwa variabel X10 berkorelasi sama kuat untuk faktor 1 dan faktor 3. Hal ini berarti bahwa bobot faktor yang terbentuk kurang jelas sehingga perlu dilakukan rotasi faktor. Metode rotasi yang digunakan adalah rotasi varimax. Setelah dilakukan rotasi, dihasilkan bobot faktor yang baru pada Tabel 4.4.

Tabel 4.4 Matriks Faktor Hasil Rotasi Faktor

Variabel

1 2 3 4 5

X1 0,671 0,218 0,147 0,107 0,139 X2 0,827 -0,096 0,074 0,199 0,198 X3 0,429 0,031 0,646 0,138 -0,105 X4 0,132 -0,038 0,799 0,195 0,131 X7 -0,045 0,174 0,286 0,802 -0,013 X9 0,123 0,049 0,027 0,069 0,872 X10 -0,005 0,535 0,542 -0,146 0,417 X11 0,570 0,446 0,156 -0,227 0,104 X12 0,600 0,419 0,325 0,140 -0,141 X13 0,283 0,113 0,339 0,480 0,488 X15 0,469 -0,044 -0,066 0,678 0,140 X16 0,231 0,568 -0,341 -0,047 0,343 X17 0,102 0,861 0,049 0,275 -0,048

Terlihat bahwa pendistribusian bobot faktor hasil rotasi lebih jelas daripada sebelum dilakukan rotasi. Setelah dilakukan perbandingan bobot faktor, langkah selanjutnya adalah menginterpretasi faktor-faktor yang mewakili variabel-variabel asli. Penamaan faktor dapat berupa nama baru yang dapat mewakili variabel-variabel yang menjadi anggotanya atau dari nama salah satu variabel-variabel yang membangun faktor tersebut. Berikut ini adalah interpretasi Tabel 4.4.

1. Faktor 1

Faktor ini terdiri dari empat variabel, yaitu dorongan orang tua (X1), dorongan teman (X2), sudah adanya pinangan atau sudah meminang (X11), dan sudah menyelesaikan sekolah (X12). Faktor ini dinamakan dengan faktor kesiapan. 2. Faktor 2

Faktor ini terdiri dari dua variabel, yaitu perjodohan (X16) dan membantu perekonomian keluarga (X17). Faktor ini dinamakan dengan faktor ekonomi. 3. Faktor 3

Faktor ini terdiri dari tiga variabel, yaitu dorongan calon pasangan (X3), takut kehilangan pasangan (X4) dan kemapanan hidup calon pasangan (X10). Faktor ini dinamakan dengan faktor pasangan.

4. Faktor 4

Faktor ini terdiri dari dua variabel, yaitu banyaknya film yang mengisahkan pernikahan dini (X7) dan banyaknya teman yang telah menikah (X15). Faktor ini dinamakan dengan faktor pergaulan.

5. Faktor 5

Faktor ini terdiri dari dua variabel, yaitu takut jadi perawan tua atau jaka tua (X9) dan orang tua ingin segera menimang cucu (X13). Faktor ini dinamakan dengan faktor tradisi.

BAB V PENUTUP 5.1 Kesimpulan

Dari pembahasan diperoleh kesimpulan bahwa terdapat lima faktor yang menjadi pendorong pernikahan muda, yaitu

1. faktor kesiapan yang terdiri dari empat variabel, yaitu dorongan orang tua, dorongan teman, sudah adanya pinangan atau sudah meminang, dan sudah menyelesaikan sekolah.

2. faktor ekonomi yang terdiri dari dua variabel, yaitu perjodohan dan membantu perekonomian keluarga

3. faktor pasangan yang terdiri dari tiga variabel, yaitu dorongan calon pasangan, takut kehilangan pasangan, dan kemapanan hidup calon pasangan

4. faktor pergaulan yang terdiri dari dua variabel, yaitu banyaknya film yang mengisahkan pernikahan dini dan banyaknya teman yang telah menikah 5. faktor tradisi yang terdiri dari dua variabel, yaitu takut jadi perawan tua

atau jaka tua dan orang tua ingin segera menimang cucu.

