47
H. Teknik Analisis Data
Analisis data merupakan kegiatan setelah data dari seluruh responden atau sumber data lain telah terkumpul sugiyono 2013: 207. Teknik analisis data
dalam penelitian kuantitatif menggunakan statistik. Terdapat dua macam statistik yaitu statistik deskriptif dan statistik inferensal. Dalam penelitian ini digunakan
statistik deskriptif.
1. Analisis Deskriptif
Analisis yang digunakan untuk mendefinisikan variabel-variabel penelitian. Rumus yang digunakan meliputi perhitungan rerata mean, median me, modus
mo dan simpangan baku,tabel distribusi frekuensi, histogram
2. Uji Hipotesis
Pengujian hipotesis
dalam penelitian
ini menggunakan
analisis regresisederhana untuk uji hipotesis pengaruh X1 terhadap Y dan pengaruh X2
terhadap Y dan regresi berganda untuk pengaruh X1 dan X2 terhadapY. Sugiyono 2012: 260-261 mengatakan bahwa analisis
regresi digunakan untuk memprediksikan seberapa jauh perubahan nilai variabel terikat, apabila nilai
variabel bebas dirubah-rubah atau dinaik-turunkan. Analisis regresi dilakukan bila hubungan dua variabel berupa hubungan kausal atau fungsional.
48
BAB IV
HASIL PENELITIAN DAN PEMBAHASAN A. Hasil Uji Validitas dan Reliabilitas
1. Uji Validitas Pelaksanaan Jam Belajar Masyarakat
Uji coba instrumen dalam penelitian ini dilakukan di SD Negeri Tahunan Yogyakarta pada tanggal 4 Februari 2017 dengan jumlah responden sebanyak 30
siswa. Setelah dilakukan uji coba instrumen maka dapat dilakukan uji validitas dengan teknik analisis faktor.
a. Measure of Sampling Adequacy MSA
Measure of Sampling Adequacy MSA digunakan untuk mengetahui apakah variabel sudah memadai untuk dianalisis lebih lanjut. Nilai ini dapat dilihat pada
nilai anti-image correlationmatriks. Jika nilai MSA lebih besar dari 0,5 maka variabel tersebut sudah memadai untuk dianalisis lebih lanjut. Apabila terdapat
nilai MSA dari variabel-varibael kurang dari 0,5 harus dikeluarkan satu per satu dari analisis. Sehingga diperoleh hasil analisis output menggunakan SPSS 20
diperoleh nilai MSA sebagai berikut:
Tabel 10. Nilai Measure of Sampling Adequacy MSA
variabel Anti-image Correlationmariks
X1 0,776
X2 0,718
X3 0,871
X4 0,800
X5 0,812
X6 0,696
X7 0,913
X8 0,881
X9 0,658
X10 0,726
49 X12
0,834 X13
0,640 X14
0, 652 X15
0,748 X16
0,785 X17
0,668 X18
0,700 X19
0,830 X20
0,521 X21
0,863 X22
0,525 X23
0,628 X24
0,592 X25
0, 790
Melalui output SPSS 20 dapat dilihat bahwa 24 variabel masing-masing mempunyai nilai MSA lebih dari 0,5 . Sehingga dapat disimpulkan bahwa
variabel sudah memadai untuk dianalisis lebih lanjut.
b. Kasier-Meyer-
Olkin KMO Measure of Sampling Adequcy and Barlett’s Test
Langkah yang dilakukan selanjutnya adalah pengujian kecukupan sampel melalui indeks Kasier Meyer-Olkin KMO dan nilai signifikansi Bartlett’s Test of
Sphericity. Indeks ini digunakan untukmeneliti ketepatan penggunaan analisis faktor. Apabila nilai KMO antara 0,5 sampai 1 dan signifikansi Bartlett’s Test of
Sphericity ini kurang dari level signifikan yang digunkaan dapat diartikan bahwa analisis faktor tepat digunakan. Dari output SPSS 20 diperoleh KMO sebesar 0,740,
nilai Bartlett’s Test of Sphericitysebesar 719,552 dan nilai signifikansi Bartlett’s Test of Sphericityadalah 0,000 sehingga dapat dikatakan bahwa sangat baik. Dengan
demikian dapat disimpulkan bahwa instrumen pelaksanaan Jam Belajar Masyarakat valid ditinjau dari validitas konstruk.
50
Tabel 11. Hasil KMO and
Bartlett’s Test
KMO and Bartletts Test
Kaiser-Meyer-Olkin Measure of Sampling Adequacy.
,740 Bartletts Test of
Sphericity Approx. Chi-Square
719,552 Df
276 Sig.
,000
c. Penentuan Jumlah Faktor
Jumlah faktor yang akan dibentuk fitentukan dengan menggunakan kombinasi beberapa kriteria untuk mendapatkan jumlah faktor yang paling sesuai
dengan data penelitian.
