MENENTUKAN FAKTOR YANG MEMPENGARUHI

PEMILIH DALAM MEMILIH PROGRAM STUDI

MATEMATIKA UNJ TAHUN 2013 DENGAN ANALISIS JALUR
Mega Kuntum Khaira, Muhamad Sidik Hariyanto, Mukti Widodo
Matematika, FMIPA Universitas Negeri Jakarta
ABSTRAK
Penelitian ini berjudul Menentukan Faktor yang Mempengaruhi Pemilih dalam
Memilih Program Studi Matematika UNJ 2013 dengan Analisis Jalur. Tujuan dari
penelitian ini adalah untuk mengetahui faktor
paling dominan yang
mempengaruhi pemilih dalam memilih program studi matematika UNJ serta
pengaruh langsung dan tidak langsung faktor-faktor tersebut terhadap
kecenderungan pemilih dalam memilih program studi matematika UNJ.
Penentuan sampel (responden) dilakukan secara acak. Jumlah responden pemilih
matematika diambil sebanyak 100 orang, yaitu 9.42% dari data pemilih melalui
jalur SNMPTN Undangan. Variabel yang diamati berupa prospek kerja, biaya
kuliah yang terjangkau, jarak tempuh ke kampus dekat, sebagai pilihan kedua, dan
faktor lainnya. Hasil penelitian menunjukkan bahwa faktor lainnya (suka
matematika, saran orang tua, cita-cita dll) merupakan faktor yang paling dominan
yang mempengaruhi pemilih dalam memilih Matematika UNJ.
Kata kunci: Analisis Jalur, Matematika UNJ

I.

PENDAHULUAN

Melanjutkan studi di perguruan tinggi setelah lulus dari Sekolah Lanjutan Tingkat
Atas (SLTA) merupakan salah satu pilihan yang ditempuh oleh sebagian lulusan
SLTA disamping pilihan lainnya yakni langsung terjun ke dunia kerja atau mulai
berkarir. Pemilihan jurusan oleh para pemilih yang bersangkutan

pastinya

didasarkan oleh berbagai macam motivasi atau faktor-faktor yang nantinya akan
mempengaruhi kemana pemilih akhirnya memilih jurusan yang akan ditempuh
ketika memasuki dunia perkuliahan.
Penulis mempunyai hipotesis atau dugaan awal yang menyatakan bahwa ada
beberapa faktor yang memiliki pengaruh terhadap pemilihan jurusan dalam hal ini
program studi matematika UNJ pada tahun 2013.Dimana penulis memiliki suatu

dugaan awal bahwa faktor seperti prospek kerja, biaya kuliah, tempat tinggal dan
jarak kampus serta karena alasan gagal di pilihan pertama merupakan faktorfaktor dominan yang berpengaruh dalam alasan pemilihan program studi
Matematika UNJ.
Data diperoleh dari para lulusan SLTA yang menjadikan program studi
matematika UNJ sebagai pilihan mereka, baik sebagai pilihan pertama maupun
sebagai pilihan kedua. Berdasarkan data yang didapat
Teknologi dan Informasi UNJ (PUSTIKOM), jumlah

dari sumber Pusat

pemilih program studi

matematika melalui jalur SNMPTN Undangan tahun 2013 adalah 1061 orang,
dengan rincian, pemilih yang memilih program studi matematika UNJ sebagai
pilihan pertama sebanyak 605 orang, sedangkan 456 orang menjadikan sebagai
pilihan kedua.
Data yang nantinya dianalisis merupakan hasil dari pengambilan sejumlah 100
orang yang dipilih secara acak dari jumlah keseluruhan total 1061 orang. Data
yang diperoleh nantinya diolah dengan menggunakan metode analisis jalur.

II.

