9

BAB 2

LANDASAN TEORI

2.1 Sejarah Ujian Nasional (UN) di Indonesia

Ujian Nasional atau yang sering disingkat dengan sebutan UN merupakan kebijakan
atau usaha pemerintah di dalam meningkatkan dan mengembangkan kualitas
pendidikan di Indonesisa untuk menciptakan generasi yang unggul dalam semua
bidang. Menciptakan siswa yang mempunyai karakter berbasis Pancasila dan UUD
1945.(buku-on-line.com).

Ujian nasional mulai diberlakukan di Indonesia tahun 1950. Sepanjang proses

pelaksanaannya hingga sampai saat ini, perkembangan UN di Indonesisa mengalami
banyak metamorfosa.Telah beberapa kali diganti formatnya, seperti yang akan
dibahas berikut ini : (uniqpost.com)

1. Periode 1950 – 1960an

Pada periode ini, materi ujian dibuat oleh Departemen Pendidikan, Pengajaran,
Dan Kebudayaa yang mana seluruh soal yang harus dikerjakan adalah dalam
bentuk essai. Pada periode ini ujian disebut dengan Ujian Penghabisan. Dan,
setelah ujian berakhir, semua soal akan di periksa di pusat rayon.

2. Periode 1965 – 1971

Pada periode ini, pemerintah pusat memegang kendali untuk waktu ujian dan
bahan ujian. Seluruh mata pelajaran dimasukkan ke dalam materi ujian, artinya
semua mata pelajaran diujikan kepada para siswa. Pada masa itu, disebut
dengan Ujian Negara.

Universitas Sumatera Utara

 10

3. Periode 1972 – 1979

Pada periode ini, pemerintah sedikit mengendurkan ketatnya peraturan dengan
membebaskan setiap sekolah atau sekelompok sekolah untuk
menyelenggarakan ujian sendiri. Pembuatan soal dan proses penilaian
dilakukan masing-masing sekolah atau kelompok. Pemerintah hanya
menyusun pedoman dan panduan yang bersifat umum.

4. Periode 1980 – 2001

Pada periode ini, kelulusan ditentukan oleh kombinasi nilai dua evaluasi yaitu
EBTANAS dan EBTA yang ditambah nilai ujian harian yang tertera di buku
rapor. Dalam Ebtanas siswa dinyatakan lulus jika nilai rata-rata seluruh mata
pelajaran yang diujikan dalam Ebtanas adalah enam, meski terdapat satu atau
beberapa mata pelajaran bernilai di bawah tiga. Ebtanas dikoordinasi oleh
pemerintah pusat, sementara Ebta oleh pemerintah daerah.

5. Periode 2002 – 2004

Pada periode ini Ebtanas diganti dengan nama Ujian Akhir Nasional (UAN)
dan standar kelulusan tiap tahun berbeda-beda. Pada UAN 2002 kelulusan
ditentukan oleh nilai mata pelajaran secara individual. Pada UAN 2003 standar
kelulusan adalah 3.01 pada setiap mata pelajaran dan nilai rata-rata minimal
6.00. Soal ujian dibuat oleh Depdiknas dan pihak sekolah tidak dapat
mengatrol nilai UAN. Para siswa yang tidak/belum lulus masih diberi
kesempatan mengulang selang satu minggu sesudahnya. Pada UAN 2004,
kelulusan siswa didapat berdasarkan nilai minimal pada setiap mata pelajaran
4.01 dan tidak ada nilai rata-rata minimal. Pada mulanya UAN 2004 ini tidak
ada ujian ulang bagi yang tidak/belum lulus. Namun setelah mendapat
masukan dari berbagai lapisan masayarakat, akhirnya diadakan ujian ulang.

6. Periode 2005 – 2012

Pada periode ini UAN diganti namanya menjadi Ujian Nasional (UN) dan
standar kelulusan setiap tahun pun juga berbeda-beda. Pada UN 2005 minimal
nilai untuk setiap mata pelajaran adalah 4.25. Pada UN 2005 ini para siswa
yang belum lulus pada tahap I boleh mengikuti UN tahap II hanya untuk mata

Universitas Sumatera Utara

 11

pelajaran yang belum lulus. Pada UN 2006 standar kelulusan minimal adalah
4.25 untuk tiap mata pelajaran yang diujikan dan rata-rata nilai harus lebih dari
4.50 dan tidak ada ujian ulang. Pada UN 2007 ini tidak ada ujian ulang. Dan
bagi yang tidak lulus disarankan untuk mengambil paket c untuk meneruskan
pendidikan atau mengulang UN tahun depan. Pada UN 2008 mata pelajaran
yang diujikan lebih banyak dari yang semula tiga, pada tahun ini menjadi
enam. Pada UN 2009 standar untuk mencapai kelulusan, nilai rata-rata
minimal 5.50 untuk seluruh mata pelajaran yang di-UN-kan, dengan nilai
minimal 4.00 untuk paling banyak dua mata pelajaran dan minimal 4.25 untuk
mata pelajaran lainnya. Pada UN 2010 standar kelulusannya adalah, memiliki
nilai rata-rata minimal 5.50 untuk seluruh mata pelajaran yang diujikan,
dengan nilai minimal 4.0 untuk paling banyak dua mata pelajaran dan minimal
4.25 untuk mata pelajaran lainnya.Khusus untuk SMK, nilai mata pelajaran
praktek kejuruan minimal 7.00 dan digunakan untuk menghitung rata-rata UN.
Sementara untuk tahun 2011 dan 2012 Nilai kelulusan siswa masih tetap yaitu
5,5. Begitu juga soal tetap dibagi dalam enam macam paket, yakni lima soal
utama dan satu cadangan bila ada soal tak lengkap atau rusak.