Tabel 12. Total Variance Explained
Total Variance Explained
Componen t
Initial Eigenvalues Extraction Sums of
Squared Loadings Total
of Variance
Cumulative Total
of Variance
1 14,447
60,195 60,195
14,447 60,195
2 1,729
7,206 67,401
1,729 7,206
3 1,190
4,956 72,357
1,190 4,956
4 1,061
4,419 76,776
1,061 4,419
5 ,900
3,751 80,527
6 ,835
3,478 84,005
7 ,671
2,795 86,800
8 ,576
2,400 89,200
9 ,489
2,036 91,236
10 ,365
1,520 92,756
11 ,332
1,383 94,139
12 ,271
1,127 95,266
13 ,255
1,063 96,329
14 ,229
,953 97,282
15 ,147
,611 97,893
16 ,121
,503 98,397
17 ,105
,437 98,834
18 ,089
,373 99,206
19 ,071
,297 99,503
20 ,044
,183 99,687
51 21
,031 ,130
99,817 22
,023 ,094
99,911 23
,014 ,060
99,970 24
,007 ,030
100,000
Berdasarkan pada tabel tersebut bahwa ada 24 komponen yang mewakili variabel. Faktor yang mempunyai nilai eigen kurang dari 1 tidak diikutsertakan
dalam model. Dari tabel diatas dapat diperoleh nilai eigen yang lebih besar dari 1 pada faktor 1,2,3, dan 4. Kemudian kriteria yang kedua adalah penentuan
berdasarkan nilai persentase variansi total yang dapat dijelaskan oleh faktor yang akan dibentuk. Dari tabel diatas dapat dilakukan interpretasi yang berkaitan dengan
variansi total komulatid sampel . Jika variabel diringkas menjadi beberapa faktor, maka nilai total variansi yang dapat dijelaksan adalah sebagai berikut.
1 Varians dapat diterangkan oleh faktor 1 adalah 14,44724 x 100 =60,195 2 Varians dapat diterangkan oleh faktor 2 adalah 1,72924x 100 = 7,206
3 Varians dapat diterangkan oleh faktor 3 adalah 1,19024x 100 = 4,956 4 Varians dapat diterangkan oleh faktor 4 adalah 1,06124 x 100 = 4.419
Sehingga total keempat faktor akan mampu menjelaskan variabel sebesar 60,195+ 7,206+ 4,956+ 4,419= 76,776. Artinya 4 faktor yang terbentuk
sudah dapat mewakili 24 variabel pelaksanaan Jam Belajar Masyarakat yang menjelaskan kira-kira 76,776 pelaksanaan Jam Belajar Masyarakat.
Kriteria ketiga adalah penentuan berdasarkan scree plot. Scree plot merupakan suatu plot nilai eigen terhadap jumlah faktor yang diekstasi. Titik pada
tempat dimana scree mulai terlihat mendatar. Pada gambar terlihat bahwa scree plot mulai mendatar pada ekstraksi variabel-variabel awal menjadi 4 faktor.
52 Gambar 2. Scree Plot
Dari kombinasi dari ketiga kriteria tersebut dapat disimpulkan bahwa ekstraksi faktor yang paling tepat adalah 4 faktor.
d. Komunalitas Komunalitas pada dasarnya adalah jumlah varian dari suatu variabel yang
bisa dijelaskan oleh faktor yang ada. Lebih lengkapnya dapat dilihat dalam tabel 13.
Tabel 13. Tabel Communalitti
Communaliti es
Initial Extraction
X1 1,000
,591 X2
1,000 ,811
X3 1,000
,646 X4
1,000 ,812
X5 1,000
,847 X6
1,000 ,792
X7 1,000
,926 X8
1,000 ,844
X9 1,000
,564 X10
1,000 ,801
53 X12
1,000 ,893
X13 1,000
,726 X14
1,000 ,767
X15 1,000
,811 X16
1,000 ,897
X17 1,000
,722 X18
1,000 ,702
X19 1,000
,776 X20
1,000 ,800
X21 1,000
,656 X22
1,000 ,893
X23 1,000
,667 X24
1,000 ,919
X25 1,000
,563
Pada tabel diatas dapat dilihat bahwa semua nilai menunjukan angka lebih dari 0,5 sehingga semua variabel dapat menjelaskan faktor.
e. Component matrix
Setelah diketahui bahwa 4 faktor adalah jumlah yang paling optimal, maka tabel component matrix menunjukan distribusi ke 24 variabel tersebut pada empat
faktor yang terbentuk sedangkan angka-angka yang ada pada tabel tersebut adalah factor loadings, yang menunjukan besar korelasi antara suatu variabel dengan
faktor 1, 2,3, dan 4. Proses penentuan varibel mana akan dimasukan ke faktor yang
54 mana, Component Matrix dilakukan dengan melakukan perbandingan besar korelasi
setiap baris. Lebih lengkpanya dapat dilihat dalam tabel 14. Berikut ini.
