2. Skala Guttman
Skala Guttman merupakan skala kumulatif. Skala Guttman mengukur suatu dimensi saja dari suatu variabel yang multidimensi. Skala Guttman adalah
skala yang digunakan untuk jawaban yang bersifat jelas tegas dan konsisten. Misalnya : Yakin
– Tidak Yakin, Ya – Tidak, Salah – Benar, Positif – Negatif, Pernah
– Belum Pernah, Setuju – Tidak Setuju, dan lain sebagainya.
3. Skala Diferensial Semantik
Skala Diferensial Semantik atau skala perbedaan semantik berisikan serangkaian karakteristik bipolar dua kutup. Responden diminta untuk
menilai suatu objek atau konsep pada suatu skala yang mempunyai 2 ejektif yang bertentangan.
Seperti : Panas – Dingin, Populer – Tidak Populer, Bagus – Buruk, dan
sebagainya.
4. Rating Scale
Rating Scale yaitu data mentah yang didapat berupa angka kemudian ditafsirkan dalam pengertian kualitatif.
Misalnya : ketat – longgar, lemah – kuat, positif – negative
5. Skala Thurstone
Skala Thurstone meminta responden untuk memilih jawaban yang ia setujui dari beberapa pertanyaan yang menyajikan pandangan
– pandangan berbeda – beda. Pada umumnya asosiasi antara 1 sampai 9 tetapi nilainya tidak
diketahui oleh responden.
2.7 Metode Pengumpulan Data
Pengumpulan data penelitian dimaksudkan sebagai pencatatan peristiwa atau karakteristik dari sebagian peristiwa atau seluruh elemen proposal penelitian.
Pengumpulan data penelitian dapat dilakukan berdasarkan cara-cara tertentu. Adapun metode pengumpulan data yang digunakan secara umum adalah :
a. Metode dokumentasi
Metode dokumentasi adalah mencari data mengenai hal-hal atau variabel yang berupa catatan, transkip, buku, surat kabar, majalah, prasasti, notulen rapat,
agenda dan sebagainya. Metode dokumentasi dalam penelitian ini digunakan untuk mengumpulkan data tentang kecemasan mahasiswa dalam menyelesaikan
skripsi.
b. Metode Angket kuisioner
Kuisioner adalah pertanyaan tertulis yang digunakan untuk memperoleh informasi dari respoden dalam arti laporan tentang pribadinya atau hal-hal yang ia ketahui.
Untuk mengetahui
distribusi frekuensi
masing-masing variabel
yang pengumpulan datanya menggunakan angket kuisioner, setiap indikator dari data
yang dikumpulkan terlebih dahulu diklasifikasikan dan diberi skor atau nilai yaitu: Skor 5 jika jawaban responden selalu atau sangat tinggi
Skor 4 jika jawaban responden sering atau tinggi Skor 3 jika jawaban kadang-kadang atau cukup tinggi
Skor 2 jika jawaban jarang atau rendah Skor 1 jika jawaban tidak pernah atau rendah sekali
c. Wawancara
Wawancara merupakan teknik pengumpulan data dalam metode survey yang menggunakan pertanyaan secara lisan kepada subjek penelitian. Teknik
wawancara dilakukan jika peneliti memerlukan komunikasi atau hubungan dengan responden.
2.8 Uji Dalam Pengolahan Data
2.8.1 Uji Validitas
Validitas menunjukkan sejauh mana ketepatan dan kecermatan suatu alat ukur dalam melakukan fungsi ukurnya. Suatu test atau instrument pengukur dapat
dikatakan mempunyai validitas yang tinggi apabila alat ukur tersebut menjalankan fungsi ukurnya, atau memberikan hasil ukur yang sesuai dengan maksud
dilakukannya pengukuran tersebut. Metode yang digunakan untuk menguji validitas adalah dengan korelasi product moment yang rumusnya sebagai berikut :
r
xy
=
√
2.2
Keterangan : r
xy
= Koefsien korelasi X = Skor Variabel
Y = Skor Total n = Jumlah Sampel
Untuk menentukan valid tidaknya variabel adalah dengan cara mengkonsultasikan hasil perhitungan koefsien korelasi dengan tabel nilai koefsien r pada taraf
kepercayaan 95.
