Teknik Analisis Data

E. Teknik Analisis Data

Analisis data merupakan salah satu tahapan dalam penelitian di mana peneliti mengolah data yang diperoleh dari responden dengan teknik analisis tertentu sehingga pada akhirnya diperoleh suatu kesimpulan penelitian. Teknik analisis data yang digunakan dalam penelitian ini adalah model analisis faktor. Menurut Bhuono Agung Nugroho (2005: 91) ”Analisis faktor merupakan analisis statistik yang bertujuan untuk mengidentifikasi, mengelompokkan, dan meringkas faktor-faktor yang merupakan dimensi suatu variebel, definisi dan sebuah fenomena tertentu”. Dengan kata lain analisis faktor merupakan suatu teknik menggambarkan struktur data dari suatu penelitian dengan jalan menganalisis saling ketergantungan (interdependence) antara variabel secara simultan. Untuk memudahkan analisis tanpa menghilangkan informasi dari variabel asli yang diteliti, dilakukan dengan cara menyederhanakan interindependence tersebut menjadi sejumlah faktor tertentu. Varibel-variabel yang berkorelasi tinggi akan

Menurut Malhotra (2002) analisis tidak menentukan nama dan konsep untuk faktor-faktor yang dihasilkan. Makna dan konsep tiap faktor ditentukan berdasarkan makna umum variabel-varibel yang tercakup di dalamnya. Rumus analisis faktor yang digunakan adalah:

Xi = Ai 1 F 1 + Ai 2 F 2 + Ai 3 F 3 + ….. + Ai m F m + ViUi

keterangan: Xi = variabel standar ke i. Aij = koefisien regresi berganda dari variabel i pada faktor umum (common

Factor j).

F = faktor umum. Vi = koefisien standar regresi dari variabel i pada faktor khusus i. Ui = faktor khusus bagi variabel 1. m = jumlah dari faktor umum.

Sehingga, jika ke 26 variabel yang diteliti di masukkan ke dalam model, maka model analisis faktor yang digunakan adalah sebagai berikut:

X1 = A1 1 F 1 + A1 2 F 2 + A1 3 F 3 + ….. + A1 26 F 26 + V1U1 X2 = A2 1 F 1 + A2 2 F 2 + A2 3 F 3 + ….. + A2 26 F 26 + V2U2

X3 = A3 1 F 1 + A3 2 F 2 + A3 3 F 3 + ….. + A3 26 F 26 + V3U3

...

X26 = A26 1 F 1 + A26 2 F 2 + A26 3 F 3 + ….. + A26 26 F 26 + V26U26

Di mana: X1 = Kondisi kesehatan. X2 = Kondisi panca indra. X3 = Kecerdasan (inteligensi). X4 = Kesediaan untuk merespon dalam kegiatan belajar (sikap). X5 = Keinginan yang besar dalam belajar (minat). X6 = Kemampuan potensial dalam belajar (bakat). X7 = Tujuan yang ingin dicapai. X8 = Kesadaran untuk lebih maju.

X11 = Keharmonisan keluarga. X12 = Kondisi ekonomi keluarga. X13 = Dorongan dosen. X14 = Bimbingan dosen. X15 = Fasilitas dosen. X16 = Kehidupan masyarakat di sekitar mahasiswa. X17 = Fasilitas yang ada di masyarakat. X18 = Teman bergaul. X19 = Persaingan belajar di antara teman. X20 = Kondisi/ suasana tempat tinggal. X21 = Kondisi kampus. X22 = Letak kampus. X23 = Kelengkapan peralatan belajar di kampus. X24 = Kondisi iklim, cuaca dan suhu. X25 = Strategi pembelajaran. X26 = Metode pembelajaran.

Faktor-faktor khusus berkorelasi satu dengan lainnya, juga tidak ada korelasinya dengan faktor umum. Faktor-faktor umum dapat dinyatakan sebagai kombinasi linier dari variabel-variabel yang akan diamati. Persamaannya adalah:

Fi = Wi 1 X 1 + Wi 2 X 2 + Wi 3 X 3 + ….. W k X k

Keterangan: Fi

= estimasi faktor ke i. Wi = bobot atau koefesien nilai faktor. k

= jumlah variabel.

X = variabel. Dimungkinkan untuk memiliki bobot atau skor koefisien faktor sehingga faktor pertama dapat menjelaskan porsi terbesar dari total varians. Kemudian, kelompok kedua dari bobot dapat dipilih, sehingga faktor kedua tersebut merupakan varians sisa yang terbesar dengan tetap mempertimbangkan bahwa X = variabel. Dimungkinkan untuk memiliki bobot atau skor koefisien faktor sehingga faktor pertama dapat menjelaskan porsi terbesar dari total varians. Kemudian, kelompok kedua dari bobot dapat dipilih, sehingga faktor kedua tersebut merupakan varians sisa yang terbesar dengan tetap mempertimbangkan bahwa