2.2 Dampak

Dampak secara sederhana bisa diartikan sebagai pengaruh atau akibat. Dalam setiap
keputusan yang diambil oleh seorang atasan biasanya mempunyai dampak tersendiri,
baik itu dampak posotif maupun dampak negatif. Dampak juga bisa merupakan proses
lanjutan dari sebuah pelaksanaan pengawasan internal. Dampak adalah pengaruh
suatu kegiatan (Otto Soemarwoto). Dampak adalah sesuatu yang muncul setelah
adanya suatu kejadian. (Hari Sabari).(carapedia.com)

Menurut Kamus Besar Bahasa Indonesia, Dampak adalah pengaruh kuat yang
mendatangkan akibat (baik negatif maupun positif). Dampak positif adalah pengaruh
kuat yang mendatangkan akibat yang positif. Dampak negatif adalah pengaruh kuat
yang mendatangkan akibat yang negatif.(artikata.com)

Universitas Sumatera Utara

 12

2.3 Populasi dan Sampel Penelitian

Populasi adalah sekelompok orang, kejadian, atau benda yang merupakan kumpulan
lengkap dari elemen-elemen sejenis akan tetapi dapat dibedakan berdasarkan
karakteristiknya, yang dijadikan obyek penelitian (Supranto, 2004). Populasi sering
juga disebut Universe. Populasi yang tidak diketahui dengan pasti jumlahnya disebut
Populasi Infinit atau tak terbatas. Misalnya penduduk suatu negara adalah populasi
yang infinit karena setiap waktu terus berubah jumlahnya. Apabila penduduk tersebut
dibatasi dalam waktu dan tempat, maka populasi yang infinit bisa berubah jadi
populasi yang finit. Umumnya populasi yang infinit hanyalah teori saja, sedangkan
kenyataan dalam prakteknya semua benda hidup dianggap populasi yang infinit.
Populasi yang jumlahnya diketahui dengan pasti (populasi yang dapat diberi nomor
identifikasi), misalnya murid sekolah, jumlah karyawan tetap pabrik, dll disebut
Populasi Finit.

Sampel adalah bagian dari populasi yang menjadi obyek penelitian

(Supranto, 2004). Teknik sampling secara statistik dapat didefenisikan sebagai suatu
teknik untuk menentukan jumlah sampel dan pemilihan calon anggota sampel,
sehingga setiap sampel terpilih dalam penelitian dapat mewakili populasinya.

2.4 Tingkat Pengukuran

Pengukuran merupakan penunjukan angka-angka pada suatu variabel. Prosedur

pengukuran dan pemberian angka-angka tadi diharapkan bersifat isomorfik terhadap
realita, artinya ada persamaan realita (Singarimbun dan Efendi, 1985). Tingkat ukuran
di dunia penelitian dikembangkan pertama kali oleh Steve pada tahun 1946, yaitu
tingkat ukuran nominal, ordinal, interval dan rasio.

a. Ukuran Nominal
Merupakan ukuran yang paling sederhana. Dalam ukuran ini tidak ada asumsi
tentang jarak maupun urutan antara kategori-kategori dalam ukuran itu. Angka
hanya menunjukkan kedudukan atau berupa label.

Universitas Sumatera Utara

 13

b. Ukuran Ordinal
Ukuran ordinal mengurutkan responden dari tingkatan paling rendah ke
tingkatan paling tinggi menurut suatu atribut tertentu tanpa ada petunjuk yang
jelas tentang berapa jumlah absolut atribut yang dimiliki oleh masing-masing
responden tersebut dan berapa interval antara responden dengan responden
lainnya.

c. Ukuran Interval
Ukuran interval adalah ukuran yang tidak semata-mata mengurutkan orang
ataupun objek berdasarkan suatu atribut, tetapi memberikan informasi tentang
interval antara satu orang atau objek dengan orang atau objek lainya. Tetapi
ukuran itu tidak memberikan informasi tentang jumlah absolut yang dimiliki
objek.

d. Ukuran Rasio
Ukuran rasio diperoleh selain informasi tentang urutan dan interval antara
objek-objek, kita mempunyai informasi tambahan tentang jumlah absolurt
atribut objek tadi. Ukuran rasio adalah suatu bentuk interval yang jaraknya
diukur dari titik nol.

2.5 Data

Data merupakan komponen utama dalam statistik. Data adalah bahan baku yang jika
diolah melalui berbagai analisis dapat melahirkan informasi, dimana dengan informasi
tersebut dapat diambil suatu keputusan.

