Anda di halaman 1dari 12

1

STUDI KASUS :

1. Analisis faktor utama pada variable tingkat kecemasan mahasiswa terhadap mata kuliah statistik pada
mahasiswa jurusan Teknik Sipil di Universitas Negeri Surabaya.
2. Jumlah responden 237 mahasiswa yang sedang menempuh mata kuliah statistik, mahasiswa yang menjadi
responden rata-rata per tanggal 24 Mei 2017 telah menempuh mata kuliah statistik 14 kali pertemuan
(berdasarkan jurnal perkuliahan).
3. Terdapat 23 item variable yang menjadi faktor untuk membantu dalam melakukan validasi data.
4. Analisis faktor menggunakan eksploratori faktor analisis (EFA) dengan bantuan SPSS IBM V21.
5. Hasil data berdasarkan instrument kuisioner “tingkat kecemasan terhadap mata kuliah statistik”.

Data dianalisis dengan cara sebagai berikut,

 Data dari 237 mahasiswa dikumpulkan kemudian dimatrikulasi menjadi skor 1-5 berdasarkan pernyataan
sangat tidak setuju, tidak setuju , netral, setuju, dan sangat setuju. Data tersebut dianalisis oleh SPSS
dengan cara,
Analyze > Dimension Reduction > Factor

 Selanjutnya pilih variable pada item1 sampai dengan item23.

PEP 2016 : Analisis Faktor EFA “Tingkat Kecemasan Mahasiswa pada Mata Kuliah Statistik”
2

 Sekarang, pilih pada button Descriptives > Pilih dan centang Initial Solution dan Univariate Descriptives
(dibawah statistic).
 Pilih dan centang Coefficients > Determinan > KMO and Bartlett’s Test of Sphericity (dibawah Correlation
Matrix) > Continue

 Pilih button Extraction > Pada menu pull-down Method pilih Principal Axis Factoring
 Pilih radio button Correlation matrix dan centang Scree Plot (dibawah Analyze)
 Pilih Fixed number of factors (dibawah Extract) > Pilih Continue.

PEP 2016 : Analisis Faktor EFA “Tingkat Kecemasan Mahasiswa pada Mata Kuliah Statistik”
3

 Pilih radio button Varimax (dibawah method), lalu pastikan untuk menampilkan Rotated Solution (dibawah
display) > Pilih Continue

 Pilih button option > Pilih dan centang Sorted by size > Pilih dan centang Supress small coefficients
(berfungsi untuk membuat output loading factor lebih mudah dibaca).
 Pilih button Continue > Pilih OK

PEP 2016 : Analisis Faktor EFA “Tingkat Kecemasan Mahasiswa pada Mata Kuliah Statistik”
4

OUTPUT SPSS

[DataSet0] D:\Sekolah\Doktoral\Semester 2\Analisis Faktor\EFA.sav

Tabel 1.1 Output SPSS Descriptive Statistic


Descriptive Statistics
Mean Std. Deviation Analysis N
Item1: Statistik membuatku sedih 3.0084 .46933 237
Item2: Teman saya menganggap saya bodoh karena tidak mampu mengoperasikan
3.0084 .37947 237
SPSS
Item3: SD membuat saya bersemangat 3.0886 .44693 237
Item4: Saya membayangkan bahwa Pearson mendatangi saya dengan koefisien
3.0422 .40952 237
korelasi
Item5: Saya tidak memahami statistik 3.0211 .47342 237
Item6: Saya memiliki sedikit pengalaman yang berhubungan dengan komputer 3.0464 .42431 237
Item7: Semua komputer membenci saya 3.0886 .41752 237
Item8: Saya tidak pernah menguasai matematika dengan baik 3.0042 .38508 237
Item9: Teman saya memiliki kemampuan dalam bidang statistik lebih baik
3.0844 .39226 237
dibandingkan saya
Item10: Komputer hanya berguna untuk bermain game 3.0633 .44173 237
Item11: Saat saya duduk dibangku sekolah, kemampuan matematika saya buruk 3.0591 .50073 237
Item12: Orang berkata bahwa SPSS membuat statistik sosial menjadi semakin mudah,
3.0759 .43488 237
tetapi kenyataannya tidak
Item13: Saya khawatir bahwa saya akan menimbulkan kerusakan yang tidak dapat
3.1561 .44733 237
diperbaiki akibat ketidakmampuan saya dalam mengoperasikan komputer
Item14: Komputer memiliki jiwa dan sengaja menjadi rusak kapanpun saya
3.1097 .39674 237
menggunakannya
Item15: Komputer memiliki niat untuk mencelakai saya 3.0886 .44693 237
Item16: Saya sedih saat mendengar tendensi sentral 3.1983 .48573 237
Item17: Saya selalu tertegun pada saat saya melihat rumus 3.1646 .46296 237
Item18: SPSS selalu tidak berfungsi pada saat saya mencoba menggunakannya 3.1519 .41442 237
Item19: Setiap orang memandang saya pada saat saya menggunakan SPSS 3.0886 .41752 237
Item20: Saya tidak dapat tidur karena memikirkan tentang eigenvalue 3.0802 .42921 237
Item21: Saya terbangun dari tidur, saya berfikir bahwa saya terjebak dalam distribusi
3.1266 .40234 237
normal
Item22: Teman saya lebih menguasai SPSS dibandingkan dengan saya 3.1055 .38158 237
Item23: Jika saya menguasai statistik, orang akan berfikir bahwa saya adalah kutu
3.1139 .48679 237
buku