Tabel 14 . Component Matrix
Component Matrix
a
Component 1
2 3
4 X7
,959 -,054
,035 ,058
X16 ,917
-,074 -,001
,223 X8
,911 -,108
,024 ,032
X12 ,899
-,278 ,081
-,042 X5
,891 -,156
,065 ,158
X2 ,885
-,120 ,074
-,093 X15
,865 -,219
-,015 ,120
X4 ,857
-,076 -,241
-,115 X6
,854 -,077
,028 -,235
X10 ,834
,075 -,172
,264 X17
,806 ,083
-,254 -,038
X13 ,802
-,136 -,242
-,070 X14
,770 -,309
,030 ,279
X3 ,768
-,149 ,107
,150 X23
,764 -,221
,180 -,042
X18 ,718
,262 -,255
-,228 X9
,710 -,081
-,017 -,230
X19 ,701
,102 ,350
-,389 X25
,697 ,263
,000 -,087
X1 ,634
,143 ,140
-,386 X21
,583 ,518
-,207 -,076
X20 ,510
,456 -,462
,344 X22
,463 ,766
,303 ,011
X24 ,538
,314 ,599
,415
Tabel diatas menunjukan seberapa besar sebuah variabel berkolerasi dengan faktor yang akan dibentuk. Pada X7 berkolerasi sebesar 0,959 dengan faktor 1, -
0,54 dengan faktor 2, 0,35 dengan faktor 3, dan 0,58 dengan faktor empat. Hal ini berlaku untuk variabel yang lain.
55
f. Rotasi
Proses perotasian pada penelitian ini bertujuan untuk mendapatkan faktor faktor dengan faktor loading yang cukup jelas untuk interpretasi. Komponen
matriks rotasi adalah matirk yang lebih jelas dan nyata dibandingkan component matrik. Lebih jelasnya pada tabel di bawah ini.
Tabel 15. Rotated Component Matrix
Rotated Component Matrix
a
Component 1
2 3
4 X14
,854 ,065
,135 ,123
X12 ,840
,411 ,117
,073 X15
,829 ,248
,230 ,093
X5 ,828
,256 ,234
,205 X16
,822 ,213
,349 ,232
X7 ,793
,383 ,327
,210 X8
,778 ,372
,277 ,154
X3 ,727
,218 ,161
,211 X2
,726 ,474
,206 ,128
X23 ,706
,382 ,034
,149 X10
,685 ,130
,530 ,186
X13 ,673
,346 ,375
-,116 X4
,669 ,419
,426 -,091
X6 ,635
,578 ,226
,055 X17
,565 ,356
,525 ,005
X9 ,526
,498 ,199
-,007 X19
,376 ,741
,041 ,290
X1 ,299
,670 ,179
,147 X25
,371 ,435
,421 ,241
X20 ,243
-,081 ,845
,145 X21
,141 ,374
,673 ,208
X18 ,340
,509 ,572
,004 X24
,383 ,078
,083 ,871
X22 -,052
,401 ,461
,718
Hasil yang diperoleh menunjukan bahwa nilai-nilai faktor loading antara suatu variabel dengan beberapa faktor telah cukup dibedakan dan siap dilakukan
interpretasi. Seluruh variabel telah mempunyai faktor loading yang tingi pada salah satu faktor dan mempunyai faktor loading yang cukup kecil untuk faktor-faktor
yang lainnya.
56 Penentuan variabel masuk pada faktor yang mana dengan melihat nilai
korelasi terbesar. Dari tabel diatas diperoleh anggota masing-masing kelompok adalah sebagai berikut.
Faktor 1 : X 14, X12, X15, X16, X7. X8, X3. X2, X23, X4, X9, X13, X17 Faktor 2 : X6, X19, X1, X18, X25
Faktor 3 : X20, X21, X10 Faktor 4 : X22, X24
2. Uji Validitas Peran Orangtua
Uji coba instrumen dalam penelitian ini dilakukan di SD Negeri Tahunan Yogyakarta pada tanggal 4 Februari 2017 dengan jumlah responden sebanyak 30
siswa. Setelah dilakukan uji coba instrumen maka dapat dilakukan uji validitas dengan teknik analisis faktor.