Universitas Sumatera Utara

 14

2.5.1 Data Menurut Sifatnya

Menurut sifatnya data terbagi atas dua bagian, yaitu data kualitatif dan kuantitatif.

a. Data kualitatif
Data kualitatif adalah data yang sifatnya hanya menggolongkan saja dan yang
kemungkinannya tidak dinyatakan dalam angka-angka. Yang temasuk dalam
klasifikasi data kualitatif adalah data yang berskala ukur nominal dan ordinal.
Sebagai contoh adalah motivasi karyawan (bagus, sedang, jelek).

b. Data kuantitatif
Data kuantitatif adalah data yang berbentuk angka. Yang termasuk dalam
klasifikasi data kuantitatif adalah data yang berskala ukur interval dan rasio.
Sebagai contoh data kuantitatif adalah data hasil pengukuran tinggi badan
mahasiswa Matematika FMIPA USU. Data tersebut berupa angka seperti : 170
cm, 168,5 cm, 163 cm dan sebagainya.

2.5.2 Data Menurut Sumbernya

Menurut sumbernya data terbagi atas dua bagian, yakni data internal dan eksternal

a. Data internal
Data internal adalah data yang didapat dari dalam perusahaan atau organisasi
dimana riset dilakukan. Sebagai contoh adalah catatan-catatan akuntansi,
catatan-catatan produksi, catatan-catatan inventaris, catatan-catatan penjualan,
dan lain-lain.

b. Data eksternal
Data eksternal adalah data yang menggambarkan keadaan diluar perusahaan
atau organisasi. Data eksternal terbagi atas dua bagian yaitu data primer dan
data sekunder.

Universitas Sumatera Utara

 15

1. Data primer
Data primer adalah data yang secara langsung dikumpulakan oleh orang
yang berkepentingan atau yang memakai data tersebut. Data ini diperoleh
dari hasil wawancara atau kuesioner. Dalam metode pengumpulan data
primer peneliti melakukan sendiri observasi di lapangan maupun
dilaboratorium. Pelaksanaannya dapat berupa survei atau percobaan
(eksperimen).

2. Data sekunder
Data sekunder adalah data primer yang diperoleh dari pihak lain atau data
primer yang telah diolah lebih lanjut dan disajikan. Data sekunder pada
umumnya digunakan oleh peneliti untuk memberikan gambaran tambahan,
gambaran pelengkap, atau diproses lebih lanjut. Data sekunder didapat dari
hasil penelitian dari beberapa sumber seperti Badan Pusat Stastistik, Mass
Media, Lembaga pemerintah atau swasta dan sebagainya.

2.5.3 Data Menurut Jenisnya

Menurut jenisnya data terdiri dari dua bagian, yaitu data kontiniu dan diskrit.

a. Data kontiniu
Data kontiniu adalah data yang diperoleh dari hasil pengukuran.

b. Data diskrit
Data diskrit adalah data yang diperoleh dari hasil perhitungan.

2.6 Teknik Sampling

Sampling adalah teknik pengambilan data, dimana data-data yang diambil untuk
diselidiki merupakan sebagian kecil (sample atau sampel) dari keseluruhan objek yang
diselidiki (universe atau populasi). Jarang sekali suatu penelitian dilakukan dengan

Universitas Sumatera Utara

 16

cara memeriksa semua objek yang diteliti (sensus), tetapi sering digunakan sampling
(Teken, 1965), alasannya adalah :

a. Ukuran populasi seringkali terlalu banyak, sehingga diperlukan terlalu banyak

biaya, waktu dan tenaga untuk menyelidiki melalui sensus.

b. Populasi yang berukuran besar selain sulit untuk dikumpulkan, dicatat dan
dianalisa, juga biasanya akan menghasilkan informasi yang kurang teliti.
Dengan cara sampling jumlah objek yang harus diteliti menjadi lebih kecil,
sehingga menjadi lebih terpusat perhatiannya.

c. Percobaan-percobaan yang berbahaya atau bersifat merusak hanya cocok

dilakukan dengan sampling.

Keuntungan dengan menggunakan teknik sampling antara lain adalah

mengurangi ongkos, mempercepat waktu penelitian dan dapat memperbesar ruang
lingkup penelitian. Metode pengambilan sampel yang ideal memiliki sifat-sifat
(Teken, 1965) sebagai berikut :

a. Dapat menghasilkan gambaran yang dapat dipercaya dari seluruh populasi

yang diteliti.
b. Dapat menentukan ketepatan hasil penelitian dengan menentukan
penyimpangan baku dari taksiran yang diperoleh.
c. Sederhana dan mudah diperoleh.
d. Dapat memberikan keterangan sebanyak mungkin dengan biaya serendah
mungkin.

2.6.1 Metode Pengambilan Sampel

Pada dasarnya ada dua macam metode pengambilan sampel, yaitu pengambilan secara
acak (Probvability Sampling) dan secara tidak acak (Non Probability Sampling)

Universitas Sumatera Utara

 17

(Singarimbun et al, `1985). Pengambilan sampel secara acak (Probability Sampling),

terdiri dari :

a. Simple Random Sampling, pengambilan random sederhana yaitu prosedur

seleksi unit populasi dimana setiap satuan elementer dari populasi mempunyai
kesempatan yang sama untuk dipilih sebagai sampel. Terpilihnya responden
secara kebetulan (acak).

