Metode Pengumpulan Data Uji Barlett

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