oleh
DYAH LESTARI
M 0102020
SKRIPSI
ditulis dan diajukan untuk memenuhi sebagian persyaratan
memperoleh gelar Sarjana Sains Matematika.
Analisis faktor adalah suatu teknik analisis data yang ditujukan untuk
mereduksi sejumlah variabel menjadi beberapa kelompok yang lebih kecil dan
kelompok-kelompok kecil tersebut disebut sebagai faktor. Tujuan penelitian ini
adalah untuk mengidentifikasi faktor-faktor pendorong pernikahan muda dengan
menggunakan analisis faktor. Responden yang digunakan sebanyak 85, yaitu
orang yang menikah pada usia antara 15-24 tahun di wilayah Surakarta. Teknik
pengambilan sampel yang digunakan adalah sampling kluster sederhana. Dari
responden yang terpilih, kemudian diminta untuk mengisi kuesioner. Variabel
yang digunakan sebanyak tujuh belas, yaitu dorongan orang tua, dorongan teman,
dorongan calon pasangan, takut kehilangan pasangan, hamil pranikah atau
pasangan hamil pranikah, banyaknya artis yang menikah muda, banyaknya film
yang mengisahkan pernikahan dini, takut dosa, takut jadi perawan/jaka tua,
kemapanan hidup calon pasangan, sudah adanya pinangan atau sudah meminang,
sudah menyelesaikan sekolah, orang tua ingin segera menimang cucu, sudah
mempunyai penghasilan sendiri, banyaknya teman yang telah menikah,
perjodohan, dan membantu perekonomian keluarga. Dari data yang diperoleh
dilakukan uji validitas dan reliabilitas serta analisis faktor dengan menggunakan
bantuan software SPSS 10.0 for windows.
Hasil analisis menunjukkan bahwa terdapat tiga variabel yang tidak valid dan
harus dikeluarkan dari analisis, yaitu hamil pranikah atau pasangan hamil
pranikah, takut dosa, dan sudah mempunyai penghasilan sendiri. Koefisien
reliabilitas sebesar 0,8190 yang berarti reliabilitas data dipenuhi. Dalam analisis
faktor terdapat sebuah variabel yang harus dikeluarkan karena nilai KMO < 0,5,
yaitu banyaknya artis yang menikah muda, sehingga variabel yang tersisa
sebanyak tiga belas. Dari ketiga belas variabel tersebut kemudian dilakukan
analisis faktor dan diperoleh lima faktor yang menjadi pendorong pernikahan
muda, yaitu faktor kesiapan, faktor ekonomi, faktor pasangan, faktor pergaulan,
dan faktor tradisi.