Apabila r
xy
≥ r
tabel
valid Apabila r
xy
r
tabel
tidak valid Ade Fatma, 2007
2.8.2. Uji Reliabilitas
Reliabilitas menunjukkan sejauh mana hasil pengukuran dapat dipercaya. Pengukuran yang memiliki reliabilitas tinggi disebut sebagai pengukuran yang
reliabilitas. Metode yang digunakan untuk menguji reliabilitas adalah metode Alpha Cronbach. Variabel dikatakan reliabel jika memberikan nilai Alpha
Cronbach 0,60 Ade Fatma, 2007.
r = 2.3
Keterangan : r = nilai koefsien Alpha Cronbach
k = Banyaknya variabel penelitian ∑
= Jumlah varians variabel penelitian = Varians total
2.9 Analisis Faktor
2.9.1 Pengertian Analisis Faktor
Yang dimaksud dengan analisis faktor ialah suatu analisis yang mensyaratkan adanya keterkaitan antar variabel. Tujuan utama teknik ini ialah untuk membuat
ringkasan informasi yang dikandung dalam sejumlah besar variabel kedalam suatu kelompok faktor yang lebih kecil.
Teknik ini bermanfaat untuk mengurangi jumlah data dalam rangka untuk mengidentifikasi sebagian kecil faktor yang dapat menerangkan varians yang
sedang diteliti secara lebih jelas dalam suatu kelompok variabel yang jumlahnya besar. Kegunaan utama analisis faktor ialah untuk melakukan pengurangan data
atau dengan kata lain melakukan peringkasan sejumlah variabel menjadi lebih kecil jumlahnya. Pengurangan dilakukan dengan melihat interdependensi
beberapa variabel yang dapat dijadikan satu yang disebut dengan faktor sehingga diketemukan variabel-variabel atau faktor-faktor yang dominan atau penting
untuk dianalisa lebih lanjut. Untuk menggunakan teknik ini persyaratan yang sebaiknya dipenuhi ialah :
a. Data yang digunakan ialah data kuantitatif berskala interval atau ratio
b. Data harus mempunyai distribusi normal bivariate untuk masing-masing
pasangan variabel c.
Model ini mengkhususkan bahwa semua variabel ditentukan oleh faktor- faktor biasa faktor-faktor yang diestimasikan oleh model dan faktor-
faktor unik yang tidak tumpang tindih antara variabel-variabel yang sedang diobservasi
d. Estimasi yang dihitung didasarkan pada asumsi bahwa semua faktor unik
tidak saling berkorelasi satu dengan lainnya dan dengan faktor-faktor biasa.
e. Persyaratan dasar untuk melakukan penggabungan ialah besarnya korelasi
antar variabel independen setidak-tidaknya 0,5 karena prinsip analisis faktor adanya korelasi antar variabel.
Analisis faktor dapat digunakan di dalam situasi sebagai berikut : 1.
Mengenali atau mengidentifikasi dimensi yang mendasari
underlying dimensions
atau faktor, yang menjelaskan korelasi antara suatu set variabel.
2. Mengenali atau mengidentifikasi suatu set variabel baru yang tidak
berkorelasi independen
yang lebih
sedikit jumlahnya
untuk menggantikan suatu set variabel asli yang saling di dalam analisis
multivariat selanjutnya, misalnya analisis regresi berganda dan analisis diskriminan.
3. Mengenali atau mengidentifikasi suatu set variabel yang penting dari suatu
set variabel yang lebih banyak jumlahnya untuk dipergunakan di dalam analisis multivariat selanjutnya.
2.9.2 Model Analisis Faktor
Secara matematis, analisis faktor hamper sama dengan analisis regresi, yaitu dalam hal bentuk fungsi linier. Jumlah varians yang dikontribusi dari sebuah
variabel dengan seluruh variabel lainnya lebih dikelompokkan sebagai komunalitas. Kovarians diantara variabel dijelaskan terbatas dalam sejumlah kecil
komponen ditambah sebuah faktor unik untuk setiap variabel. Faktor-faktor tersebut tidak secara eksplisit diamati. Jika variabel distandarisasi, maka model
analisis faktor dapat dilihat dari persamaan 1.1.
Faktor yang unik tidak berkorelasi dengan sesama faktor yang unik dan juga tidak berkorelasi dengan komponen faktor. Komponen faktor sendiri bisa dinyatakan
sebagai kombinasi linier dari variabel-variabel yang terlihatterobservasi hasil penelitian lapangan.