Berdasarkan output SPSS pada Tabel 1.1 diatas analisis faktor mencakuo sedkriptif statistik untuk
setiap variable dan analisis N yang dalam kasus ini adalah 237 sesuai dengan jumlah responden. Analisis
N tetap 237 karena sampel telah cukup memenuhi pada kasus ini sampel termasuk sampel besar,
sehingga data tidak terpencar, dan tidak terdapat kehilangan data.

PEP 2016 : Analisis Faktor EFA “Tingkat Kecemasan Mahasiswa pada Mata Kuliah Statistik”
Tabel 1.2 Output Correlation Matrix
5

PEP 2016 : Analisis Faktor EFA “Tingkat Kecemasan Mahasiswa pada Mata Kuliah Statistik”
6

Tabel 1.2 adalah bagian dari matrik korelasi yang menunjukkan bagaimana masing-masing dari 23
item dikaitkan . Beberapa korelasi bernilai tinggi (misalkan positif atau negative - 0,22 dan -0,25. Korelasi
relative tinggi ditunjukkan dengan dua item yang terlait dan mungkin akan dikelompokkan bersama oleh
analisis faktor.
Item dengan korelasi rendah (misalkan ≤ 0,20) biasanya tidak terdapat beban tinggi pada faktor yang
sama. Satu asumsi adalah bahwa determinan (berada dibawah matrik korelasi, dan harus lebih dari 0,003.
Nilai determinan harus lebih besar dari 0,0001, jika sangat dekat ke 0 kolineritas terlalu tinggi, pada
kasus ini nilai determinan adalah 0,003.
Nilai pada tabel matrik korelasi menunjukkan bagaimana masing-masing pertanytaan saling terkait
(berkorelasi) dengan masing-masing item pertanyaan lainnya.

Tabel 1.3 KMO dan Bartlett’s Test

Communalities
Initial
Item1: Statistik membuatku sedih .415
Item2: Teman saya menganggap saya bodoh karena tidak mampu mengoperasikan SPSS .333
Item3: SD membuat saya bersemangat .329
Item4: Saya membayangkan bahwa Pearson mendatangi saya dengan koefisien korelasi .336
Item5: Saya tidak memahami statistik .348
Item6: Saya memiliki sedikit pengalaman yang berhubungan dengan komputer .296
Item7: Semua komputer membenci saya .309
Item8: Saya tidak pernah menguasai matematika dengan baik .291
Item9: Teman saya memiliki kemampuan dalam bidang statistik lebih baik dibandingkan saya .359
Item10: Komputer hanya berguna untuk bermain game .308
Item11: Saat saya duduk dibangku sekolah, kemampuan matematika saya buruk .310
Item12: Orang berkata bahwa SPSS membuat statistik sosial menjadi semakin mudah, tetapi kenyataannya tidak .295
Item13: Saya khawatir bahwa saya akan menimbulkan kerusakan yang tidak dapat diperbaiki akibat ketidakmampuan
.185
saya dalam mengoperasikan komputer
Item14: Komputer memiliki jiwa dan sengaja menjadi rusak kapanpun saya menggunakannya .307
Item15: Komputer memiliki niat untuk mencelakai saya .394
Item16: Saya sedih saat mendengar tendensi sentral .393
Item17: Saya selalu tertegun pada saat saya melihat rumus .359
Item18: SPSS selalu tidak berfungsi pada saat saya mencoba menggunakannya .317
Item19: Setiap orang memandang saya pada saat saya menggunakan SPSS .398
Item20: Saya tidak dapat tidur karena memikirkan tentang eigenvalue .363
Item21: Saya terbangun dari tidur, saya berfikir bahwa saya terjebak dalam distribusi normal .316
Item22: Teman saya lebih menguasai SPSS dibandingkan dengan saya .339
Item23: Jika saya menguasai statistik, orang akan berfikir bahwa saya adalah kutu buku .398
Extraction Method: Principal Axis Factoring.
PEP 2016 : Analisis Faktor EFA “Tingkat Kecemasan Mahasiswa pada Mata Kuliah Statistik”
7