ABSTRACT
Penulis
DAFTAR ISI
i
HALAMAN JUDUL …………………………………………………………..i
ii
PENGESAHAN ………………………………………………………………..ii
iii
ABSTRAK ……………………………………………………………………..iii
iv
ABSTRACT ……………………………………………………………………iv
v
MOTO ………………………………………………………………………….v
vi
KATA PENGANTAR …………………………………………………………vi
vii
DAFTAR ISI …………………………………………………………………...vii
ix
DAFTAR TABEL ……………………………………………………………...ix
x
DAFTAR GAMBAR …………………………………………………………...x
xi
DAFTAR NOTASI ……………………………………………………………..xi
BAB I 1
PENDAHULUAN ……………………………………………………1
1
1.1 Latar Belakang Masalah …………………………………………1
2
1.2 Perumusan Masalah ……………………………………………...2
2
1.3 Batasan Masalah …………………………………………………2
2
1.4 Tujuan Masalah ………………………………………………….2
2
1.5 Manfaat Penelitian ……………………………………………….2
3
BAB II LANDASAN TEORI ………………………………………………...3
3
2.1 Tinjauan Pustaka ………………………………………………..3
3
2.1.1 Pernikahan Usia Muda …………………………………..3
2.1.2 Uji Validitas dan Reliabilitas ………………………… 4
5
2.1.3 Korelasi ………………………………………………….5
6
2.1.4 Nilai Eigen ………………………………………………6
7
2.1.5 Analisis Faktor …………………………………………..6
12
2.2 Kerangka Pemikiran ……………………………………………10
13
BAB III METODE PENELITIAN ……………………………………………11
13
3.1 Sumber Data ………………………………………………...…11
13
3.2 Teknik Pengambilan Sampel ……………………………...……11
3.3 Metode Analisis Data ………………………………………. 14
BAB IV HASIL DAN PEMBAHASAN …………………………………….. 15
13
4.1 Hasil Uji Validitas dan Reliabilitas …………………………… 15
4.2 Hasil Analisis Faktor ……………………………………………15
BAB V 21
PENUTUP………………………………………………………….. 19
21
5.1 Kesimpulan ……………………………………………………….
5.2 Saran …………………………………………………………… 21
22
DAFTAR PUSTAKA ………………………………………………………….20
23
LAMPIRAN …………………………………………………………………..21
DAFTAR TABEL
Tabel 4.1 Angka KMO Tanpa Variabel X5, X8, dan X14 ……………..…… 16
Tabel 4.2 Angka KMO Tanpa Variabel X5, X6, X8 dan X14………………. 17
Tabel 4.3 18
Matriks Faktor …………………….……………………………...17
Tabel 4.4 Matriks Faktor Hasil Rotasi …………………………………….. 19
DAFTAR GAMBAR
Gambar 4.1 Plot Antara jumlah Faktor dan Nilai Eigen ………………………17
DAFTAR NOTASI
Agar penulisan skripsi ini dapat terarah dan tidak menyimpang dari judul yang
telah ditentukan, maka diberikan batasan yaitu populasi yang digunakan adalah
masyarakat kota Surakarta yang telah menikah di usia muda, yaitu antara usia 15
tahun sampai dengan 24 tahun.
Tujuan yang ingin dicapai dalam penelitian ini adalah menentukan faktor-
faktor yang menjadi pendorong seseorang menikah di usia muda dengan
menggunakan analisis faktor.
Menurut Azwar (1997), salah satu masalah utama dalam kegiatan penelitian
adalah masalah cara memperoleh data yang dapat memberikan suatu informasi
yang akurat dan objektif. Hal ini menjadi sangat penting artinya dikarenakan
kesimpulan peneliti hanya akan dapat dipercaya bila didasarkan pada informasi
yang juga dapat dipercaya. Kriteria yang mampu memberikan informasi yang
dapat dipercaya adalah validitas dan reliabilitas.
Validitas mempunyai arti sejauhmana ketepatan dan kecermatan suatu alat
ukur dalam melakukan fungsi ukurnya. Suatu tes dapat dikatakan mempunyai
validitas tinggi jika suatu alat ukur menjalankan fungsi ukurnya sesuai dengan
maksud dilakukannya pengukuran. Suatu alat ukur yang valid tidak sekedar
mampu mengungkapkan data dengan tepat, tetapi juga memberikan gambaran
yang cermat mengenai data tersebut.
Uji validitas dapat dihitung dengan menggunakan rumus korelasi Pearson
yang dirumuskan
n n n
n ∑ X ki Yk − ∑ X ki ∑Y k
rxi y = k =1 k =1 k =1
n 2
n
n X 2 − X n Y 2 − Y
2
n n
∑
k =1 ki ∑ ki ∑ k ∑
k =1
k
j =1 ki =1
p i
αcronbach = 1− i =1
p − 1 s2
dengan p : jumlah variabel
si2 : variansi skor tes pada variabel ke-i
s2 : variansi keseluruhan skor tes.
Nilai koefisien reliabilitas αcronbach berkisar antara 0 dan 1. αcronbach = 1 berarti
terdapat konsistensi yang sempurna pada hasil pengukuran, sedangkan jika
αcronbach = 0 berarti hasil pengukuran tidak konsisten atau tidak reliabel. Menurut
Salimun (Suhartini: 2003), suatu tes dikatakan reliabel jika koefisien αcronbach lebih
besar dari nilai αcronbach standar sebesar 0,6.