Syarat utama agar suatu sampel mempunyai sifat acak dalam Simple Random
Sampling, pemilih harus melalui proses acak, yaitu suatu proses yang hasilnya
tidak dapat diketahui sebelumnya dengan pasti. Pemilihan elemen anggota
sampel dapat dilakukan dengan: (Supranto J, 1992)

1. Dengan cara lotere (elemen populasi sedikit, kurang dari 100)

Misalkan populasi (N) = 100 dan sampel (n) = 15, maka ambil 100 potong
kertas diberi nomor 1 s/d 100. Kertas dilipat dimasukkan ke kotak, kotak
dikocok (diaduk-aduk) diambil 1 potong, dilihat angkanya, katakanlah 30,
berarti elemen yang ke 30 terpilih. Proses pengambilan kertas dilakukan
dengan dua cara yaitu:

a. Dengan pengembalian, dimana kertas yang sudah diambil

dikembalikan kedalam kotak, sehingga bisa terpilih kembali di
pengambilan berikutnya.

b. Tanpa pengembalian, dimana kertas yang sudah diambil tidak

dikembalikan kedalam kotak, sehingga tidak mungkin terpilih lagi
dalam pengambilan kertas berikutnya.

2. Dengan menggunakan tabel bilangan acak

Tabel bilangan acak ialah tabel yang memuat bilangan atau angka-angka
sedemikian rupa sehingga dapat dipergunakan untuk memilih sampel
secara acak.

Universitas Sumatera Utara

 18

b. Sequential Sampling, pengambilan randon sistematis metode ini mengambil

elemen pertama dalam sampel secara randoom, random berikutnya ditentukan
secara sistematis dengan menggunakan interval sebesar k yang ditentukan dari
total populasi dibagi isi sampel.

c. Proportionate Stratified Random Sampling, teknik ini digunakan apabila

populasi mempunyai anggota/unsur yang yidak homogen dan berstrata secara
proporsional.

d. Disproportionate Stratified Random Samplintg, teknik ini digunakan untuk

menentukan jumlah sampel, bila populasi berstrata tapi kurang atau tidakk
proporsional.

e. Cluster Sampling, area sampel tekknik ini digunakan untuk menentukan data
bila objek yang akan diteliti atau sumber data sangat luas sehingga perlu
dilakukan pengelompokan unit populasi berdasarkan karakteristik tertentu dan
kemudian sampel diambil secara acak dari sub populasi.

f. Pengambilan acak gugus bertahap, metode ini menggolongkan populasi dalam

gugus bertingkat.

g. Pengambilan acak wilayah, metode ini membagi wilayah atas segmen-segmen

penelitian.

Dalam penelitian ini digunakan Simple Random Sampling dengan untuk

memilih sekolah yang akan diteliti dan Proportionate Stratified Random Sampling
untuk menentukan responden dari sekolah yang terpilih, yaitu responden terpilih
secara kebetulan dengan peneliti dan dianggap cocok sebagai sumber data.

Simple Random Sampling digunakan untuk memilih sekolah yang akan diteliti
sebab jumlah populasi Sekolah Menengah Atas Negeri Medan tidak terlalu besar
yakni 21 sekolah. Pengambilan sampel sekolah yang akan diteliti dilakukan dengan
cara lotere, dimana setiap nama sekolah tersebut ditulis pada selembar kertas

Universitas Sumatera Utara

 19

kemudian dilipat-lipat dan dimasukkan kedalam suatu wadah. Dengan mata tertutup
ambil lipatan kertas dari dalam wadah yang telah dikocok. Dengan tanpa
pengembalian lipatan kertas pertama ke dalam wadah, ambil lagi lipatan kertas yang
kedua, demikian seterusnya sampai lipatan kertas kelima. Setelah terambil lima
lipatan kertas nama sekolah yang tertulis dalam lipatan kertas tersebut digunakan
sebagai sampel dari 21 sekolah sasaran.

Beberapa alasan menggunakan Proportionate Stratified Random Sampling

adalah (Supranto J, 1992) :

a. Setiap strata homogin atau relatif homogin, sehingga sampel acak yang
diambil dari setiap strata akan memberikan perkiraan yang dapat mewakili
strata yang bersangkutan. Perkiraan gabungan yang diperoleh berdasarkan
perkiraan dari setiap strata akan memberikan perkiraan menyeluruh yang
mewakili populasi.

b. Biaya untuk melakukan Proportitionate Stratified Random Sampling lebih

murah daripada Simple Random Sampling karena alasan administrasi.

c. Perkiraan bisa dibuat untuk setiap strata yang dapat dianggap sebagai populasi
yang berdiri sendiri dan mungkin bisa dilakukan oleh seorang peneliti saja.