PEP 2016 : Analisis Faktor EFA “Tingkat Kecemasan Mahasiswa pada Mata Kuliah Statistik”
8

Ukuran KMO harus lebih besar dari 0,70 (>0,70) dan tidak memadai jika kurang dari 0,50. Pada kasus
sikap mahasiswa dalam mata kuliah statistic ini nilai KMO adalah 0,807 diartikan bahwa sampel yang
digunakan telah memenuhi syarat unidimensi dan dapat diproses lebih lanjut.
Nilai KMO memberi informasi apakah banyaknya sampel yang dipresiksi oleh masing-masng faktor. Uji
Bartlett harus signifikan (yaitu, nilai d=signifikansi kurang dari 0,05 (<0,05), ini diartikan bahwa variable
berkorelasi cukup tinggi untuk memberikan dasar yang cukup. Kesimpulan yang sama dapat dilihat pula
pada angka KMO and Bartlett's test (yang ditampakkan dengan angka Chi-Square) sebesar 1318,3 dengan
signifikansi 0,000.
Tabel communalities menunjukkan bahwa tabel communalities menunjukkan kesamaan awal sebelum
rotasi. Nilai communalities paling rendah adalah lebih besar 0,30 (< 0,30). Berdasarkan keseluruhan 23
item terdapat 4 item < 0,30 yaitu item6, item9, item12 dan item13. Untuk 19 item lainnya memiliki nilai
inisial > 0,30 menunjukkan telah mewakili relasinya antara variable dan semua variable lainnya yaitu
korelasi beberapa kuadrat antara item dan keseluruhan item lainnya.
Tabel Anti Image Matrices, Pada tabel Anti Image Matrices, khususnya pada bagian bawah (Anti
Image Correlation), terlihat sejumlah angka yang membentuk diagonal, yang bertanda 'a', yang
menandakan besaran MSA sebuah variabel. Dari 23 faktor yang dianalisis, menunjukkan criteria angka
MSA diatas 0,5. Yang berarti variable masih bisa diprediksi untuk dianalisa lebih lanjut.

Tabel 1.4 Output SPSS Total variance Explained

PEP 2016 : Analisis Faktor EFA “Tingkat Kecemasan Mahasiswa pada Mata Kuliah Statistik”
9

Tabel 1.4 diatas menunjukkan bagaimana varians dibagi diantara 23 faktor yang memungkinkan. Nilai
eigen (initial eigenvalues) mengacu pada varians yang diperhitungkan, jadi faktor 1 menjelaskan hampir
sebanyak varians seperti pada 5 item yang ada. Perhatikan bahwa 8 faktor emiliki nilai eigenvalue lebih
besar dari 1,0 hal tersebut menunjukkan bahwa kriteria umum untuk Suatu faktor menjelaskan lebih sedikit
informasi dari satu item yang telah dijelaskan.
Persentase variansi diantara item diperhitungkan oleh masing-masing faktor sebelum dan sesudah
rotasi. Untuk persentase nilai varian pada eigenvalue pada faktor 1 sampai dengan faktor 3 secara
berturut-turut memiliki persentase yang lebih besar dibandingkan faktor lainnya. Pada tabel cumulative
menunjukkan bahwa setengah dari varian diperhitungkan oleh 3 faktor pertama. Dengan demikian ada 3
faktor yang terbentuk. Penentuan variable yang masuk dari masing-masing faktor dilakukan dengan
memperbandingkan besaran korelasi pada setiap baris. Angka korelasi dibawah 0,5 menunjukkan indikasi
korelasi lemah, sedangkan diatas 0,5 berindikasi kuat korelasinya.