2.1.3 Korelasi
Menurut Sembiring (1995), jika (x1, y1), (x2, y2), …, (xn, yn) adalah pasangan
data yang diperoleh dari dua variabel acak X dan Y maka keeratan hubungan
antara X dan Y dapat dinyatakan dengan koefisien korelasi sederhana yang
dilambangkan dengan rxy. Nilai dari rxy adalah
n
∑ (x i − x ) ( yi − y )
rxy = i =1
1/ 2
n
( yi − y )
n
∑ ( x i − x ) ∑
2 2
i =1 i =1
dengan -1 ≤ rxy ≤ 1. Apabila hubungan linear antara X dan Y sempurna maka
rxy = ± 1. Koefisien korelasi bernilai positif menunjukkan bahwa hubungan linear
antara kedua variabel searah, artinya bila X membesar maka Y juga membesar,
sebaliknya apabila koefisien korelasi bernilai negatif menunjukkan bahwa
hubungan linear antara kedua variabel berlawanan, artinya jika yang satu
membesar maka yang lain mengecil. Tetapi jika nilai rxy = 0 berarti tidak ada
hubungan antara X dan Y.
Korelasi sederhana hanya digunakan untuk mengetahui keeratan hubungan
antara dua variabel, tetapi jika diinginkan untuk mengetahui keeratan hubungan
lebih dari dua variabel maka digunakan korelasi parsial. Misalkan X, Y, dan Z
adalah tiga variabel maka korelasi parsial antara X dan Y dengan mengontrol Z
didefinisikan sebagai
rxy − rxz ryz
rxy . z = .
1 − rxz 1 − ryz
2 2
Menurut Anton (1995), jika A adalah matriks berukuran nxn, maka vektor
taknol x di dalam Rn dinamakan vektor eigen dari A jika Ax adalah kelipatan
skalar dari x, yakni
Ax = λx
untuk suatu skalar λ. Skalar λ dinamakan nilai eigen dari A dan x dinamakan
vektor eigen yang bersesuaian dengan λ. Menurut Simamora (2005), berdasarkan
nilai eigen dapat dilihat kemampuan setiap faktor mewakili variabel-variabel yang
dianalisis yang ditunjukkan oleh besarnya variansi yang dijelaskan.
2.1.4 Analisis Faktor
λ1 e1' ψ 1 0 L 0
L 0
= [ λe
1 1 λ2 e2 L λm em ] λ 2 e2 ' + 0 ψ 2
M M M O M
'
λ m em 0 0 L ψ p
= LL’ + ψ.
Jadi matriks bobot faktornya adalah
L= [ λe1 1 λ 2 e2 L λ m em ]
dengan ej berukuran px1, j = 1, 2, …, m.
Seringkali nilai estimasi dari bobot faktor sulit untuk diinterpretasikan maka
perlu dilakukan rotasi sehingga diperoleh struktur yang paling sederhana. Pertama
kali harus dilihat pola bobot faktor sehingga tiap variabel mempunyai bobot yang
tinggi pada suatu faktor tertentu dan bobot yang rendah pada faktor yang tersisa.
Salah satu jenis rotasi faktor adalah rotasi ortogonal. Rotasi ini bertujuan selain
untuk mempertajam perbedaan bobot faktor setiap variabel, juga untuk
mempertahankan keadaan di mana faktor-faktor yang direduksi tidak terdapat
korelasi. Rotasi ortogonal mempunyai kemampuan yang sama dalam
menghasilkan matriks kovariansi Σ . Jika L̂ (pxm) adalah matriks estimasi bobot
faktor, maka matriks estimasi bobot faktor setelah dirotasi L̂ * (pxm) didefinisikan
dengan
L̂ * = L̂ T
dengan TT’ = T’T = I dan T adalah matriks transformasi ortogonal. Matriks
estimasi kovariansi tidak berubah, karena
Lˆ Lˆ ' + ψˆ = Lˆ T T ' Lˆ + ψˆ = Lˆ * Lˆ*' + ψˆ
~ lˆij ∗
maksimal, dengan V adalah variansi dari kuadrat bobot faktor dan lij * =
hi
adalah koefisien akhir setelah dirotasi yang dibagi dengan akar kuadrat
komunalitas.