TINJAUAN PUSTAKA

Analisis jalur ialah suatu teknik untuk menganalisis hubungan sebab akibat yang
tejadi pada regresi berganda jika variabel bebasnya mempengaruhi variabel
tergantung tidak hanya secara langsung tetapi juga secara tidak langsung.
(Robert D. Retherford 1993).
Berikut adalah rumus-rumus yang digunakan dalam analisis jalur.
Menghitung korelasi antarvariabel (Walpole, 1982):
xi
yi
n

i=1

Koefisien jalur:
Y X

k
xi
C R ij rnY X ;=1 , 2, .. , k
j=1

i=1

yi

Keterangan :
Y X
= merupakan koefisien jalur dari variabel Xi terhadap Y
i

rY X

= korelasi antara variabel Y dengan variabel Xi

C Rij = unsur atau elemen pada baris ke-I dan kolom ke-j dari matrik invers
korelasi
Menghitung pengaruh variabel lain:

1R2YXi .. Xk

Menghitung pengaruh parsial:

a. Pengaruh langsung

Xi

Y=

YXi

YXi

b. Pengaruh tidak langsung

Y

III.

Xi

X j

Y=

YXi

METODOLOGI PENELITIAN

Variable yang diamati dalam penelitian ini variable bebas, yaitu:

X 1 = Memiliki prospek kerja yang luas
X 2 = Biaya kuliah yang terjangkau
X 3 = Jarak tempuh ke kampus dekat
X4

= Dijadikan sebagai pilihan kedua

X 5 = Faktor lainnya (suka matematika, saran dari orang tua, cita-cita, dll)
Y

= Pemilih diterima di program studi matematika UNJ

Variabel

X1

yaitu prospek kerja yang luas, dimana pemilih memilih program

studi matematika UNJ karena prospek kerjanya yang luas dan sesuai dengan
keinginan pemilih. variabel
X3

X2

yaitu biaya kuliah yang terjangkau. Variabel

X4

yaitu jarak tempuh yang dekat kekampus. Variabel

yaitu dijadikan

sebagai pilihan kedua, dimana pemilih tidak lolos dipilihan pertama dan
menjadikan program studi matematika UNJ sebagai pilihan cadangan. Variabel
X5

yaitu faktor lainnya diantaranya suka matematika, saran dari orang tua, dan

cita-cita. Tiap variabel diberikan pilihan jawaban dalam bentuk nilai skore 0-4.
Pengolahan data dilakukan dengan menggunakan Minitab dan SPSS. Secara garis
besar tahapan analisis data pada penelitian ini adalah :
1. Menentukan variabel yang paling baik dengan metode regresi (best
subsets) menggunakan minitab.
2. Variabel yang paling baik diambil dan selanjutnya digunakan dalam proses
pengolahan data di SPSS dengan metode regresi.

IV.

HASIL DAN PEMBAHASAN

Setelah mendapatkan variabel yang paling baik melalui best subsets pada minitab,
maka didapatkan variabel yang paling baik adalah

x3

x4

,dan

x5

Best Subsets Regression: y versus x1, x2, x3, x4, x5

Response is y
Vars
1
2
3
4
5

R-Sq
36.1
65.1
79.9
94.7
100.0

R-Sq(adj)
35.5
64.4
79.3
94.5
100.0

Mallows C-p
1.03647E+17
5.66597E+16
3.25481E+16
8.59778E+15
6.0

S
2.5914
1.9258
1.4672
0.75806
7.96839E-08

x x x x x
1 2 3 4 5
X
X
X
X X X
X X X X
X X X X X

Sehingga untuk mencari nilai regresi, variabel yang digunakan hanya

, dan

x5

. Untuk mencari nilai korelasi antar variabel

pengolahan data dilakukan menggunakan SPSS.