Gambar 1.1 Output Scree Plot

Nilai eigen selanjutnya dapat disajikan dengan Gambar 1.1 Mencermati hasil plot tersebut,
nampak nilai Eigen mulai landai pada faktor kedua (terdapat 1 curaman). Ini menunjukkan bahwa
terdapat 1 faktor dominan pada tingkat kecemasan mahasiswa terhadap mata kuliah statistik,
faktor lainnya juga memberikan sumbangan yang tidak begitu besar terhadap komponen varians
yang dapat dijelaskan (banyaknya lereng yang curam pada plot menunjukkan banyaknya
dimensi). Mulai faktor kedua dan seterusnya, pada grafik menunjukkan sudah mulai mendatar. Hal

PEP 2016 : Analisis Faktor EFA “Tingkat Kecemasan Mahasiswa pada Mata Kuliah Statistik”
10

ini menunjukkan terdapat 1 faktor dominan pada item tingkat kecemasan mahasiswa terhadap
mata kuliah statistik
Factor Matrixa

a. 3 factors extracted. 16 iterations required.

Tabel 1.5 Output Rotated Factor Matriks


Rotated Factor Matrixa
Factor
1 2 3
Item16: Saya sedih saat mendengar tendensi sentral .668
Item17: Saya selalu tertegun pada saat saya melihat rumus .588
Item9: Teman saya memiliki kemampuan dalam bidang statistik lebih baik dibandingkan
.526
saya
Item15: Komputer memiliki niat untuk mencelakai saya .526
Item18: SPSS selalu tidak berfungsi pada saat saya mencoba menggunakannya .448
Item21: Saya terbangun dari tidur, saya berfikir bahwa saya terjebak dalam distribusi
.443
normal
Item22: Teman saya lebih menguasai SPSS dibandingkan dengan saya .417
Item7: Semua komputer membenci saya .404
Item14: Komputer memiliki jiwa dan sengaja menjadi rusak kapanpun saya
.371
menggunakannya
Item12: Orang berkata bahwa SPSS membuat statistik sosial menjadi semakin mudah,
.341
tetapi kenyataannya tidak
Item1: Statistik membuatku sedih .590
Item2: Teman saya menganggap saya bodoh karena tidak mampu mengoperasikan
.582
SPSS
Item11: Saat saya duduk dibangku sekolah, kemampuan matematika saya buruk .530
Item4: Saya membayangkan bahwa Pearson mendatangi saya dengan koefisien korelasi .459
Item3: SD membuat saya bersemangat .432
Item5: Saya tidak memahami statistik .423
Item8: Saya tidak pernah menguasai matematika dengan baik .352
Item6: Saya memiliki sedikit pengalaman yang berhubungan dengan komputer .306 .341
Item10: Komputer hanya berguna untuk bermain game
Item13: Saya khawatir bahwa saya akan menimbulkan kerusakan yang tidak dapat
diperbaiki akibat ketidakmampuan saya dalam mengoperasikan komputer
Item19: Setiap orang memandang saya pada saat saya menggunakan SPSS .718
Item23: Jika saya menguasai statistik, orang akan berfikir bahwa saya adalah kutu buku .538
Item20: Saya tidak dapat tidur karena memikirkan tentang eigenvalue .534
Extraction Method: Principal Axis Factoring.
Rotation Method: Varimax with Kaiser Normalization.
a. Rotation converged in 5 iterations.

PEP 2016 : Analisis Faktor EFA “Tingkat Kecemasan Mahasiswa pada Mata Kuliah Statistik”
11

Table rotated matrics Sekalipun dari keenam variable telah terbentuk faktor-faktor, namun
perlu dilakukan rotasi untuk memperjelas variabel-variabel mana yang masuk kedalam tiap-tiap
faktor. Banyak sekali faktor loading yang berubah setelah mengalami rotasi menjadi lebih kecil
atau lebih besar. Pada table factor variabel-variabel yang masuk pada tiap-tiap factor sebagai
berikut: Faktor 1 terdiri dari item kecemasan eksternal, Faktor 2 dari item kecemasan internal,
sedangkan Faktor 3 terdiri dari item motivasi terhadap statistic.