a. Measure of Sampling Adequacy MSA
Measure of Sampling Adequacy MSA digunakan untuk mengethui apakah variabel sudah memadai untuk dianalisis lebih lanjut. Nilai ini dapat dilihat pada
nilai anti-image correlationmatriks. Jika nilai MSA lebih besar dari 0,5 maka variabel tersebut sudah memadai untuk dianalisis lebih lanjut. Apabila terdapat
nilai MSA dari variabel-varibael kurang dari 0,5 harus dikeluarkan satu per satu dari analisis. Sehingga diperoleh hasil analisis output menggunakan SPSS 20
diperoleh nilai MSA sebagai berikut:
57
Tabel 16. Nilai Measure of Sampling Adequacy MSA
Variabel Anti-image Correlationmariks
X1 0,797
X3 0,838
X4 0,908
X5 0,850
X7 0,741
X8 0,643
X9 0,894
X10 0,619
X11 0,586
X12 0,746
X13 0, 802
X14 0,637
X15 0,807
X16 0,754
X17 0,873
X18 0,861
X19 0,506
X20 0,666
X21 0,767
X22 0,773
X23 0,830
X24 0, 715
X25 0,904
Melalui output SPSS 20 dapat dilihat bahwa 23 variabel masing-masing mempunyai nilai MSA lebih dari 0,5 . Sehingga dapat disimpulkan bahwa
variabel sudah memadai untuk dianalisis lebih lanjut.
b. Kasier-Meyer-
Olkin KMO Measure of Sampling Adequcy and Barlett’s Test
Langkah yang dilakukan selanjutnya adalah pengujian kecukupan sampel melalui indeks Kasier Meyer-Olkin KMO dan nilai signifikansi Bartlett’s Test of
Sphericity. Indeks ini digunakan untukmeneliti ketepatan penggunaan analisis faktor. Apabila nilai KMO antara 0,5 sampai 1 dan signifikansi Bartlett’s Test of
Sphericity ini kurang dari level signifikan yang digunkaan dapat diartikan bahwa
58 analisis faktor tepat digunakan. Dari output SPSS 20 diperoleh KMO sebesar 0,760,
nilai Bartlett’s Test of Sphericitysebesar 763,200 dan nilai signifikansi Bartlett’s Test of Sphericityadalah 0,000 sehingga dapat dikatakan bahwa sangat baik. Dengan
demikian dapat disimpulkan bahwa instrumen peran orangtua valid ditinjau dari validitas konstruk.
Tabel 17. Hasil KMO and
Bartlett’s Test
KMO and Bartletts Test
Kaiser-Meyer-Olkin Measure of Sampling Adequacy.
,760 Bartletts Test of
Sphericity Approx. Chi-Square
763,200 Df
253 Sig.
,000
c. Penentuan Jumlah Faktor
Jumlah faktor yang akan dibentuk ditentukan dengan menggunakan kombinasi beberapa kriteria untuk mendapatkan jumlah faktor yang paling sesuai
dengan data penelitian.
Tabel 18. Total Variance Explained
Total Variance Explained
Componen t
Initial Eigenvalues Extraction Sums of
Squared Loadings Total
of Variance
Cumulative Total
of Variance
1 14,461
62,874 62,874
14,461 62,874
2 1,412
6,141 69,015
1,412 6,141
3 1,077
4,682 73,697
1,077 4,682
4 1,069
4,649 78,346
1,069 4,649
5 ,884
3,846 82,192
6 ,705
3,064 85,256
7 ,632
2,746 88,002
8 ,570
2,477 90,479
9 ,444
1,932 92,412
10 ,398
1,731 94,143
59 11
,337 1,465
95,608 12
,235 1,020
96,628 13
,171 ,744
97,372 14
,147 ,637
98,009 15
,123 ,533
98,542 16
,113 ,490
99,031 17
,086 ,376
99,407 18
,045 ,194
99,601 19
,029 ,125
99,726 20
,026 ,112
99,838 21
,021 ,092
99,930 22
,013 ,055
99,985 23
,003 ,015
100,000
Berdasarkan pada tabel tersebut bahwa ada 23 komponen yang mewakili variabel. Faktor yang mempunyai nilai eigen kurang dari 1 tidak diikutsertakan
dalam model. Dari tabel diatas dapat diperoleh nilai eigen yang lebih besar dari 1 pada faktor 1,2,3, dan 4. Kemudian kriteria yang kedua adalah penentuan
berdasarkan nilai persentase variansi total yang dapat dijelaskan oleh faktor yang akan dibentuk. Dari tabel diatas dapat dilakukan interpretasi yang berkaitan dengan
variansi total komulatid sampel . Jika variabel diringkas menjadi beberapa faktor, maka nilai total variansi yang dapat dijelaksan adalah sebagai berikut.