Sehingga diperoleh:

x3

x4

x3

, dan

,
x5

x4
,

Correlations
jarak tempuh sebagai pilihan
y
Pearson Correlation

ke kampus

kedua

faktor lainnya

1.000

.561

.444

.601

.561

1.000

.038

.038

.444

.038

1.000

.067

.601

.038

.067

1.000

.000

.000

.000

.000

.352

.354

.000

.352

.255

faktor lainnya

.000

.354

.255

100

100

100

100

jarak tempuh ke

100

100

100

100

100

100

100

100

100

100

100

100

jarak tempuh ke
kampus
sebagai pilihan
kedua
faktor lainnya
Sig. (1-tailed)

Y
jarak tempuh ke
kampus
sebagai pilihan
kedua

kampus
sebagai pilihan
kedua
faktor lainnya

Model Summaryb
Change Statistics
Adjusted R Std. Error of R Square
Model

R Square

.894a

Square

.799

the Estimate

.793

Change

1.467

Sig. F

Change

df1

.799 127.479

df2
3

Durbin-

Change Watson

96

.000

1.997

a. Predictors: (Constant), faktor lainnya, jarak

tempuh ke kampus, sebagai pilihan kedua
b. Dependent Variable: y

Coefficientsa

Standardized
Unstandardized Coefficients
Model
1

Std. Error

(Constant)

5.996

.343

jarak tempuh ke

1.149

.100

.717

.973

Coefficients
Beta

Sig.
17.496

.000

.525

11.461

.000

.085

.387

8.433

.000

.080

.555

12.110

.000

kampus
sebagai pilihan
kedua
faktor lainnya
a.

Dependent Variable: y

Proposisi yang dihasilkan dari data output Best Subsets pada minitab dapat
diterjemahkan kedalam sebuah diagram jalur sebagai berikut.
x3

Y X

r34

p 4

Y X

x4

r35

r45

Y X

x5

Gambar 1.

x3

Hubungan struktural antara variabel

x4

, dan

x5

Pada tabel Model Summary, didapat bahwa nilai R square adalah 0,799. Dengan
demikian, koefisien jalur (variabel diluar model) sebagai berikut:
Y

10.799

) = 0.448330235

Tabel Pengaruh
Pengaruh langsung

x3

Pengaruh tidak langsung melalui

x4

0.275625
0.0772065

Pengaruh tidak langsung melalui

x5

0.01107225

Pengaruh total

0.2944179

Tabel Pengaruh
Pengaruh langsung

x4

0.149769

Pengaruh tidak langsung melalui

x3

0.00772065

Pengaruh tidak langsung melalui

x5

0.014390595

Pengaruh total

0.171880245

Tabel Pengaruh
Pengaruh langsung

x5

Pengaruh tidak langsung melalui

x3

0.308025
0.01107225

Pengaruh tidak langsung melalui

x4

0.014390595

Pengaruh total

0.333487845

Pengaruh gabungan antara

x3

x4

, dan

x5

adalah 0.2944179 +

0.171880245 + 0.333487845 = 0.79978599 yang tidak lain adalah nilai

R2

(lihat tabel Model Summary).

Dari hasil perhitungan diatas, dapat kita kemukakan hal-hal berikut:
1. Kekuatan

x3

yang secara langsung menentukan perubahan-perubahan y

adalah 27.56% (0.2756), melalui hubungannya dengan

0.77% (0.0077), dan melalui hubungannya dengan
(0.0110), dengan demikian secara total

x3

x5

x4

sebesar

sebesar 1.10%

menentukan perubahan-

perubahan y sebesar 29.44% (0.2944).

x4
2. Kekuatan
yang secara langsung menentukan perubahan-perubahan y
adalah 14.97% (0.1497), melalui hubungannya dengan
0.77% (0.0077), dan melalui hubungannya dengan

x5

x3

sebesar

sebesar 1.43%

x4

(0.0143), dengan demikian secara total

menentukan perubahan-

perubahan y sebesar 17.88% (0.1788).

x5
3. Kekuatan
yang secara langsung menentukan perubahan-perubahan y
adalah 30.80% (0.3080), melalui hubungannya dengan
1.10% (0.0110), dan melalui hubungannya dengan
x5

(0.0143), dengan demikian secara total

x4

x3

sebesar

sebesar 1.43%

menentukan perubahan-

perubahan y sebesar 33.34% (0.3334).