Table Faktor Transformation Matrix Pada table Component Transformation Matrix dapat diketahui
bahwa diagonal faktor (component) 1, 2, dan 3 jatuh diatas angka 0,5 (0,686; 0,595, dan 0,417), hal
tersebut membuktikan bahwa kedua factor (component) yang terbentuk sudah tepat karena mempunyai
korelasi yang tinggi.
Setelah diperoleh dua factor yang merupakan hasil reduksi dari enam variabel, langkah berikut
adalah member nama pada kedua faktor tersebut. Untuk kasus diatas, factor pertama yang terdiri dari
variable merek, harga dan ketersediaan barang dapat dinamakan dengan faktor internal, sedangkan factor
kedua yang terdiri dari kemasan dan acuan dapat dinamakan faktor external. Penentuan input variable ke
faktor tertentu mengikuti pada besar korelasi antara variable dengan faktor, yaitu pada yang berkorelasi
besar. Dengan demikian maka faktor dan variable anggotanya sebagai berikut,

Tabel 1.6 Pembagian Item Faktor Berdasarkan Rotated Factor Matric


Faktor Item Faktor
Item16: Saya sedih saat mendengar tendensi sentral
Item17: Saya selalu tertegun pada saat saya melihat rumus
Item9: Teman saya memiliki kemampuan dalam bidang statistik lebih baik dibandingkan saya
Item15: Komputer memiliki niat untuk mencelakai saya
Item18: SPSS selalu tidak berfungsi pada saat saya mencoba menggunakannya
Faktor 1
Item21: Saya terbangun dari tidur, saya berfikir bahwa saya terjebak dalam distribusi normal
Item22: Teman saya lebih menguasai SPSS dibandingkan dengan saya
Item7: Semua komputer membenci saya
Item14: Komputer memiliki jiwa dan sengaja menjadi rusak kapanpun saya menggunakannya
Item12: Orang berkata bahwa SPSS membuat statistik sosial menjadi semakin mudah, tetapi
kenyataannya tidak
Item1: Statistik membuatku sedih
Faktor 2 Item2: Teman saya menganggap saya bodoh karena tidak mampu mengoperasikan SPSS
Item11: Saat saya duduk dibangku sekolah, kemampuan matematika saya buruk

PEP 2016 : Analisis Faktor EFA “Tingkat Kecemasan Mahasiswa pada Mata Kuliah Statistik”
12

Faktor Item Faktor


Item4: Saya membayangkan bahwa Pearson mendatangi saya dengan koefisien korelasi
Item3: SD membuat saya bersemangat
Item5: Saya tidak memahami statistik
Item8: Saya tidak pernah menguasai matematika dengan baik
Item6: Saya memiliki sedikit pengalaman yang berhubungan dengan komputer
Item19: Setiap orang memandang saya pada saat saya menggunakan SPSS
Faktor 3 Item23: Jika saya menguasai statistik, orang akan berfikir bahwa saya adalah kutu buku
Item20: Saya tidak dapat tidur karena memikirkan tentang eigenvalue
Berdasarkan analisis faktor yang dilakukan dengan EFA untuk menganalisis faktor pada tingkat
kecemasan mahasiswa terhadap mata kuliah statistic, didapatkan kesimpulan nama faktor-faktor sebagai
berikut,

Tabel 1.7 Kesimpulan nama faktor pada tingkat kecemasan mahasiswa terhadap mata kuliah statistik
Faktor Nama Faktor
Faktor 1 Kecemasan Eksternal
Faktor 2 Kecemasan Internal
Faktor 3 Motivasi Terhadap Statistik

Kesimpulan analisis faktor pada tingkat kecemasan mahasiswa pada mata kuliah statistic,
disimpulkan bahwa terdapat 3 faktor yang mewakili variable dari 28 item yang terdapat pada kuisioner
dengan nama faktor 1 : kecemasan eksternal; faktor 2: kecemasan internal; faktor 3: motivasi terhadap
statistic.

PEP 2016 : Analisis Faktor EFA “Tingkat Kecemasan Mahasiswa pada Mata Kuliah Statistik”