5.2 Saran

Dalam analisis faktor, terdapat beberapa metode untuk mengestimasi bobot faktor, yaitu analisis komponen utama, metode maksimum likelihood, dan common factor analisis. Juga ada beberapa metode rotasi ortogonal, yaitu varimax, equimax, dan quartimax. Bagi pembaca yang berminat dapat menerapkan analisis faktor dengan metode lain yang belum diterapkan dalam penulisan skripsi ini.

DAFTAR PUSTAKA

Anonim. (2003). Dag…Dig…Dug…Seks Remaja.

www.hqwebol.bkkbn.go.id/hqweb/ceria/mbrtpage13html

Anton, H. (1995). Aljabar Linier Elementer. Alih Bahasa : Pantur Silaban dan I Nyoman Susila. Edisi Kelima. Erlangga, Jakarta

Azwar, S. (1997). Reliabilitas dan Validitas. Edisi Ketiga. Pustaka Pelajar, Yogyakarta

Erni. www.damandiri.or.id/file/ernibab4.pdf

Hadikusuma, H. (1990). Hukum Perkawinan Indonesia Menurut Perundangan Hukum Adat dan Hukum Agama. CV Mondar Maju, Bandung.

Hair, et al. (1998). Multivariate Analysis Data. Prentice-Hall, Inc. New Jersey. Johnson, R. A and D. W. Wichern. (1982). Applied Multivariate Statistical

Analysis. Prentice-Hall, Inc., New Jersey Noe. (2003). Pernikahan Dini. www.smu-net.com

Santoso, S. dan Tjiptono, F. (2001). Riset Pemasaran : Konsep dan Aplikasi dengan SPSS. PT Elex Media Komputindo Kelompok Gramedia, Jakarta Sembiring, R. K. (1995) Analisis Regresi. Penerbit ITB, Bandung

Simamora, B. (2005). Analisis Multivariat Pemasaran. PT Gramedia Pustaka Mulia, Jakarta