Menurut Santoso dan Tjiptono (2001), secara garis besar terdapat empat tahap
dalam analisis faktor. Berikut ini akan disajikan tahapan-tahapan tersebut.
1. Memilih variabel yang layak dimasukkan dalam analisis faktor. Oleh
1.
karena analisis faktor berupaya mengelompokkan sejumlah variabel, maka
seharusnya ada korelasi yang cukup kuat diantara variabel sehingga akan
terjadi pengelompokan. Jika sebuah variabel atau lebih berkorelasi lemah
dengan variabel yang lain maka variabel tersebut akan dikeluarkan dari
analisis faktor. Alat yang digunakan untuk keperluan ini adalah KMO
(Kaiser-Meyer-Olkin Measure of Sampling) dan Tes Bartlett dan matriks
anti-image.
a. KMO dan Tes Bartlett adalah alat yang digunakan untuk menguji
apakah variabel-variabel yang ada sudah layak untuk dimasukkan
dalam analisis atau belum. Nilai KMO berkisar antara 0 sampai 1. Jika
nilai KMO ≥ 0,5 maka analisis faktor layak dilakukan. Sedangkan Tes
Bartlett adalah tes statistik yang digunakan untuk menguji apakah
variabel-variabel yang dilibatkan berkorelasi. Hipotesis nol (Ho)
menyatakan tidak ada korelasi antarvariabel, sedangkan hipotesis
alternatif (H1) menyatakan terdapat korelasi antarvariabel. Statistik uji
Tes Bartlett didekati dengan nilai chi-square (X2) dengan derajat
kebebasan sebesar υ. Chi-square dirumuskan dengan
X 2 hitung =
(n − 1) s 2
σ2
1 n
s2 = ∑ ( x i − x )2
n − 1 i =1
Ho ditolak bila X2hitung > X2 (υ,α).
b. Matriks anti-image adalah alat yang digunakan untuk mengetahui
besarnya korelasi parsial antar variabel, yaitu korelasi yang tidak
dipengaruhi variabel lain. Angka di dalam diagonal matriks anti-image
bagian korelasi menunjukkan nilai KMO tiap variabel, sedangkan
angka di luar diagonalnya menunjukkan nilai korelasi parsial antar
variabel. Nilai KMO dirumuskan
p q
∑∑ r 2
ik
KMO = p q
i =1 k =1
p q
∑∑ rik + ∑∑ ri.k 2 2
i =1 k =1 i =1 k
Saat ini banyak orang melakukan pernikahan muda. Hal tersebut bisa terjadi
karena semakin merebaknya pergaulan bebas di kalangan remaja, perjodohan,
permasalahan ekonomi, tradisi yang berlaku di masyarakat, dan masih banyak
lagi. Berdasarkan hal itu maka peneliti ingin meneliti faktor-faktor apa saja yang
mempengaruhi seseorang menikah di usia muda. Dalam penelitian ini, peneliti
melibatkan tujuh belas variabel yang dimungkinkan dapat mendorong seseorang
menikah muda.
Dari data yang diperoleh dilakukan uji validitas dan reliabilitas untuk
mengetahui apakah variabel yang digunakan valid dan data yang diperoleh dapat
dipercaya keakuratannya atau tidak. Setelah variabel valid dan data dapat
dipercaya keakuratannya, dilanjutkan dengan analisis faktor yang meliputi
penyeleksian variabel, reduksi variabel, rotasi faktor, interpretasi dan pemberian
nama pada faktor yang terbentuk. Dalam proses perhitungannya digunakan
bantuan software SPSS 10.0 for windows.