5 Varians dapat diterangkan oleh faktor 1 adalah 14,46123 x 100 =62,874 6 Varians dapat diterangkan oleh faktor 2 adalah 1,41223x 100 = 6,141
7 Varians dapat diterangkan oleh faktor 3 adalah 1,00723x 100 = 4,682 8 Varians dapat diterangkan oleh faktor 4 adalah 1,06923x 100 = 4,649
Sehingga total keempat faktor akan mampu menjelaskan variabel sebesar 62,874+6,141+4,628+ 4,649= 78,292. Artinya 4 faktor yang terbentuk
sudah dapat mewakili 23 variabel peran orangtua yang menjelaskan kira-kira 78,292 peran orangtua
60 Kriteria ketiga adalah penentuan berdasarkan scree plot. Scree plot
merupakan suatu plot nilai eigen terhadap jumlah faktor yang diekstasi. Titik pada tempat dimana scree mullai terlihat mendatar. Pada gambar terlihat bahwa scree
plot mulai mendatar pada ekstraksi variabel-variabel menjadi 4 faktor.
Gambar 3. Scree Plot Dari kombinasi dari ketiga kriteria tersebut dapat disimpulkan
bahwa ekstraksi faktor yang paling tepat adalah 4 faktor.
d. Komunalitas
Komunalitas pada dasarnya adalah jumlah varian dari suatu variabel yang bisa dijelaskan oleh faktor yang ada. Lebih lengkapnya dapat dilihat dalam tabel 19.
Tabel 19 . Communalities
Communalities
Initial Extraction
X1 1,000
,694 X3
1,000 ,923
X4 1,000
,782 X5
1,000 ,714
X7 1,000
,909 X8
1,000 ,789
X9 1,000
,787 X10
1,000 ,856
61 X11
1,000 ,879
X12 1,000
,567 X13
1,000 ,878
X14 1,000
,479 X15
1,000 ,758
X16 1,000
,938 X17
1,000 ,594
X18 1,000
,871 X19
1,000 ,804
X20 1,000
,755 X21
1,000 ,821
X22 1,000
,639 X23
1,000 ,850
X24 1,000
,912 X25
1,000 ,821
Pada tabel diatas dapat dilihat bahwa semua nilai menunjukan angka lebih dari 0,5 sehingga semua variabel dapat menjelaskan faktor.
e. Component matrix
Setelah diketahui bahwa 4 faktor adalah jumlah yang paling optimal, maka tabel component matriks menunjukan distribusi ke 23 variabel tersebut pada empat
faktor yang terbentuk se dangkan angka-angka yang ada pada tabel tersebut adalah factor loadings, yang menunjukan besar korelasi antara suatu variabel dengan
faktor 1, 2,3, dan 4. Proses penentuan varibel mana akan dimasukan ke faktor yang mana, dilakukan dengan melakukan perbandingan besar korelasi setiap baris. Lebih
lengkpanya dapat dilihat dalam tabel 20. Berikut ini.
62
Tabel 20. Component Matrix
Component Matrix
a
Component 1
2 3
4 X3
,938 -,106
-,169 -,060
X16 ,932
-,054 -,204
-,160 X7
,928 -,083
-,197 -,049
X24 ,901
-,265 ,046
-,165 X21
,897 ,094
-,088 ,020
X25 ,877
,191 ,042
-,121 X23
,872 ,202
-,044 -,216
X13 ,861
-,339 -,033
,141 X4
,837 -,069
-,158 -,228
X18 ,835
-,139 -,192
-,344 X9
,831 -,274
,143 ,004
X8 ,821
,054 ,303
,140 X1
,788 ,188
-,129 ,149
X11 ,764
-,048 ,526
,128 X15
,757 ,378
-,168 ,117
X5 ,729
-,021 -,061
,423 X20
,690 ,396
,327 -,119
X14 ,675
,034 ,086
,120 X12
,660 -,117
,270 ,211
X17 ,658
-,255 ,178
,254 X22
,642 -,247
,115 -,391
X19 ,609
,005 -,468
,462 X10
,557 ,735
,050 -,059
Tabel diatas menunjukan seberapa besar sebuah variabel berkolerasi dengan faktor yang akan dibentuk. Pada X3 berkolerasi sebesar 0,938 dengan faktor 1, -
0,106 dengan faktor 2, -0,169 dengan faktor 3, dan 0,606 dengan faktor empat. Hal ini berlaku untuk variabel yang lain.
f. Rotasi
Proses perotasian pada penelitian ini bertujuan untuk mendapatkan faktor faktor dengan faktor loading yang cukup jelas untuk interpretasi. Komponen
63 matriks rotasi adalah matirk yang lebih jelas dan nyata dibandingkan component
matrik. Lebih jelasnya pada tabel di bawah ini.