Alokasi proporsional dalam Proportionate Stratified Random Sampling

ditentukan menggunakan rumus :

( )
∑ ( )

Dengan,
= Banyaknya elemen sampel dari strata ke
= banyak elemen strata ke
= banyaknya strata
= jumlah sampel penelitian

Universitas Sumatera Utara

 20

2.6.2 Penentuan Ukuran Sampel

Banyaknya elemen sampel dalam menggunakan metode analisis faktor adalah paling
sedikit empat sampai lima kali banyaknya jumlah variabel penelitian. (Supranto J,
2004)

2.6.3 Sampel yang Baik

Agar data yang diambil (sampel) berguna maka data tersebut haruslah:
a. Objektif (sesuai dengan kenyataan yang sebenarnya)
b. Representatif (mewakili keadaan yang sebenarnya)
c. Variansinya kecil
d. Tepat waktu
e. Relevan untuk menjawab persoalan yang sedang menjadi pokok bahasan.

2.7 Teknik Pengukuran dan Skala

Pada teknik penskalaan, banyak sekali jenis skala pengukuran yang telah
dikembangkan, terutama dalam ilmu-ilmu sosial. Namun dalam penelitian ini skala
pengukuran yang digunakan adalah skala Likert. Skala ini dikembangkan oleh Rensis
Likert (1932) untuk mengukur sikap masyarakat dan skalanya terkenal dengan nama
technique of summated rating atau skala Likert. Banyak faktor yang menyebabkan
skala Likert banyak digunakan sebagai berikut (Singarimbun dan Efendi, 1985) :
a. Skala ini relatif mudah dibuat
b. Adanya kebebasan didalam memasukkan item-item pernyataan asal masih
relevan dengan masalah.
c. Jawaban atas item dapat berupa beberapan alternatif, sehingga dapat
memberikan informasi yang lebih jelas dan nyata terhadap item tersebut.
d. Dengan jumlah item yang cukup besar, tingkat reliabilitas yang tinggi dapat
dicapai.
e. Mudah untuk ditetapkan pada berbagai situasi.

Universitas Sumatera Utara

 21

2.8 Uji Validitas dan Uji Reliabilitas

2.8.1 Validitas

Secara umum adalah mengukur apa yang seharusnya diukur. Validitas berasal dari
kata validity yang mempunyai arti sejauh mana ketepatan dan kecermatan suatu
instrumen pengukuran dalam melakukan fungsi ukurnya (Azwar, 1996). Validitas
dibagi atas tiga bagian, yaitu :

a. Validitas isi
Validitas isi menunjukkan sejauh mana item-item dalam tes dapat mencakup
keseluruhan kawasan ini yang akan diukur oleh tes tersebut. Untuk mengetahui
validitas isi dapat dilakukan dengan melihat apakah item-item dalam tes telah
ditulis sesuai dengan blue print. Artinya apakah sesuai dengan batasan domain
ukur yang telah ditetapkan dan sesuai ukuran dengan indikator prilaku yang
akan diungkapkan.

b. Validitas Konstruk
Validiatas konstruk adalah validitas yang menunjukkan sejauh mana suatu tes
mengukur traid atau konstruk teoritis yang akan diukur. Pengujian validitas
konstruk dapat dilakukan dengan analisis statistika seperti analisis faktor.

c. Validitas berdasarkan Kriteria

Validitas berdasar kriteria adalah validitas yang menunjukkan sejauh mana
suatu tes dapat mengukur sebuah pendapat yang berasal dari dua kelompok
responden yang berbeda.

Suatu item dikatakan valid apabila nilai koefisiennya (pada output SPSS, dapat
dilihat pada kolom corrected Item-Total Correlation) ≥ 0,300 (Azwar,1996).
Corrected Item-Total Correlation adalah korelasi antara suatu variabel dengan total
tanpa memasukkan nilai variabel tersebut.

Universitas Sumatera Utara

 22

2.8.2 Reliabilitas

Reliabilitas diterjemahkan dari kata reliability. Pengukuran yang memiliki reliabilitas

tinggi maksudnya adalah pengukuran yang dapat menghasilkan data yang reliabel.
Tinggi rendahnya reliabilitas, secara empirik ditunjukkan oleh suatu angka yang
disebut nilai koefisien reliabilitas. Reliabilitas yang dianggap sudah cukup
memuaskan jika nilai Alpha Cronbach ≥ 0,700 (Azwar, 1996). Nilai Alpha Cronbach
diperoleh dengan menggunakan rumus sebagai berikut :

∑
( )( )

Keterangan :
= nilai (koefisien) Alpha Cronbach
= banyaknya variabel penelitian
∑ = jumlah varians variabel penelitian
= varians total

2.9 Analisis Faktor

Analisis faktor dipelopori oleh Charles Spearman dalam bidang psikologi dan beliau
dipercaya sebagai penemu dari metode analisis faktor. Charles Spearman menemukan
fakta bahwa nilai ujian anak-anak sekolah pada mata pelajaran yang berbeda (tidak
berkaitan) berhubungan positif. Hal itu yang membuat beliau menerima dalil bahwa
kemampuan mental atau g mendasari dan mempengaruhi kinerja kongnitif manusia.
Dalil tersebut kini diadopsi dalam penelitian kecerdasan (Intelligence research) yang
dikenal sebagai Teori g (g theory). (Wikipedia. Org)

Dari sudut pandang lain, analisis faktor adalah salah satu metode statistik
multivariat yang mencoba menerangkan hubungan antara sejumlah peubah-peubah
yang saling independen antara satu dengan yang lain sehingga dibuat kumpulan
peubah yang lebih sedikit dari jumlah peubah awal yang disebut faktor.