F
i
= W
i1
X
1
+ W
i2
X
2
+ W
i3
X
3
+ … + W
ik
X
k
2.4
Dimana F
i
= Perkiraan faktor ke-i didasarkan pada nilai variabel X dengan koefsiennya Wi
W
i
= Koefsien nilai faktor ke-i k = Banyaknya variabel ada 8 variabel
X
i
= Variabel ke i ; i = 1,2,3 … k
2.9.3. Statistik yang berkaitan dengan Analisis Faktor
Statistik yang berkaitan dengan analisis faktor adalah :
a. Uji Barlett
Pengujian ini digunakan untuk melihat apakah variabel yang digunakan berkorelasi dengan variabel lainnya. Jika variabel-variabel yang digunakan sama
sekali tidak mempunyai korelasi dengan variabel lainnya, sudah tentu analisis faktor tidak dapat dilakukan.
Dalam hal ini pengujian dilakukan dengan menggunakan Statistik Chi Square, sebagaimana dapat dilihat dibawah ini :
X
2
= - | |
2.5
Keterangan : N = Jumlah Populasi
| |= Determinan matriks korelasi k = jumlah variabel
b.
Correlation matrix
Matriks Korelasi
Matriks ialah suatu kumpulan angka-angka sering disebut elemen-elemen yang disusun menurut baris dan kolom sehingga berbentuk empat persegi panjang,
dimana panjangnya dan lebarnya ditunjukkan oleh banyaknya kolom-kolom dan baris-baris.
Matriks korelasi adalah matriks yang menunjukkan korelasi sederhana r antara seluruh kemungkinan pasangan variabel yang dilibatkan dalam analisis.
Apabila suatu matriks A terdiri dari m baris dan n kolom, maka matriks A bisa ditulis sebagai berikut :
Matriks mxn
[ ]
Dimana : a
ij
, i = 1,2,…,m dan j = 1,2
,…,n
c.
Communality
Komunalitas
Komunalitas adalah jumlah varian yang dikontribusi dari sebuah variabel dengan seluruh variabel lainnya dalam analisis. Ini juga merupakan proporsi dari varians
yang diterangkan oleh komponen faktor.
h
i
= +
+ … + 2.6
Dimana : h
i
=
communality
variabel ke- i ; i = 1,2,3,…, m
λ
im
= nilai
factor loading
d.
Eigenvalue
Nilai Eigen
Nilai eigen merupakan jumlah varians yang dijelaskan oleh setiap faktor-faktor yang mempunyai nilai eigen 1, maka faktor tersebut akan dimasukkan ke dalam
model. J.Supranto, 2010.
Definisi : Jika A adalah sebuah matriks nxn, maka sebuah vector tak nol x pada R
n
disebut
eigenvector
dari A jika Ax adalah sebuah kelipatan scalar dari x; jelasnya, Ax = λx
Untuk scalar sebarang λ, scalar λ disebut nilai eigen dari A, dan x disebut sebagai
eigenvector
dari A yang terkait dengan λ. Anton Howard, 2000.
e.
F aktor Loadings
Faktor Muatan
Faktor muatan adalah korelasi sederhana antara variabel dengan faktor
f.
F aktor Loading Plot
Plot Faktor Muatan
Plot faktor muatan adalah suatu plot dari variabel asli dengan menggunakan factor loading sebagai koordinat.
g.
F aktor Matrix
Faktor Matriks
Matriks faktor mengandung factor loading dari seluruh variabel dalam seluruh faktor yang dikembangkan.
h.
Kaiser
–
Meyer
–
Olkin KMO measure of sampling adequency
Kaiser – Meyer – Olkin KMO merupakan suatu indeks yang digunakan untuk
menguji ketepatan analisis faktor. Nilai yang tinggi antara 0,5 – 1,0
mengidentifikasi analisis faktor tepat. Apabila dibawah 0,5 menunjukkan bahwa analisis faktor tidak tepat untuk diaplikasikan.
KMO = 2.7
Keterangan : r
ik
= koefsien korelasi sederhana antara variabel ke-I dan ke-k a
ik
= koefsien korelasi parsial antara variabel ke-i dan ke-k
Measure of sampling adequacy
MSA yaitu suatu indeks perbandingan antara koefsien korelasi parsial untuk setiap variabel. MSA digunakan untuk mengukur
kecukupan sampel.
i.
Percentage of variance
Persentase Varians
Persentase varians adalah persentase total varians yang disumbangkan oleh setiap faktor.
j.
Residuals
Residuals adalah selisih antara korelasi yang terobservasi berdasarkan input
correlation matrix
dan korelasi hasil reproduksi yang diestimasi dari matriks faktor.
k.
Scree Plot
Scree Plot
adalah sebuah plot dari eigenvalue untuk menentukan banyaknya faktor.
2.10 Langkah –langkah Analisis Faktor