Tabel 21. Rotated Component Matrix
Rotated Component Matrix
a
Component 1
2 3
4 X18
,844 ,199
,250 ,239
X16 ,759
,287 ,341
,405 X24
,756 ,508
,179 ,224
X4 ,737
,248 ,303
,293 X22
,714 ,329
,124 -,070
X3 ,708
,369 ,290
,448 X7
,694 ,342
,300 ,469
X23 ,626
,268 ,572
,243 X13
,580 ,576
,045 ,456
X21 ,539
,376 ,450
,432 X11
,283 ,824
,344 ,046
X8 ,330
,670 ,425
,224 X12
,253 ,645
,191 ,225
X17 ,296
,639 ,048
,310 X9
,582 ,610
,134 ,241
X14 ,313
,442 ,315
,293 X10
,113 ,072
,901 ,162
X20 ,286
,414 ,708
-,007 X15
,308 ,200
,616 ,493
X25 ,550
,371 ,564
,250 X19
,201 ,164
,134 ,847
X5 ,209
,503 ,227
,605 X1
,364 ,314
,463 ,499
Hasil yang diperoleh menunjukan bahwa nilai-nilai faktor loading antara suatu variabel dengan beberapa faktor telah cukup dibedakan dan siap dilakukan
interpretasi. Seluruh variabel telah mempunyai faktor loading yang tingi pada salah satu faktor dan mempunyai faktor loading yang cukup kecil untuk faktor-faktor
yang lainnya.
64 Penentuan variabel masuk pada faktor yang mana dengan melihat nilai
korelasi terbesar. Dari tabel diatas diperoleh anggota masing-masing kelompok adalah sebagai berikut.
Faktor 1 : X18, X16,X24, X4, X22, X3, X7, X23, X13, X21 Faktor 2 : X11, X8, X12, X17, X9, X14
Faktor 3 : X10, X20, X15, X25 Faktor 4 : X19, X5, X1
3. Uji Validitas Motiasi Belajar
Uji coba instrumen dalam penelitian ini dilakukan di SD Negeri Tahunan Yogyakarta pada tanggal 4 Februari 2017 dengan jumlah responden sebanyak 30
siswa. Setelah dilakukan uji coba instrumen maka dapat dilakukan uji validitas dengan teknik analisis faktor.
a. Measure of Sampling Adequacy MSA
Measure of Sampling Adequacy MSA digunakan untuk mengethui apakah variabel sudah memadai untuk dianalisis lebih lanjut. Nilai ini dapat dilihat pada
nilai anti-image correlationmatriks. Jika nilai MSA lebih besar dari 0,5 maka variabel tersebut sudah memadai untuk dianalisis lebih lanjut. Apabila terdapat
nilai MSA dari variabel-varibael kurang dari 0,5 harus dikeluarkan satu per satu dari analisis. Sehingga diperoleh hasil analisis output menggunakan SPSS 20
diperoleh nilai MSA sebagai berikut:
65
Tabel 22. Nilai Measure of Sampling Adequacy MSA
Variabel Anti-image Correlationmariks
X4 0,638
X6 0,698
X10 0,741
X13 0,802
X14 0,564
X17 0,589
X21 0,796
X22 0,630
X23 0,546
X24 0,778
X25 0, 764
X27 0,827
X28 0,602
X29 0,736
X30 0,650
Melalui output SPSS 20 dapat dilihat bahwa 15 variabel masing-masing mempunyai nilai MSA lebih dari 0,5 . Sehingga dapat disimpulkan bahwa
variabel sudah memadai untuk dianalisis lebih lanjut.
b. Kasier-Meyer-Olkin KMO Measure of Sampling
Adequcy and Barlett’s Test
Langkah yang dilakukan selanjutnya adalah pengujian kecukupan sampel melalui indeks Kasier Meyer-Olkin KMO dan nilai signifikansi Bartlett’s Test of
Sphericity. Indeks ini digunakan untukmeneliti ketepatan penggunaan analisis faktor. Apabila nilai KMO antara 0,5 sampai 1 dan signifikansi Bartlett’s Test of
Sphericity ini kurang dari level signifikan yang digunkaan dapat diartikan bahwa analisis faktor tepat digunakan. Dari output SPSS 20 diperoleh KMO sebesar 0,695,
nilai Bartlett’s Test of Sphericitysebesar 273,518 dan nilai signifikansi Bartlett’s Test of Sphericityadalah 0,000 sehingga dapat dikatakan bahwa baik. Dengan
66 demikian dapat disimpulkan bahwa instrumen motivasi belajar valid ditinjau dari
validitas konstruk.
Tabel 23 . Hasil KMO and
Bartlett’s Test
KMO and Bartletts Test
Kaiser-Meyer-Olkin Measure of Sampling Adequacy.
,695 Bartletts Test of
Sphericity Approx. Chi-Square
273,518 Df
105 Sig.
,000
c. Penentuan Jumlah Faktor
Jumlah faktor yang akan dibentuk fitentukan dengan menggunakan kombinasi beberapa kriteria untuk mendapatkan jumlah faktor yang paling sesuai
dengan data penelitian.