Universitas Sumatera Utara

 23

2.9.1 Prinsip-Prinsip Analisis Faktor

Analisis faktor merupakan salah satu prosedur reduksi data serta salah satu alat untuk
menguji alat ukur dalam metode statistic multivariate (Dillon et al, 1984). Ada tiga
fungsi utama analisis faktor, yaitu :

a. Mereduksi banyaknya variabel penelitian dengan tetap memperhatikan

sebanyak mungkin informasi data awal. Banyaknya variabel awal dapat
dikurangi menjadi beberapa variabel yang jumlahnya lebih sedikit dengan
tetap memperhatikan sebagian besar variasi data.

b. Mencari perbedaan kualitatif dan kuantitatif dalam data, dalam situasi dimana
terdapat jumlah data yang sangat besar.

c. Data digunakan pula untuk menguji hipotesis tenttang perbedaan kualitatif dan
kuantitatif dalam data penelitian.

Adapun kelebihan dari metode analisis faktor adalah:

a. Dapat menggabungkan sejumlah variabel awal yang diteliti menjadi sejumlah

variabel baru yang lebih sedikit jumlahnya.
b. Dapat mengungkapkan karakteristik dominan yang dimiliki unit data operasi.
c. Dapat menganalisis sejumlah variabel awal penelitian dan menganalisis
korelasi antar variabel awal tersebut.

Asumsi dasar dalam dalam menggunakan analisis faktor adalah:

a. Tingginya korelasi antar variabel.

Korelasi antar variabel yang kuat dapat diindikasikan oleh nilai determinan
matriks korelasi yang mendekati nol. Nilai determinan dari matriks korelasi
yang elemen-elemenya menerupai matriks identitas akan memiliki nilai
determinan sama dengan satu. Hal ini dapat diuji dengan Bartlett’s test of
sphericity.

Universitas Sumatera Utara

 24

b. Indeks perbandingan antara koefisien korelasi dengan korelasi parsialnya

kecil.
Jika jumlah kuadrat koefisien korelasi parsial untuk seluruh pasangan variabel
tidak banyak berbeda, maka ini menunjukkan perbandingan antara koefisien
korelasi dengan korelasi parsialnya secara keseluruhan adalah kecil.
Perbandingan ini dapat diidentifikasi berdasarkan nilai Kaisar-Meyer-Olkin.

c. Indeks perbandingan antara koefisien korelasi dengan korelasi parsial setiap

variabel adalah kecil.
Analisis faktor dapat dilanjutkan, jika nilai measure of sampling adequacy
(MSA) berkisar antara 0,5 - 1,0. Apabila ada beberapa variabel memiliki nilai
MSA kurang dari 0,5 maka variabel tersebut harus dikeluarkan satu persatu
secara bertahap.

2.9.2 Model Matematis Analisis Faktor

Secara matematis, analisis faktor agak mirip dengan analisis regresi, yaitu dalam
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-variabel dibakukan, model faktor bisa ditulis sebagai berikut:

Dimana:
Variabel ke yang dibakukan (rata-ratanya nol, standar deviasinya satu)
Koefisien regresi parsial yang dibakukan untuk variabel pada common
factor ke
Common factor ke
Koefisien regresi yang dibakukan untuk variabel ke pada vektor unik ke
Faktor unik variabel ke (faktor yang tidak secara jelas terlihat).
Banyaknya common factor

Universitas Sumatera Utara

 25

Faktor yang unik tidak berkorelasi dengan sesama faktor yang unik dan juga
tidak berkorelasi dengan common factor. Common factor sendiri bisa dinyatakan
sebagai kombinasi linear dari variabel-variabel yang terobservasi hasil penelitian
lapangan.

Dimana;
Perkiraan faktor ke (didasarkan pada nilai variabel dengan
koefisiennya )
Timbangan atau koefisien nilai faktor ke
Banyaknya variabel.

2.9.3 Statistik yang Relevan dengan Analisis Faktor

Statistik yang relevan dengan analisis faktor adalah sebagai berikut:

a. Bartlett’s test of sphericity yaitu suatu uji statistik yang dipergunakan untuk
menguji hipotesis bahwa variabel tidak saling berkorelasi (uncorrelated)
dalam populasi. Dengan perkataan lain matriks korelasi populasi merupakan
matriks identitas (identity matrix), dimana setiap variabel berkorelasi dengan
variabel itu sendiri ( ), tetapi tidak berkorelasi dengan variabel lainnya
( ).

b. Kaiser-Meyer-Olkin (KMO) merupan suatu indeks yang dipergunakan untuk

meneliti ketepatan analisis faktor. Analisis faktor dikatakan tepat apabila nilai
KMO berkisar antara 0,5 - 1,0 dan sebaliknya jika KMO kurang dari 0,5
berarti analisis faktor tidak tepat.