BAB III
METODE PENELITIAN
Data yang digunakan dalam penelitian ini adalah data primer yang diperoleh
melalui kuesioner yang diberikan kepada 85 responden pada bulan Februari-Maret
2007 di wilayah Surakarta. Responden yang dimaksud adalah orang-orang yang
telah menikah di usia muda, yaitu antara 15-24 tahun.
Variabel-variabel yang digunakan dalam penelitian ini adalah dorongan orang
tua (X1), dorongan teman (X2), dorongan calon pasangan (X3), takut kehilangan
pasangan (X4), hamil pranikah atau pasangan hamil pranikah (X5), banyaknya artis
yang menikah muda (X6), banyaknya film yang mengisahkan pernikahan dini (X7),
takut dosa (X8), takut jadi perawan/jaka tua (X9), kemapanan hidup calon pasangan
(X10), sudah adanya pinangan atau sudah meminang (X11), sudah menyelesaikan
sekolah (X12), orang tua ingin segera menimang cucu (X13), sudah mempunyai
penghasilan sendiri (X14), banyaknya teman yang telah menikah (X15), perjodohan
(X16), dan membantu perekonomian keluarga (X17). Data responden selengkapnya
dapat dilihat pada Lampiran 1.
Jumlah variabel yang dilibatkan dalam analisis faktor minimal lima dan tidak
ada ukuran sampel minimal yang diterima. Semakin besar ukuran sampel, analisis
faktor menjadi semakin akurat. Sebagai aturan umum, jumlah sampel minimal
adalah tiga kali jumlah variabel (Simamora, 2005). Dalam penelitian ini jumlah
sampel yang digunakan adalah lima kali jumlah variabel dengan harapan agar
hasil analisis faktor menjadi lebih akurat. Karena jumlah variabel yang digunakan
tujuh belas variabel, maka jumlah responden yang dibutuhkan adalah 85. Teknik
pengambilan sampel yang digunakan adalah sampling kluster sederhana.
3.3 Metode Analisis Data
Pada tahap analisis data dilakukan uji validitas dan reliabilitas untuk
mengetahui kevalidan variabel yang digunakan dan keakuratan data. Setelah
kevalidan dan keakuratan dipenuhi kemudian dilakukan analisis faktor.
Sebelum data diolah lebih lanjut, terlebih dahulu perlu diketahui validitas
tiap variabel dan reliabilitas data hasil kuesioner. Sebagai data awal diambil 30
sampel. Variabel dinyatakan valid jika koefisien korelasinya ≥ rtabel dengan
derajad kebebasan 28 dan α = 0,05. Dari tabel r diperoleh nilai rtabel sebesar 0,239.
Pada Lampiran 2 dapat dilihat bahwa terdapat dua variabel dengan koefisien
korelasi yang nilainya < 0,239, yaitu variabel X5 dan X8. Hal ini berarti bahwa
variabel X8 dan X5 tidak valid dan harus dikeluarkan dari analisis. Setelah X5 dan
X8 dikeluarkan, uji validitas kembali dilakukan. Ternyata terdapat satu variabel
yang koefisien korelasinya < 0,239, yaitu X14, maka X14 harus dikeluarkan dari
analisis. Setelah X5, X8, dan X14 dikeluarkan, kembali dilakukan uji validitas,
ternyata semua variabel koefisien korelasinya ≥ 0,239. Hal ini berarti semua
variabel telah valid dan analisis lanjut dilakukan tanpa melibatkan variabel X5, X8,
dan X14. Sedangkan nilai koefisien reliabilitas yang diperoleh sebesar 0,8190,
yang berarti data sudah reliabel karena nilainya ≥ nilai αcronbach standar yaitu 0,6.
Tabel 4.1 Angka KMO Tanpa Variabel X5, X8, dan X14
Variabel Nilai KMO Variabel Nilai KMO
X1 0,724 X10 0,661
X2 0,732 X11 0,715
X3 0,735 X12 0,810
X4 0,688 X13 0,777
X6 0,479 X15 0,674
X7 0,681 X16 0,633
X9 0,668 X17 0,631
Tabel 4.2 Angka KMO Tanpa Variabel X5, X6, X8 dan X14.