Tabel 24. Total Variance Explained
Total Variance Explained
Componen t
Initial Eigenvalues Extraction Sums of
Squared Loadings Total
of Variance
Cumulative Total
of Variance
1 6,002
40,011 40,011
6,002 40,011
2 1,944
12,962 52,973
1,944 12,962
3 1,525
10,166 63,139
1,525 10,166
4 1,385
9,231 72,370
1,385 9,231
5 1,042
6,947 79,317
1,042 6,947
6 ,731
4,873 84,190
7 ,619
4,129 88,319
8 ,529
3,526 91,845
9 ,337
2,248 94,093
10 ,298
1,985 96,078
11 ,197
1,311 97,388
12 ,151
1,006 98,395
13 ,121
,808 99,203
14 ,074
,496 99,699
15 ,045
,301 100,000
67 Berdasarkan pada tabel tersebut bahwa ada 15 komponen yang mewakili
variabel. Faktor yang mempunyai nilai eigen kurang dari 1 tidak diikutsertakan dalam model. Dari tabel diatas dapat diperolhe nilai eigen yang lebih besar dari 1
pada faktor 1,2,3, 4, dan 5. Kemudian kriteria yang kedua adalah penentuan berdasarkan nilai persentase variansi total yang dapat dijelaskan oleh faktor yang
akan dibentuk. Dari tabel diatas dapat dilakukan interpretasi yang berkaitan dengan variansi total komulatid sampel . Jika variabel diringkas menjadi beberapa faktor,
maka nilai total variansi yang dapat dijelaksan adalah sebagai berikut. 1 Varians dapat diterangkan oleh faktor 1 adalah 6,00215 x 100 =40,011
2 Varians dapat diterangkan oleh faktor 2 adalah 1,94415x 100 = 12,962 3 Varians dapat diterangkan oleh faktor 3 adalah 1,52515x 100 = 10,166
4 Varians dapat diterangkan oleh faktor 4 adalah 1,38515x 100 = 9,231 5 Varians dapat diterangkan oleh faktor 5 adalah 1,04215 x 100= 6,947
Sehingga total keempat faktor akan mampu menjelaskan variabel sebesar 40,011+12,962+10,166+9,231+6,947= 79, 299 .Artinya 5 faktor yang
terbentuk sudah dapat mewakili 15 variabel motivasi belajar yang menjelaskan kira- kira 79,299 motivasi belajar.
Kriteria ketiga adalah penentuan berdasarkan scree plot. Scree plot merupakan suatu plot nilai eigen terhadap jumlah faktor yang diekstasi. Titik pada
tempat dimana scree mullai terlihat mendatar. Pada gambar terlihat bahwa scree plot mulai
68 Gambar 4. Scree Plot
Dari kombinasi dari ketiga kriteria tersebut dapat disimpulkan bahwa ekstraksi faktor yang paling tepat adalah 4 faktor.
d. Komunalitas
Komunalitas pada dasarnya adalah jumlah varian dari suatu variabel yang bisa dijelaskan oleh faktor yang ada. Lebih lengkapnya dapat dilihat dalam tabel 25
Tabel 25. Communalities
Communalities
Initial Extractio
n X4
1,000 ,839
X6 1,000
,764 X10
1,000 ,740
X13 1,000
,911 X14
1,000 ,817
X17 1,000
,574 X21
1,000 ,824
X22 1,000
,845 X23
1,000 ,912
X24 1,000
,860 X25
1,000 ,712
X27 1,000
,685 X28
1,000 ,735
69 X29
1,000 ,809
X30 1,000
,872
Pada tabel diatas dapat dilihat bahwa semua nilai menunjukan angka lebih dari 0,5 sehingga semua variabel dapat menjelaskan faktor.
e. Component matrix
Setelah diketahui bahwa 5faktor adalah jumlah yang paling optimal, maka tabel component matriks menunjukan distribusi ke 15 variabel tersebut pada lima
faktor yang terbentuk sedangkan angka-angka yang ada pada tabel tersebut adalah factor loadings, yang menunjukan besar korelasi antara suatu variabel dengan
faktor 1, 2,3,4,dan 5. Proses penentuan varibel mana akan dimasukan ke faktor yang mana, dilakukan dengan melakukan perbandingan besar korelasi setiap baris. Lebih
lengkpanya dapat dilihat dalam tabel 26. Berikut ini.