∑ ∑
∑ ∑ ∑ ∑
Keterangan :
= koefisen korelasi sederhana antara variabel ke- dan ke-
= koefisien korelasi parsial antara variabel ke- dan ke-

Universitas Sumatera Utara

 26

c. Measure of Sampling Adequacy (MSA) yaitu suatu indeks perbandingan antara

koefisien korelasi parsial untuk setiap variabel. MSA digunakan untuk
mengukur kecukupan sampel. Pada output SPSS, MSA ditandai dengan
pangkat a yang terletak pada diagonal utama matriks anti image correlation.
Nilai MSA variabel ke- dirumuskan sebagai berikut :

∑
∑ ∑

d. Correlation matrix (Matriks Korelasi)

Matriks korelasi adalah matriks yang menunjukkan kprelasi sederhana (r)
antara seluruh kemungkinan pasangan variabel yang dilibatkan dalam analisis.
Nilai atau angka pada diagonal utama semuanya sama yaitu 1. Jadi jika ada 3
atau 4 variabel, bentuk matriks korelasinya menjadi :

Jika , maka bentuk matriks korelasinya adalah

[ ]

Jika ,maka bentuk matriks korelasinya adalah

[ ]

e. 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.

Dengan,
communality variabel ke-
nilai factor loading

Universitas Sumatera Utara

 27

f. Eigen Value (Nilai Eigen)

Nilai eigen merupakan jumlah varians yang dijelaskan oleh setiap faktor-faktor
yang mempunyai nilai eigen value > 1, maka faktor tersebut akan dimasukkan
ke dalam model.

g. Factor Loadings (Faktor Muatan)

Faktor muatan adalah korelasi sederhana antara variabel dengan faktor.

h. Factor Loading Plot (Plot Faktor Muatan)

Plot faktor muatan adalah suatu plot dari variabel asli dengan menggunakan
factor loading sebagai koordinat.

i. Factor Matrix (Faktor Matriks)

Matriks faktor mengandung factor loading dari seluruh variabel dalam seluruh
faktor yang dikembangkan.

j. Percentage of variance (Persentase varians)

Persentase varians adalah persentase total varians yang disumbangkan oleh
setiap faktor.

k. Residuals
Residuals adalah selisih antara korelasi yang terobservasi berdasarkan input
correlation matrix dan korelasi hasil reproduksi yang diestimasi dari matriks
faktor.

l. Scree Plot
Scree plot adalah sebuah plot dari eigen value untuk menentukan banyaknya
faktor.

Universitas Sumatera Utara

 28

2.9.4 Langkah-Langkah Analisis Faktor

Secara skematis langkah-langkah dalam analisis faktor dapat digambarkan sebagai

berikut:

Merumuskan masalah

Membentuk matriks korelsi

Menghitung nilai karakteristik (eigen value)

Menghitung vektor karakteristik (eigen vector)

Menentukan banyaknya faktor

Menghitung matriks factor loading

Melakukan rotasi faktor

Interpretasi faktor

Gambar 2.1 Langkah-Langkah dalam Analisis Faktor

1. Merumuskan Masalah
Merumuskan masalah meliputi beberapa hal yaitu tujuan analisis faktor harus
diidentifikasi. Variabel yang akan digunakan dalam analisis faktor harus
dispesifikasi berdasarkan penelitian sebelumnya, teori dan pertimbangan
subjektif dari penelitian. Pengukuran variabel berdasarkan skala interval dan
rasio. Besarnya sampel harus tepat, sebagai petunjuk umum besarnya sampel
paling sedikit empat atau lima kali banyaknya variabel.

Universitas Sumatera Utara

 29

2. Membentuk Matriks Korelasi

Proses analisis didasarkan pada suatu matriks korelasi antar variabel. Agar
analisis faktor menjadi tepat, variabel-variabel yang dikumpulkan harus
berkorelasi. Dilakukan perhitungan matriks korelasi . Matriks korelasi
digunakan sebagai input analis faktor.

Tabel 2.1 Korelasi antar Varabel

3. Menghitung Nilai Karakteristik (eigen value)

Perhitungan nilai karakteristik (eigen value) berdasarkan persamaan
karakteristik:
( )
Dengan
matriks korelasi
egen value
matriks identitas
Eigen value adalah jumlah varian yang dijelaskan oleh setiap faktor.