Variabel Nilai KMO Variabel Nilai KMO
X1 0,723 X11 0,734
X2 0,729 X12 0,810
X3 0,740 X13 0,774
X4 0,681 X15 0,672
X7 0,738 X16 0,600
X9 0,675 X17 0,654
X10 0,671
Scree Plot
5
3
nilai eigen
0
1 2 3 4 5 6 7 8 9 10 11 12 13
jumlah faktor
Gambar 4.1 menunjukkan bahwa jumlah faktor yang terbentuk ada lima. Hal itu
dapat dilihat dari banyaknya bobot faktor yang nilai eigennya lebih besar dari satu
sebanyak lima dan delapan lainnya lebih kecil dari satu.
Distribusi dari tiga belas variabel ke dalam lima faktor yang terbentuk dapat
dilihat pada Tabel 4.3. Angka-angka tersebut merupakan bobot faktor yang
menggambarkan besar korelasi suatu variabel dengan faktor yang terbentuk.
Penentuan suatu variabel akan masuk ke dalam faktor yang mana dilakukan
dengan perbandingan bobot faktor pada setiap baris, yaitu di mana letak bobot
faktor terbesar pada suatu variabel berada maka variabel itu akan menjadi anggota
faktor tersebut. Angka pembatas (cut off point) agar sebuah variabel bisa masuk
ke dalam sebuah faktor didasarkan pada pendapat Child (Erni) yaitu
menggunakan angka pembatas 0,3. Angka korelasi kuat bila di atas 0,3 dan angka
korelasi lemah bila di bawah 0,3.
Tabel 4.3 Matriks Faktor
Faktor
Variabel
1 2 3 4 5
X1 0,667 0,093 -0,188 -0,224 -0,102
X2 0,659 -0,116 -0,471 -0,237 -0,228
X3 0,591 -0,340 0,263 -0,263 -0,171
X4 0,531 -0,440 0,411 0,105 -0,240
X7 0,456 -0,437 0,093 0,257 0,534
X9 0,401 0,205 -0,256 0,636 -0,334
X10 0,527 0,308 0,526 0,297 -0,197
X11 0,567 0,409 0,046 -0,295 -0,180
X12 0,709 0,063 0,111 -0,392 0,089
X13 0,700 -0,192 -0,091 0,375 -0,016
X15 0,544 -0,304 -0,489 0,051 0,273
X16 0,318 0,657 -0,208 0,120 0,147
X17 0,525 0,414 0,261 -0,012 0,563
Faktor
Variabel
1 2 3 4 5
X1 0,671 0,218 0,147 0,107 0,139
X2 0,827 -0,096 0,074 0,199 0,198
X3 0,429 0,031 0,646 0,138 -0,105
X4 0,132 -0,038 0,799 0,195 0,131
X7 -0,045 0,174 0,286 0,802 -0,013
X9 0,123 0,049 0,027 0,069 0,872
X10 -0,005 0,535 0,542 -0,146 0,417
X11 0,570 0,446 0,156 -0,227 0,104
X12 0,600 0,419 0,325 0,140 -0,141
X13 0,283 0,113 0,339 0,480 0,488
X15 0,469 -0,044 -0,066 0,678 0,140
X16 0,231 0,568 -0,341 -0,047 0,343
X17 0,102 0,861 0,049 0,275 -0,048
Terlihat bahwa pendistribusian bobot faktor hasil rotasi lebih jelas daripada
sebelum dilakukan rotasi. Setelah dilakukan perbandingan bobot faktor, langkah
selanjutnya adalah menginterpretasi faktor-faktor yang mewakili variabel-variabel
asli. Penamaan faktor dapat berupa nama baru yang dapat mewakili variabel-
variabel yang menjadi anggotanya atau dari nama salah satu variabel yang
membangun faktor tersebut. Berikut ini adalah interpretasi Tabel 4.4.