Analisis faktor pada prinsipnya digunakan untuk mereduksi data, yaitu proses untuk meringkas sejumlah variabel menjadi lebih sedikit dan menamakannya sebagai faktor. Langkah-langkah analisis faktor adalah sebagai berikut :

Gambar 2. Tahapan Analisis Faktor, Sumber : Malholtra (2002: 648)

1. Merumuskan Masalah(Formulate the Problem) Langkah ini menjelaskan rasional tujuan penelitian menggunakan analisis faktor, kemudian menentukan variabel yang akan diteliti dalam hal ini adalah

Formulate the Problem

Construct the Correlation

Matrix

Determine the Number of Factors

Rotate Factors

Interpret Factors Faktor-fakto r

Calculate Factor Scores

Skor Faktor

Select Surrogate Variables

Determine Model Fit

Variabel yang dipertimbangkan ada 26 variabel, yaitu variabel X 1 sampai variabel X 26 . Data mentah diasumsikan merupakan hasil pengukuran matrik.

Matrik data mentah diperoleh dari data asli langsung dari kuisioner. Matrik ini berukuran p x q (p baris dan q kolom); p = banyaknya responden yang mengisi kuisioner, q = banyaknya variabel/item pertanyaaan kuisioner.

2. Menyusun Matrik Korelasi (Uji) Independensi Variabel dalam Matrik

(Construct the Correlation Matrix) Matriks korelasi merupakan koefisien korelasi antar variabel dan sebagai

bahan baku dari analisis faktor. Pada tahap ini dilakukan uji Bartlett’s Test of Sphericity dan uji KMO (Keiser-Meyer-Olkin). Uji Bartlett’s test of sphericity, adalah uji statistik yang digunakan untuk menguji hipotesis yang menyatakan bahwa variabel-variabel tersebut tidak berkorelasi dalam populasinya. Dengan kata lain, matriks korelasi populasi adalah sebuah matriks identitas (identity matrix) di mana setiap variabel berkorelasi sempurna dengan variabel itu sendiri (r=1), tetapi tidak berkorelasi dengan variabel lainnya (r=0). Uji Bartlett’s digunakan untuk menguji korelasi dari ke dua puluh enam variabel yang diteliti. Jika hasil uji bartlett’s diperoleh angka < 0.05 maka variabel-variabel tersebut layak untuk analisis faktor. Sedangkan uji KMO merupakan sebuah indeks yang digunakan untuk menguji kesesuaian analisis faktor. Nilai KMO yang tinggi > 0.5 mengindikasikan bahwa analisis faktor layak digunakan.

Proses analisis dilanjutkan dengan menguji nilai MSA, yaitu pedoman untuk mengukur apakah suatu variabel itu memenuhi syarat atau tidak sebagai syarat analisis faktor. Setiap variabel nilainya tidak lebih kecil dari 0,5. Nilai MSA yang lebih kecil dari 0,5 mengindikasikan bahwa variabel tersebut tidak cocok dengan struktur variabel-variabel yang lain, dan harus dipertimbangkan untuk mengeluarkan variabel tersebut dari analisis. Nilai MSA setiap variabel yang diuji dapat dilihat pada tabel Anti Image Matrice pada bagian anti image correlation.

3. Menentukan Jumlah Faktor (Determine the Number of Factor)

(Principal Component Analisis). Pada tahap ini akan diketahui sejumlah faktor yang layak mewakili variabel yang dianalisis dengan melihat besarnya nilai Eigenvalues . Faktor yang terbentuk adalah variabel yang memiliki nilai Eigenvalues > 1.

4. Merotasi Faktor (Rotate Factor)

Jika matrik sulit diinterpretasikan, maka perlu dilakukan rotasi. Metode yang digunakan adalah rotasi varimax. Tujuannya untuk memperjelas factor loading dalam setiap faktor. Variabel yang mempunyai factor loading > 0.4 menunjukkan variabel tersebut berperan dan sebaliknya jika factor loading < 0.4 maka variabel dikeluarkan.

5. Menginterpretasikan Faktor (Interpret Factor)

Dalam menginterpretasikan faktor dengan pertimbangan initial factor matrix, eigenvalue, percent of variance dan factor loading minimum. Dari kriteria faktor loading minimal dapat ditentukan variabel masuk faktor mana, sehingga teridentifikasi nama variabel yang bergabung.

6. Menentukan Model yang Tepat (Determine Model Fit)

Langkah ini didasarkan asumsi bahwa korelasi antar variabel dapat dihubungkan dengan faktor umum. Korelasi ini direproduksi dari estimasi variabel dan faktor tersebut. Residual dilakukan untuk melakukan uji ketepatan model. Jika residu ”E” maka penulis dapat mendeteksi apakah model yang

dihasilkan dari analisis faktor tepat atau tidak berdasarkan banyaknya residu dengan nilai absolut > 0,05. Untuk mengukur ketepatan model ini digunakan teknik PCA dengan melihat sampai seberapa besar residual antar korelasi awal yang diamati dengan korelasi hasil reproduksi. Jika terdapat banyak residual berarti ada indikasi bahwa faktor tersebut tidak dapat menyediakan model yang baik.