Lampiran 1

Data Penilaian Responden Terhadap Pengaruh Keputusan Menikah Muda

N o X1 X2 X3 X4 X5 X6 X7 X8 X9 X10 X11 X12 X13 X14 X15 X16 X17 1

2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17

M

85

2,5 3,7 8,7 8,3 1,0 1,2 1,5 8,5 6,8 7,2 8,0 8,1 7,9 8,2 6,7 5,5 6,5

4,0 2,0 6,0 9,0 8,0 4,0 3,0 3,0 1,0 7,5 3,0 3,0 5,5 5,5 4,0 2,0 2,0

5,5 4,7 8,5 8,5 1,0 1,2 1,7 7,5 6,5 7,5 8,0 8,1 7,5 8,5 6,7 4,5 6,8

5,5 2,0 4,5 8,5 9,2 3,0 3,0 4,5 6,5 7,3 2,5 2,3 1,0 4,0 3,0 2,0 2,0

8,5 7,0 8,0 7,5 2,0 2,0 7,0 8,5 9,5 6,0 7,0 9,5 5,0 4,0 8,0 5,0 8,0

4,7 8,4 9,5 8,7 2,5 7,5 9,6 9,6 8,5 6,3 7,3 4,5 9,5 8,3 7,7 1,5 3,4

2,3 3,3 9,0 1,5 1,0 1,0 3,5 8,0 2,5 8,9 9,1 5,5 2,5 6,2 1,7 2,2 6,8

1,2 1,4 6,5 2,3 1,1 1,2 1,1 7,6 3,1 3,5 2,2 2,5 1,3 1,5 2,2 1,3 1,1

1,0 1,0 7,8 5,6 7,6 9,2 9,2 10,0 5,4 4,0 1,0 10,0 3,0 1,0 7,0 1,0 6,0

5,4 6,1 8,1 9,1 1,2 3,4 2,1 1,5 1,1 7,5 8,5 7,3 8,5 7,3 3,4 6,7 8,5

7,8 8,8 8,9 9,3 7,8 9,2 6,3 1,2 1,3 9,5 9,6 9,3 9,6 7,8 9,7 1,2 7,8

7,9 6,7 7,8 9,0 6,0 7,6 6,0 7,8 9,0 8,0 7,0 6,7 8,0 9,5 6,0 7,7 7,5

9,3 7,8 8,5 9,5 7,6 6,3 5,3 1,2 1,3 7,8 9,5 9,7 8,7 8,6 9,7 1,2 8,7

8,5 7,6 9,3 7,6 8,5 7,5 5,4 6,5 7,6 3,4 6,5 7,9 9,3 7,5 8,3 2,5 3,6

6,5 8,7 9,5 8,7 1,4 7,6 3,4 8,5 7,7 6,5 7,5 8,7 6,9 9,5 5,4 3,2 2,5

10,0 5,0 10,0 8,0 1,0 8,0 9,0 1,0 5,0 7,0 8,5 10,0 10,0 8,0 8,0 1,0 6,0

6,7 7,5 9,5 8,5 1,5 6,5 7,8 2,5 3,4 4,7 3,7 7,8 8,9 8,7 9,1 2,3 2,4

Lampiran 2

Uji Validitas dan Reliabilitas

2.1 Uji validitas dan reliabilitas seluruh variabel

Reliability

****** Method 1 (space saver) will be used for this analysis ******

_

R E L I A B I L I T Y A N A L Y S I S - S C A L E (A L P H A)

N of Statistics for Mean Variance Std Dev Variables

SCALE 86,5533 478,4005 21,8724 17

Item-total Statistics Scale Scale Corrected Mean Variance Item- Alpha if Item if Item Total if Item Deleted Deleted Correlation Deleted X1 81,5333 391,3037 ,6156 ,7412

X2 82,2167 422,9752 ,4626 ,7569

X3 80,0300 425,2787 ,4367 ,7587

X4 80,3000 433,0476 ,3462 ,7653

X5 83,0900 501,7630 -,2318 ,8146

X6 83,7633 433,9652 ,3758 ,7633

X7 83,8033 442,7376 ,3238 ,7670

X8 79,2733 449,2262 ,1646 ,7799

X9 82,0867 439,3081 ,3030 ,7683

X10 80,4800 414,3072 ,5619 ,7499

X11 80,7100 420,9140 ,3916 ,7617

X12 80,8767 401,6274 ,5512 ,7477

X13 81,5467 419,0253 ,4791 ,7553

X14 80,2033 439,7672 ,2588 ,7721

X15 80,9667 440,1630 ,3152 ,7675

X16 82,3767 427,2025 ,3347 ,7665

X17 81,5967 402,8196 ,6480 ,7424

Reliability Coefficients N of Cases = 30,0 N of Items = 17 Alpha = ,7751

2.2 Uji validitas dan reliabilitas tanpa variabel X5 dan X8

Reliability

****** Method 1 (space saver) will be used for this analysis ******

_

R E L I A B I L I T Y A N A L Y S I S - S C A L E (A L P H A)

N of Statistics for Mean Variance Std Dev Variables

SCALE 75,8100 461,3961 21,4801 15

Item-total Statistics Scale Scale Corrected Mean Variance Item- Alpha if Item if Item Total if Item Deleted Deleted Correlation Deleted X1 70,7900 372,7671 ,6433 ,7883

X2 71,4733 406,1172 ,4707 ,8029

X3 69,2867 409,6709 ,4316 ,8055

X4 69,5567 420,3191 ,3122 ,8134

X6 73,0200 418,8996 ,3632 ,8098

X7 73,0600 428,0301 ,3046 ,8131

X9 71,3433 421,3791 ,3182 ,8128

X10 69,7367 397,4969 ,5717 ,7964

X11 69,9667 402,0057 ,4164 ,8068

X12 70,1333 384,9513 ,5603 ,7955

X13 70,8033 398,9990 ,5194 ,7994

X14 69,4600 425,6501 ,2382 ,8190

X15 70,2233 426,3632 ,2884 ,8143

X16 71,6333 409,8644 ,3445 ,8123

X17 70,8533 385,5543 ,6649 ,7893

Reliability Coefficients N of Cases = 30,0 N of Items = 15 Alpha = ,8162

2.3 Uji validitas dan reliabilitas tanpa variabel X5, X8, dan X14

Reliability

****** Method 1 (space saver) will be used for this analysis ******

_

R E L I A B I L I T Y A N A L Y S I S - S C A L E (A L P H A)