1. Faktor 1
Faktor ini terdiri dari empat variabel, yaitu dorongan orang tua (X1), dorongan
teman (X2), sudah adanya pinangan atau sudah meminang (X11), dan sudah
menyelesaikan sekolah (X12). Faktor ini dinamakan dengan faktor kesiapan.
2. Faktor 2
Faktor ini terdiri dari dua variabel, yaitu perjodohan (X16) dan membantu
perekonomian keluarga (X17). Faktor ini dinamakan dengan faktor ekonomi.
3. Faktor 3
Faktor ini terdiri dari tiga variabel, yaitu dorongan calon pasangan (X3), takut
kehilangan pasangan (X4) dan kemapanan hidup calon pasangan (X10). Faktor
ini dinamakan dengan faktor pasangan.
4. Faktor 4
Faktor ini terdiri dari dua variabel, yaitu banyaknya film yang mengisahkan
pernikahan dini (X7) dan banyaknya teman yang telah menikah (X15). Faktor
ini dinamakan dengan faktor pergaulan.
5. Faktor 5
Faktor ini terdiri dari dua variabel, yaitu takut jadi perawan tua atau jaka tua
(X9) dan orang tua ingin segera menimang cucu (X13). Faktor ini dinamakan
dengan faktor tradisi.
BAB V
PENUTUP
5.1 Kesimpulan
5.2 Saran
Anton, H. (1995). Aljabar Linier Elementer. Alih Bahasa : Pantur Silaban dan I
Nyoman Susila. Edisi Kelima. Erlangga, Jakarta
Erni. www.damandiri.or.id/file/ernibab4.pdf
Hair, et al. (1998). Multivariate Analysis Data. Prentice-Hall, Inc. New Jersey.
Reliability
****** Method 1 (space saver) will be used for this analysis
******
_
R E L I A B I L I T Y A N A L Y S I S - S C A L E (A L P
H A)
N of
Statistics for Mean Variance Std Dev Variables
SCALE 86,5533 478,4005 21,8724 17
Item-total Statistics
Reliability Coefficients
Alpha = ,7751
2.2 Uji validitas dan reliabilitas tanpa variabel X5 dan X8
Reliability
****** Method 1 (space saver) will be used for this analysis
******
_
R E L I A B I L I T Y A N A L Y S I S - S C A L E (A L P
H A)
N of
Statistics for Mean Variance Std Dev Variables
SCALE 75,8100 461,3961 21,4801 15
Item-total Statistics
Reliability Coefficients
Alpha = ,8162
2.3 Uji validitas dan reliabilitas tanpa variabel X5, X8, dan X14
Reliability
****** Method 1 (space saver) will be used for this analysis
******
_
R E L I A B I L I T Y A N A L Y S I S - S C A L E (A L P
H A)
N of
Statistics for Mean Variance Std Dev Variables
SCALE 69,4600 425,6501 20,6313 14
Item-total Statistics
Reliability Coefficients
Alpha = ,8190
Lampiran 3
Analisis Faktor Tanpa Variabel X5, X8, dan X14
Initial Extraction
X1 1,000 ,550
X2 1,000 ,778
X3 1,000 ,632
X4 1,000 ,713
X7 1,000 ,758
X9 1,000 ,784
X10 1,000 ,776
X11 1,000 ,610
X12 1,000 ,681
X13 1,000 ,676
X15 1,000 ,705
X16 1,000 ,611
X17 1,000 ,832
Extraction Method: Principal Component Analysis.