x3
x
x5
4.
, 4 ,dan
secara bersama-bersama mempengaruhi y sebesar
29.44179%

17.1880245%

33.3487845%

79.978599%

R =0.799 . Besarnya pengaruh proporsional yang disebabkan oleh

variabel lainnya diluar variabel
oleh

2
y

x3

,dan

x5

, yang dinyatakan

2
, yaitu sebesar (0.448330235) =0.201 atau sebesar 20.1%

5. Besarnya pengaruh yang diterima y dari

x3

variabel diluar
)

x4

x4

x5

x3

x4

x5

dan dari semua

( yang dinyatakan oleh variabel residu

R2 y ( x x x )+ 2 y = 79.9 + 20.1% = 100%

3

Untuk melihat variabel mana yang lebih dominan, cukup dilihat pada uji statistik t
pada tabel Coefficients di output hasil SPSS. Variabel yang memiliki hasil uji t
yang lebih besar merupakan variabel yang memiliki pengaruh yang paling besar
dibanding variabel lainnya.

Coefficientsa
Standardized
Unstandardized Coefficients
Model
1

Coefficients

Std. Error

(Constant)

5.996

.343

jarak tempuh ke

1.149

.100

.717

.973

Beta

Sig.
17.496

.000

.525

11.461

.000

.085

.387

8.433

.000

.080

.555

12.110

.000

kampus
sebagai pilihan
kedua
faktor lainnya

Terlihat

pada

tabel

coefficients

bahwa

x5

variabel

t hitung ( 12.110 ) yang lebih besar dibanding variabel

x 4 t hitung ( 8.433 ) . Jadi bisa dikatakan bahwa variabel
terhadap variabel dependen y dibanding variabel
hasil perhitungan pengaruh total variabel
sedangkan

V.

x4

adalah 17.18% dan

x3

x5

x5

mempunyai

nilai

x 3 t hitung ( 11.461 )

dan

lebih besar pengaruhnya

x 3 dan x 4

. Kenyataannya dari

terhadap variabel y adalah 33.34%

adalah 29.44%.

KESIMPULAN

Berdasarkan hasil analisis data dapat ditarik kesimpulan bahwa variabel

(jarak tempuh kekampus dekat),

x4

(sebagai pilihan kedua), dan

x5

x3
(faktor

lainnya, diantaranya seperti suka matematika, cita-cita dan saran dari orang tua)
saling berkorelasi positif satu sama lain dan variabel-variabel tersebut

berpengaruh terhadap variabel y (pemilih yang diterima di program studi

x5
matematika UNJ). Variabel
(faktor lainnya, diantaranya seperti suka
matematika, cita-cita dan saran dari orang tua) merupakan faktor yang paling
dominan mempengaruhi pemilih dalam memilih program studi matematika UNJ
tahun 2013.

DAFTAR PUSTAKA
Al-Agili, Mohamed Z.G., Mustafa, Mamat, Abdullah, M.Lazim, dan Abd Maad,
Hamdan. 2013. Path Analysis of the Factors Influencing Students
Achievement in Mathematics. Australian Journal of Applied Sciences, 7(4):
434-442, 2013.
Imam, Saudi. Analisis Hubungan Rata-rata IPK dan Lama Studi Mahasiswa ITS
dengan Web Personal Dosen ITS dengan Menggunakan Analisis Faktor.
Razak, Abdul. Aplikasi Analisis Jalur (Path Analysis) dengan Menggunakan
SPSS versi 12.
Sembiring, R.K.(2003).Analisis Regresi Edisi ke-2.ITB,Bandung.
Taslim. 2011. Pengaruh Faktor Produksi Susu Usaha Ternak Sapi Perah Melalui
Pendekatan Analisis Jalur di Jawa Barat. Jurnal Ilmu Ternak Vol. 1, 52-56.
Walpole, Ronald E.(1982).Pengantar Statistika. Edisi ke-3.Gramedia,Jakarta.
Wijaya, Hadi., Sutoro, dan Santoso,Djunaidi. 2008. Analisis Faktor Pelanggan
dalam Memilih Telepon Genggam dengan Struktur Path. Jurnal Maat Stat,
Vol. 8 No. 2 Juli 2008: 158-164