N of Statistics for Mean Variance Std Dev Variables

SCALE 69,4600 425,6501 20,6313 14

Item-total Statistics Scale Scale Corrected Mean Variance Item- Alpha if Item if Item Total if Item Deleted Deleted Correlation Deleted X1 64,4400 339,3790 ,6540 ,7899

X2 65,1233 371,3853 ,4820 ,8052

X3 62,9367 377,8100 ,4106 ,8101

X4 63,2067 387,4641 ,2975 ,8181

X6 66,6700 384,4725 ,3654 ,8131

X7 66,7100 393,5361 ,3036 ,8166

X9 64,9933 382,0869 ,3696 ,8129

X10 63,3867 365,4226 ,5582 ,8000

X11 63,6167 367,1318 ,4282 ,8093

X12 63,7833 354,1925 ,5407 ,8001

X13 64,4533 366,5915 ,5092 ,8031

X15 63,8733 389,2165 ,3164 ,8162

X16 65,2833 376,6676 ,3377 ,8166

X17 64,5033 354,3845 ,6475 ,7930

Reliability Coefficients N of Cases = 30,0 N of Items = 14 Alpha = ,8190

Lampiran 3

Analisis Faktor Tanpa Variabel X_5, X_{8, dan} X₁₄

3.1 KMO dan Tes Bartlett

KMO and Bartlett's Test

,707 344,573 91 ,000 Kaiser-Meyer-Olkin Measure of Sampling

Adequacy.

Approx. Chi-Square df

Sig. Bartlett's Test of

Sphericity

3.2 Matriks anti-image bagian diagonal

Variabel Nilai KMO

X1 X2 X3 X4 X6 X7 X9 X10 X11 X12 X13 X15 X16 X17

0,724 0,732 0,735 0,688

0,479

0,681 0,668 0,661 0,715 0,810 0,777 0,674 0,633 0,631

Lampiran 4

Analisis Faktor Tanpa Variabel X_{5, X6,} X_{8, dan} X₁₄

4.1 KMO dan Tes Bartlett

KMO and Bartlett's Test

,717 330,554 78 ,000 Kaiser-Meyer-Olkin Measure of Sampling

Adequacy.

Approx. Chi-Square df

Sig. Bartlett's Test of

Sphericity

4.2 Matriks anti-image bagian diagonal

Variabel Nilai KMO

X1 X2 X3 X4 X7 X9 X10 X11 X12 X13 X15 X16 X17

0,723 0,729 0,740 0,681 0,738 0,675 0,671 0,734 0,810 0,774 0,672 0,600 0,654

4.3 Komunalitas

Communalities

1,000 ,550

1,000 ,778

1,000 ,632

1,000 ,713

1,000 ,758

1,000 ,784

1,000 ,776

1,000 ,610

1,000 ,681

1,000 ,676

1,000 ,705

1,000 ,611

1,000 ,832

X1 X2 X3 X4 X7 X9 X10 X11 X12 X13 X15 X16 X17

Initial Extraction

Total Variance Explained

4,143 31,870 31,870 4,143 31,870 31,870 2,401 18,466 18,466

1,562 12,014 43,884 1,562 12,014 43,884 1,831 14,083 32,549

1,219 9,375 53,259 1,219 9,375 53,259 1,827 14,053 46,602

1,144 8,799 62,058 1,144 8,799 62,058 1,617 12,437 59,039

1,038 7,984 70,042 1,038 7,984 70,042 1,430 11,003 70,042

,842 6,474 76,516

,706 5,433 81,948

,580 4,461 86,410

,495 3,805 90,215

,420 3,228 93,443

,316 2,433 95,876

,293 2,251 98,127

,243 1,873 100,000

Component 1

2 3 4 5 6 7 8 9 10 11 12 13

Total % of Variance Cumulative % Total % of Variance Cumulative % Total % of Variance Cumulative % Initial Eigenvalues Extraction Sums of Squared Loadings Rotation Sums of Squared Loadings

i 4.5 Scree Plot

Scree Plot jumlah faktor 13 12 11 10 9 8 7 6 5 4 3 2 1 n ila i e ig e n 5 4 3 2 1 0