4.4 Pembentukan faktor
Total Variance Explained
Initial Eigenvalues Extraction Sums of Squared Loadings Rotation Sums of Squared Loadings
Component Total % of Variance Cumulative % Total % of Variance Cumulative % Total % of Variance Cumulative %
1 4,143 31,870 31,870 4,143 31,870 31,870 2,401 18,466 18,466
2 1,562 12,014 43,884 1,562 12,014 43,884 1,831 14,083 32,549
3 1,219 9,375 53,259 1,219 9,375 53,259 1,827 14,053 46,602
4 1,144 8,799 62,058 1,144 8,799 62,058 1,617 12,437 59,039
5 1,038 7,984 70,042 1,038 7,984 70,042 1,430 11,003 70,042
6 ,842 6,474 76,516
7 ,706 5,433 81,948
8 ,580 4,461 86,410
9 ,495 3,805 90,215
10 ,420 3,228 93,443
11 ,316 2,433 95,876
12 ,293 2,251 98,127
13 ,243 1,873 100,000
Extraction Method: Principal Component Analysis.
4.5 Scree Plot
i
Scree Plot
5
3
nilai eigen
0
1 2 3 4 5 6 7 8 9 10 11 12 13
jumlah faktor
Component
1 2 3 4 5
X1 ,667 9,349E-02 -,188 -,224 -,102
X2 ,659 -,116 -,471 -,237 -,228
X3 ,591 -,340 ,263 -,263 -,171
X4 ,531 -,440 ,411 ,105 -,240
X7 ,456 -,437 9,275E-02 ,257 ,534
X9 ,401 ,205 -,256 ,636 -,334
X10 ,527 ,308 ,526 ,297 -,197
X11 ,567 ,409 4,619E-02 -,295 -,180
X12 ,709 6,325E-02 ,111 -,392 8,968E-02
X13 ,700 -,192 -9,14E-02 ,375 -1,56E-02
X15 ,544 -,304 -,489 5,142E-02 ,273
X16 ,318 ,657 -,208 ,120 ,147
X17 ,525 ,414 ,261 -1,24E-02 ,563
Extraction Method: Principal Component Analysis.
a. 5 components extracted.
Component
1 2 3 4 5
X1 ,671 ,218 ,147 ,107 ,139
X2 ,827 -9,63E-02 7,443E-02 ,199 ,198
X3 ,429 3,132E-02 ,646 ,138 -,105
X4 ,132 -3,79E-02 ,799 ,195 ,131
X7 -4,51E-02 ,174 ,286 ,802 -1,35E-02
X9 ,123 4,917E-02 2,701E-02 6,951E-02 ,872
X10 -5,39E-03 ,535 ,542 -,146 ,417
X11 ,570 ,446 ,156 -,227 ,104
X12 ,600 ,419 ,325 ,140 -,141
X13 ,283 ,113 ,339 ,480 ,488
X15 ,469 -4,46E-02 -6,63E-02 ,678 ,140
X16 ,231 ,568 -,341 -4,72E-02 ,343
X17 ,102 ,861 4,918E-02 ,275 -4,84E-02
Extraction Method: Principal Component Analysis.
Rotation Method: Varimax with Kaiser Normalization.
a. Rotation converged in 18 iterations.
Component 1 2 3 4 5
1 ,645 ,410 ,438 ,364 ,303
2 ,047 ,683 -,437 -,529 ,245
3 -,468 ,383 ,712 -,252 -,251
4 -,548 -,001 ,021 ,295 ,782
5 -,251 ,468 -,330 ,661 -,416
Extraction Method: Principal Component Analysis.
Rotation Method: Varimax with Kaiser Normalization.
Lampiran 5
KUESIONER
Nama :
Usia ketika menikah :
Alamat :
Kuisioner ini dilakukan untuk penelitian (skripsi), mohon untuk diisi dengan
keadaan Anda yang sebenarnya.
Berilah skor / nilai antara 1 s.d 10 pada kotak yang telah disediakan sesuai dengan
tingkat pengaruh variabel tersebut terhadap keputusan Anda untuk menikah diusia
muda. Skor 1 menunjukkan variebel tersebut sangat tidak berpengaruh bagi
Anda dan skor 10 menunjukkan variabel tersebut sangat berpengaruh bagi
Anda.
Contoh :
Dorongan orang tua 7,8