Tabel 26 . Component Matrix
Component Matrix
a
Component 1
2 3
4 5
X13 ,835
-,226 ,382
-,010 ,132
X24 ,834
-,328 ,200
-,125 -,022
X4 ,778
,122 ,434
-,109 -,136
X27 ,715
,152 ,103
-,020 -,374
X14 ,686
,137 ,335
,067 ,460
X25 ,679
-,376 -,165
,284 -,045
X21 ,653
-,012 ,024
,622 -,100
X30 ,590
-,213 -,419
,549 ,020
X10 ,577
,570 ,135
-,199 -,153
X17 ,522
,437 -,317
,038 -,096
X22 ,507
-,429 -,016
-,468 -,429
X23 ,430
-,634 -,381
-,273 ,326
X6 ,501
,583 -,413
,057 ,002
X29 -,484
-,084 ,623
,422 ,039
X28 ,506
,306 -,027
-,259 ,563
70 Tabel diatas menunjukan seberapa besar sebuah variabel berkolerasi dengan
faktor yang akan dibentuk. Pada X13 berkolerasi sebesar 0,835, dengan faktor 1, - 0,226 dengan faktor 2, 0,382 dengan faktor 3, -0,010 dengan faktor 4, dan 0,132
dengan faktor 5. Hal ini berlaku untuk variabel yang lain.
f. Rotasi
Proses perotasian pada penelitian ini bertujuan untuk mendapatkan faktor faktor dengan faktor loading yang cukup jelas untuk interpretasi. Komponen
matriks rotasi adalah matirk yang lebih jelas dan nyata dibandingkan component matrik. Lebih jelasnya pada tabel di bawah ini.
Tabel 27 Rotated Component Matrix
Rotated Component Matrix
a
Component 1
2 3
4 5
X4 ,781
,159 ,209
,391 -,085
X22 ,720
,003 ,027
-,201 ,534
X24 ,705
,350 ,013
,340 ,352
X13 ,670
,370 -,046
,543 ,167
X27 ,667
,268 ,405
,054 -,030
X30 ,007
,873 ,231
,039 ,235
X21 ,282
,811 ,181
,156 -,171
X25 ,324
,696 ,060
,096 ,332
X6 ,000
,205 ,832
,169 -,011
X17 ,138
,223 ,703
,106 ,015
X29 -,115
-,002 -,640
,011 -,621
X10 ,481
-,074 ,623
,280 -,190
X14 ,314
,259 ,121
,798 -,027
X28 ,041
-,062 ,384
,732 ,212
X23 ,071
,242 -,103
,205 ,892
Hasil yang diperoleh menunjukan bahwa nilai-nilai faktor loading antara suatu variabel dengan beberapa faktor telah cukup dibedakan dan siap dilakukan
interpretasi. Seluruh variabel telah mempunyai faktor loading yang tingi pada salah
71 satu faktor dan mempunyai faktor loading yang cukup kecil untuk faktor-faktor
yang lainnya. Penentuan variabel masuk pada faktor yang mana dengan melihat nilai
korelasi terbesar. Dari tabel diatas diperoleh anggota masing-masing kelompok adalah sebagai berikut.
Faktor 1 : X4, X22,X24,X13, X27 Faktor 2 : X30,X21,X25
Faktor 3 : X6,X17,X10 Faktor 4 : X29,X14,X28
Faktor 5 : X23
4. Reliabilitas
Uji reliabilitas instrumen skala Pelaksanaan Jam Belajar Masyarakat dihitung dengan menggunakan aplikasi SPSS versi 17 dengan menghitung
besarnya nilai Cronbach’s Alpha. Jika perhitungan lebih besar sama dengan 0,7 maka dapat dinyatakan bahwa instrumen reliable. Sebaliknya apabila kurang dari
0,7 maka intrumen dinyatakan tidak reliable. Hasil uji reliable dapat dilihat pada table berikut.
Tabel.28 Hasil Uji Reliabilitas Pelaksanaan Jam Belajar Masyarakat Case Processing Summary
N Cases
Valid 30
100.0 Excluded
a
.0 Total
30 100.0
72
Reliability Statistics
Cronbachs Alpha
N of Items .969
25 Hasil uji coba ini menunjukkan nilai alpha sebesar 0,969.Hasil uji coba
instrumen dikatakan reliabel jika perhitungannya menunjukkan hasil ≥ 0,6. Dengan demikian dapat dikatakan bahwa instrumen untuk variabel pelaksanaan
Jam Belajar Masyarakat yang telah diuji cobakan ini sangat reliabel karena 0,969≥0,6 Selanjutnya untuk hasil reliabel uji coba peran orangtua sebagai
berikut
Tabel.29 Hasil Uji Reliabilitas Peran Orangtua Case Processing Summary
N Cases
Valid 30
100.0 Excluded
a
.0 Total
30 100.0
Reliability Statistics
Cronbachs Alpha
N of Items .973
25
Hasil uji coba ini menunjukkan nilai alpha sebesar 0,973.Hasil uji coba instrumen dikatakan reliabel jika perhitungannya menunjukkan hasil ≥0,6.
Dengan demikian dapat dikatakan bahwa instrumen untuk variabel peran orangtua yang telah diuji cobakan ini sangat reliabel karena 0,973≥0,6
Selanjutnya untuk hasil reliabel uji coba motivasi belajar sebagai berikut.
73
Tabel.30 Hasil Uji Reliabilitas Motivasi Belajar Case Processing Summary
Kategori