4.6 Matriks faktor

Component Matrixa

,667 9,349E-02 -,188 -,224 -,102

,659 -,116 -,471 -,237 -,228

,591 -,340 ,263 -,263 -,171

,531 -,440 ,411 ,105 -,240

,456 -,437 9,275E-02 ,257 ,534

,401 ,205 -,256 ,636 -,334

,527 ,308 ,526 ,297 -,197

,567 ,409 4,619E-02 -,295 -,180

,709 6,325E-02 ,111 -,392 8,968E-02

,700 -,192 -9,14E-02 ,375 -1,56E-02

,544 -,304 -,489 5,142E-02 ,273

,318 ,657 -,208 ,120 ,147

,525 ,414 ,261 -1,24E-02 ,563

X1 X2 X3 X4 X7 X9 X10 X11 X12 X13 X15 X16 X17

1 2 3 4 5

Component

Extraction Method: Principal Component Analysis. 5 components extracted.

a.

Rotated Component Matrixa

,671 ,218 ,147 ,107 ,139

,827 -9,63E-02 7,443E-02 ,199 ,198

,429 3,132E-02 ,646 ,138 -,105

,132 -3,79E-02 ,799 ,195 ,131

-4,51E-02 ,174 ,286 ,802 -1,35E-02

,123 4,917E-02 2,701E-02 6,951E-02 ,872

-5,39E-03 ,535 ,542 -,146 ,417

,570 ,446 ,156 -,227 ,104

,600 ,419 ,325 ,140 -,141

,283 ,113 ,339 ,480 ,488

,469 -4,46E-02 -6,63E-02 ,678 ,140

,231 ,568 -,341 -4,72E-02 ,343

,102 ,861 4,918E-02 ,275 -4,84E-02

X1 X2 X3 X4 X7 X9 X10 X11 X12 X13 X15 X16 X17

1 2 3 4 5

Component

Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization.

Rotation converged in 18 iterations. a.

4.8 Matriks transformasi ortogonal

Component Transformation Matrix

,645 ,410 ,438 ,364 ,303

,047 ,683 -,437 -,529 ,245

-,468 ,383 ,712 -,252 -,251

-,548 -,001 ,021 ,295 ,782

-,251 ,468 -,330 ,661 -,416

Component 1

2 3 4 5

1 2 3 4 5

Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization.

Lampiran 5 KUESIONER

Nama :

Usia ketika menikah :

Alamat :

Kuisioner ini dilakukan untuk penelitian (skripsi), mohon untuk diisi dengan keadaan Anda yang sebenarnya.

Berilah skor / nilai antara 1 s.d 10 pada kotak yang telah disediakan sesuai dengan tingkat pengaruh variabel tersebut terhadap keputusan Anda untuk menikah diusia muda. Skor 1 menunjukkan variebel tersebut sangat tidak berpengaruh bagi Anda dan skor 10 menunjukkan variabel tersebut sangat berpengaruh bagi Anda.

Contoh :

Dorongan orang tua 7,8

Dorongan orang tua Dorongan teman

Dorongan calon pasangan Takut kehilangan pasangan

Hamil pranikah / pasangan hamil pranikah Banyaknya artis yang menikah muda

Banyaknya film yang mengisahkan pernikahan dini Takut dosa

Takut jadi perawan tua / jaka tua Kemapanan hidup calon pasangan

Sudah adanya pinangan / sudah meminang Sudah menyelesaikan sekolah

Sudah mempunyai penghasilan sendiri Banyaknya teman yang telah menikah Perjodohan