4. Menghitung Vektor Karakteristik (eigen vector)

Penentuan vektor karakteristik (eigen vector) yang bersesuaian dengan nilai
karaktetistik (eigen value), yaitu dengan persamaan:

Dengan

Universitas Sumatera Utara

 30

eigen vector

5. Menentukan Banyaknya Faktor

Ada beberapa prosedur yang dapat dipergunakan dalam menentukan
banyaknya faktor yaitu :

a. Penentuan Secara Apriori

Kadang-kadang karena adanya dasar teori atau pengalaman sebelumnya,
peneliti sudah dapat menentukan banyaknya faktor yang akan diekstraksi.
Hampir sebagian besar program komputer memungkinkan peneliti untuk
menentukan banyaknya faktor yang diinginkan dengan pendekatan ini.

b. Penentuan Berdasarkan Eigenvalues

Pada pendekatan ini, hanya faktor dengan eigenvalue lebih besar dari satu
yang dipertahankan. Eigenvalue merepresentasikan besarnya sumbangan
dari faktor terhadap varian seluruh variabel asli. Hanya faktor dengan
varian lebih besar dari satu yang dimasukkan dalam model. Faktor dengan
varian lebih kecil dari satu tidak lebih dari variabel asli, sebab variabel
yang dibakukan yang berarti rata-ratanya nol dan variannya satu.

c. Penentuan Berdasarkan Scree Plot

Scree Plot merupakan plot dari nilai eigenvalue terhadap banyaknya faktor
dalam ekstraksinya. Bentuk plot yang dihasilkan digunakan untuk
menentukan banyaknya faktor.

d. Penentuan Berdasarkan Persentase Varian

Dalam pendekatan ini, banyaknya faktor yang diekstraksi ditentukan
berdasarkan persentase kumulatif varian mencapai tingkat yang
memuaskan peneliti. Tingkat persentase kumulatif yang memuaskan
peneliti tergantung kepada permasalahannya. Sebagai petunjuk umum
bahwa ekstraksi faktor dihentikan kalau kumulatif persentase varians sudah
mencapai paling sedikit 60% atau 75% dari seluruh varians variabel asli.

Universitas Sumatera Utara

 31

e. Penentuan Berdasarkan Split-Half Reliability

Sampel dibagi menjadi dua, dan analisis faktor diaplikasikan kepada
masing-masing bagian. Hanya faktor yang memiliki faktor loading paling
tinggi antar dua bagian ini yang dipertahankan.

f. Penentuan Berdasarkan Uji Signifikan

Dimungkinkan untuk menentukan signifikansi statistik untuk eigenvalue
yang terpisah dan mempertahankan faktor-faktor yang berdasarkan uji
statistik eigenvaluenya signifikan pada atau . Penentuan
banyak faktor dengan cara ini memiliki kelemahan, khususnya pada ukuran
sampel yang besar misalnya diatas 200 responden, banyak faktor yang
menunjukan uji signifikan, walaupun dari pandangan praktis banyak faktor
yang mempunyai sumbangan terhadap seluruh varians hanya kecil.

6. Menghitung Matriks Faktor Loading

Matriks loading factor (L) diperoleh dengan mengalikan matriks eigenvector
(V) dengan akar dari matriks eigenvalue (λ). Atau dalam persamaan matematis
ditulis
√

7. Melakukan Rotasi Faktor

Rotasi faktor bertujuan untuk menyederhanakan struktur faktor , agar lebih
mudah dalam menginterpretasikannya. Dalam rotasi faktor dikenal dua jenis
rotasi, yaitu rotasi orthogonal dan rotasi oblique. Dalam rotasi orthogonal
variabel-variabel diekstraksi sedemikian rupa, sehingga variabel-variabel
tersebut independent satu dengan yang lain, dengan melakukan rotasi dengan
sudut 90º. Sedangkan pada oblique tidak perlu dilakukan sudut 90º.
Untuk menyederhanakan struktur faktor dikenal tiga metode rotasi orthogonal,
yaitu metode varimax, metode quartimax dan metode equamax.
a. Varimax digunakan untuk menyederhanakan kolom.
b. Quartimax digunakan untuk menyederhanakan baris

Universitas Sumatera Utara

 32

c. Equamax merupakan kombinasi Variamax dan Quartimax

Dalam penelitian ini digunakan metode Varimax, karena bertujuan untuk

mengekstraksi sejumlah variabel menjadi beberapa faktor. Selain itu metode
ini menghasilkan struktur relatif lebih sederhana dan mudah diinterpretasikan.

8. Perhitungan Skor Faktor atau Nilai Faktor.

Setelah dilakukan rotasi faktor, maka dihitung koefisien skor faktor atau nilai
faktor. Nilai faktor mencerminkan keadaan karakteristik variabel yang
terkandung dalam suatu faktor.

, dimana ∑

Dengan,
= matriks koefisien skor faktor
= matriks bobot faktor
= matriks variabel yang dibakukan (standardized)

Pendekatan perhitungan dalam analisis faktor yang digunakan pada penlitian

ini dikerjakan dengan suatu paket program komputer SPSS 17.0 (Statistical
Package Social Science).

9. Interpretasi Faktor
Dalam hal ini faktor yang terbentuk diberi label sesuai dengan nama variabel-
varibel yang memiliki muatan terbesar pada faktor tersebut. Interpretasi
dipermudah dengan mengidentifikasi variabel yang loadingnya besar pada
faktor yang sama. Faktor tersebut kemudian dapat diinterpretasikan menurut
variabel-variabel yang memiliki loading tinggi dengaan faktor tersebut.

Universitas Sumatera Utara