Metode Analisis Data

3.6 Metode Analisis Data

3.6.1 Analisis Faktor

Analisis yang digunakan dalam penelitian adalah metode analisis faktor. Analisis faktor adalah metode yang digunakan untuk mereduksi data atau meringkas dari variabel yang banyak diubah menjadi variabel yang jumlahnya sedikit (Supranto, 2004:114).

Tujuan utama dari analisis faktor adalah untuk mendefinisikan struktur suatu data matrik dan menganalisis struktur saling hubungan (korelasi) antar sejumlah besar variabel (test score,test item, jawaban kuesioner) dengan cara mendefinisikan satu set kesamaan variabel atau dimensi dan sering disebut dengan faktor. Dengan analisis faktor, peneliti mengidentifikasi dimensi suatu struktur dan kemudian menentukan sampai seberapa jauh setiap variabel dapat dijelaskan oleh setiap dimensi. Begitu dimensi dan penjelasan setiap variabel diketahui, maka dua tujuan utama analisis faktor dapat dilakukan yaitu data summarization dan data reduction (Ghozali, 2011:303).

Jadi analisis faktor ingin menemukan suatu cara meringkas (summarize) informasi yang ada dalam faktor asli (awal) menjadi satu set dimensi baru variate (factor). Hal ini dilakukan dengan cara menentukan struktur lewat data summarization atau data reduction.

Perhitungan analisis faktor (Supranto, 2004:118), dengan software SPSS meliputi :

a. Keiser-Mayer-Olkin (KMO)

KMO mengukur kelayakan sampling yaitu suatu indeks yang digunakan untuk meneliti ketepatan analisis faktor dari faktor-faktor yang berpengaruh terhadap hasil belajar mata pelajaran akuntansi. Apabila koefisien KMO antara 0,50-1,0 berarti analisis faktor tepat, sedangkan jika <0,50 maka analisis faktor dinyatakan tidak tepat.

b. Communalities Analisis ini meruapakan jumalah varian yang disumbangkan oleh suatu

variabel dengan variabel lain yang tercakup dalam analisis (Supranto, 2004:116). Analisis ini menunjukan seberapa jauh suatu variabel terukur memiliki ciri yang dimiliki variabel-variabel yang lain. Koefisien communality disebut cukup efektif apabila bernilai >50% atau 0,50.

c. Total Variance Explained Total Variance Explained digunakan untuk mengetahui banyaknya faktor yang terbentuk. Jumlah variabel yang dijelaskan oleh setiap faktor-faktor yang mempengaruhi hasil belajar yang mempunyai nilai eigenvalue > 1, maka faktor tersebut akan dimasukkan ke dalam model.

d. Anti-Image Matrices Pada anti image matrices terdapat sejumlah angka yang membentuk

diagonal (bertanda “a”). Jika ada variabel yang bernilai korelasi <0,50 , maka faktor tersebut dikeluarkan dari model.

e. Rotated Component Matrix Merupakan distribusi variabel-variabel yang diekstrak ke dalam faktor

yang telah terbentuk berdasarkan faktor loading setelah melalui proses rotasi.

Faktor loading merupakan besarnya muatan suatu variabel. Suatu variabel dimasukkan sebagai indikator faktor apabila nilai faktor loading >0,5 sedangkan variabel yang <0,5 dianggap kontribusinya lemah.

3.6.2 Analisis Deskriptif Presentase

Metode analisis ini digunakan untuk mendeskripsikan faktor-faktor yang ada dalam penelitian, dengan perhitungan indeks presentase agar lebih mudah memahaminya, maksudnya adalah data yang diperoleh dikuantitatifkan untuk mempermudah dalam menggambarkan suatu objek atau peristiwa yang sifatnya masih data kualitatif . Secara garis besar dapat meliputi tiga langkah berikut :

a. Persiapan

b. Tabulasi

c. Penerapan data sesuai pendekatan penelitian Langkah-langkah analisis deskriptif presentase dalam penelitian ini adalah :

1. Mengecek kelengkapan data

2. Menyusun tabulasi data kemudian memasukkan skor jawaban dalam tabel

3. Besarnya skor yang diberikan pada masing-masing jawaban

a. Diberi skor 4

b. Diberi skor 3

c. Diberi skor 2

d. Diberi skor 1

4. Menghitung jumlah jawaban untuk masing-masing butir pertanyaan sesuai dengan kategori masing-masing kemudian menjumlah setiap skor tiap faktor dan skor seluruhnya.

5. Menghitung presentase tiap faktor dengan menggunakan rumus presentase (Suharsimi, 2010:281) sebagai berikut :

x 100%

% = nilai presentase

n = jumlah nilai yang diperoleh N = jumlah seluruh nilai total

6. Menentukan kriteria sebagai dasar untuk mengklasifikasikan hasil

perhitungan presentase. Langkah-langkahnya adalah sebagai berikut.

a. Menghitung jumlah skor maksimal Caranya adalah mengalikan jumlah responden dengan skor maksimal

tiap soal. Jumlah skor maksimal = 85 x 4 = 340

b. Menghitung jumlah skor minimal Caranya adalah dengan mengalikan jumlah responden dengan skor

minimal tiap soal. Jumlah skor minimal = 85 x 1 = 85

c. Menentukan presentase maksimal

d. Menentukan presentase minimal d. Menentukan presentase minimal

= 75%

f. Menentukan panjang/interval kelas

Dengan panjang interval 18,75% dan persentase terendah adalah 25%, maka dapat diperoleh interval untuk kategori penilaian sebagai berikut.