Total Variance Explained

4,143 31,870 31,870 4,143 31,870 31,870 2,401 18,466 18,466

1,562 12,014 43,884 1,562 12,014 43,884 1,831 14,083 32,549

1,219 9,375 53,259 1,219 9,375 53,259 1,827 14,053 46,602

1,144 8,799 62,058 1,144 8,799 62,058 1,617 12,437 59,039

1,038 7,984 70,042 1,038 7,984 70,042 1,430 11,003 70,042

,842 6,474 76,516

,706 5,433 81,948

,580 4,461 86,410

,495 3,805 90,215

,420 3,228 93,443

,316 2,433 95,876

,293 2,251 98,127

,243 1,873 100,000

Component 1

2 3 4 5 6 7 8 9 10 11 12 13

Total % of Variance Cumulative % Total % of Variance Cumulative % Total % of Variance Cumulative % Initial Eigenvalues Extraction Sums of Squared Loadings Rotation Sums of Squared Loadings

i

Scree Plot jumlah faktor 13 12 11 10 9 8 7 6 5 4 3 2 1 n ila i e ig e n 5 4 3 2 1 0

4.6 Matriks faktor

Component Matrixa

,667 9,349E-02 -,188 -,224 -,102

,659 -,116 -,471 -,237 -,228

,591 -,340 ,263 -,263 -,171

,531 -,440 ,411 ,105 -,240

,456 -,437 9,275E-02 ,257 ,534

,401 ,205 -,256 ,636 -,334

,527 ,308 ,526 ,297 -,197

,567 ,409 4,619E-02 -,295 -,180

,709 6,325E-02 ,111 -,392 8,968E-02

,700 -,192 -9,14E-02 ,375 -1,56E-02

,544 -,304 -,489 5,142E-02 ,273

,318 ,657 -,208 ,120 ,147

,525 ,414 ,261 -1,24E-02 ,563

X1 X2 X3 X4 X7 X9 X10 X11 X12 X13 X15 X16 X17

1 2 3 4 5

Component

Extraction Method: Principal Component Analysis. 5 components extracted.

a.

Rotated Component Matrixa

,671 ,218 ,147 ,107 ,139

,827 -9,63E-02 7,443E-02 ,199 ,198

,429 3,132E-02 ,646 ,138 -,105

,132 -3,79E-02 ,799 ,195 ,131

-4,51E-02 ,174 ,286 ,802 -1,35E-02

,123 4,917E-02 2,701E-02 6,951E-02 ,872

-5,39E-03 ,535 ,542 -,146 ,417

,570 ,446 ,156 -,227 ,104

,600 ,419 ,325 ,140 -,141

,283 ,113 ,339 ,480 ,488

,469 -4,46E-02 -6,63E-02 ,678 ,140

,231 ,568 -,341 -4,72E-02 ,343

,102 ,861 4,918E-02 ,275 -4,84E-02

X1 X2 X3 X4 X7 X9 X10 X11 X12 X13 X15 X16 X17

1 2 3 4 5

Component

Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization.

Rotation converged in 18 iterations. a.

4.8 Matriks transformasi ortogonal

Component Transformation Matrix

,645 ,410 ,438 ,364 ,303

,047 ,683 -,437 -,529 ,245

-,468 ,383 ,712 -,252 -,251

-,548 -,001 ,021 ,295 ,782

-,251 ,468 -,330 ,661 -,416

Component 1 2 3 4 5

1 2 3 4 5

Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization.

Lampiran 5

KUESIONER

Nama

:

Usia ketika menikah

:

Alamat

:

Kuisioner ini dilakukan untuk penelitian (skripsi), mohon untuk diisi dengan

keadaan Anda yang sebenarnya.

Berilah skor / nilai antara 1 s.d 10 pada kotak yang telah disediakan sesuai dengan

tingkat pengaruh variabel tersebut terhadap keputusan Anda untuk menikah diusia

muda. Skor 1 menunjukkan variebel tersebut

sangat tidak berpengaruh

bagi

Anda dan skor 10 menunjukkan variabel tersebut

sangat berpengaruh

bagi

Anda.

Contoh :

Dorongan orang tua

7,8

Dorongan orang tua

Dorongan teman

Dorongan calon pasangan

Takut kehilangan pasangan

Hamil pranikah / pasangan hamil pranikah

Banyaknya artis yang menikah muda

Banyaknya film yang mengisahkan pernikahan dini

Takut dosa

Takut jadi perawan tua / jaka tua

Kemapanan hidup calon pasangan

Sudah adanya pinangan / sudah meminang

Sudah menyelesaikan sekolah

Sudah mempunyai penghasilan sendiri

Banyaknya teman yang telah menikah

Perjodohan