IDENTIFIKASI FAKTOR PENDORONG PERNIKAHAN MUDA

DENGAN MENGGUNAKAN ANALISIS FAKTOR

oleh
DYAH LESTARI
M 0102020

SKRIPSI
ditulis dan diajukan untuk memenuhi sebagian persyaratan
memperoleh gelar Sarjana Sains Matematika.

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

UNIVERSITAS SEBELAS MARET SURAKARTA
2007
 SKRIPSI

IDENTIFIKASI FAKTOR PENDORONG PERNIKAHAN MUDA

DENGAN MENGGUNAKAN ANALISIS FAKTOR
yang disiapkan dan disusun oleh
DYAH LESTARI
M 0102020
dibimbing oleh
Pembimbing I Pembimbing II

Dra. Etik Zukhronah, M.Si. Irwan Susanto, DEA.

NIP. 132 000 009 NIP. 132 134 694
telah dipertahankan di depan Dewan Penguji
pada hari Kamis, tanggal 26 Juli 2007
dan dinyatakan telah memenuhi syarat.
Anggota Tim Penguji Tanda Tangan
1. Drs. Sugiyanto, M.Si. 1.
NIP. 132 000 804
2. Dra. Yuliana Susanti, M.Si. 2.
NIP. 131 695 845
3. Sri Kuntari, M.Si. 3.
NIP. 132 240 173

Surakarta, Juli 2007

Disahkan oleh
Fakultas Matematika dan Ilmu Pengetahuan Alam
Dekan, Ketua Jurusan Matematika,

Prof. Drs. Sutarno, M.Sc, PhD. Drs. Kartiko, M.Si.

NIP. 131 649 948 NIP. 131 569 203
 ABSTRAK

Dyah Lestari, 2007. IDENTIFIKASI FAKTOR PENDORONG

PERNIKAHAN MUDA DENGAN MENGGUNAKAN ANALISIS FAKTOR.
Fakultas Matematika dan Ilmu Pengetahuan Alam. Universitas Sebelas
Maret.

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

Dyah Lestari, 2007. IDENTIFYING THE INSTIGATION FACTOR OF

YOUNG MARRIAGE BY USING FACTOR ANALYSIS. Faculty of
Mathematics and Natural Science. Sebelas Maret University.

Factor analysis is a data analysis technique used to reduce the number of

variables into several smaller groups and the groups are called as factor. The
purpose of the research is to identify the instigation factors of young marriage by
using factor analysis. The respondents used are 85 persons, namely a man or a
woman who have got married in the young age of 15 up to 24 years old in the area
of Surakarta. The sampling technique is simple cluster sampling. The respondents
are given a questioner. The variables are seventeen, that are the instigation
parents, friends, couple, the anxiety of losing couple, the pregnancy before
marriage, the artist who marriage in the young age, many films which tell about
young age marriage, the fear of sin, the anxiety of being old virgin, the prosperity
of the couple, the application of marriage, having completed the study, the desire
of parents in having grandchildren, having independent income, many friends who
had married, the pairing and helping the economic condition of family. The
validity and reliability of data are tested. The factor analysis is done by using
software SPSS 10.0 for windows.
The validity test result that there are three variables are not valid, that are the
pregnancy before marriage, the fear of sin, and having independent income. The
reliability coefficient is 0,8190, it means the data is reliable. The artist who
marriage in the young age variable has KMO value less than 0,5, then that
variable must be excluded from the analysis, so that the rest variables are thirteen.
The result of factor analysis of thirteen variables are five factors, that are
readiness factor, economic factor, couple factor, association factor, and tradition
factor.
 MOTTO

Sesungguhnya sesudah kesulitan ada kemudahan.

Maka apabila kamu telah selesai dari suatu urusan, kerjakanlah dengan
sungguh-sungguh urusan yang lain.
Hanya kepada Robbmulah kamu kembali.
(QS. Alam Nasyroh: 6 – 8)
 KATA PENGANTAR

Puji syukur Ahamdulillahi robbil’alamin penulis panjatkan kehadirat Allah

Ta’ala, karena atas izin-Nya penulis dapat menyelesaikan skripsi ini. Dalam
penulisan skripsi ini banyak pihak yang telah membantu. Untuk itu penulis
mengucapkan terima kasih kepada
1. Ibu Etik Zukhronah, M.Si selaku Pembimbing I yang telah memberikan
bimbingan selama menyelesaikan skripsi ini.
2. Bapak Irwan Susanto, DEA selaku Pembimbing II yang telah memberikan
bimbingan selama menyelesaikan skripsi ini.
3. semua responden yang telah memberikan bantuan dalam pengambilan
data.
4. kedua orang tua dan Abu Falihah yang telah memberikan dorongan dan
semangat.
5. Mona, Lisa, dan Wiwin serta semua teman angkatan 2002.
6. semua pihak yang tidak dapat disebutkan satu per satu.
Akhirnya penulis berharap semoga penulisan skripsi ini dapat memberi
manfaat bagi seluruh pembaca.

Surakarta, Juli 2007

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

αcronbach : koefisien reliabilitas

rxy : korelasi sederhana antara variabel X dan Y

rxy.z : korelasi parsial antara variabel X dan Y dengan mengontrol Z
λ : nilai eigen
X : vektor variabel random teramati
μ : vektor rata-rata variabel random teramati
L : matriks bobot faktor
F : vektor faktor bersama
ε : vektor faktor spesifik
ψ : variansi spesifik
hi2 : komunalitas
L̂ * : matriks bobot faktor hasil rotasi
T : matriks transformasi ortogonal
 BAB I
PENDAHULUAN

1.1 Latar Belakang Masalah

Di zaman modern sekarang ini, semenjak ilmu pengetahuan telah

berkembang dengan pesatnya terutama ilmu psikologi, maka fase-fase
perkembangan manusia telah diperinci serta gejala-gejala yang tampak pada setiap
fase perkembangan tersebut. Fase perkembangan masa remaja merupakan pusat
perhatian. Hal ini disebabkan karena masa remaja merupakan masa transisi dari
masa kanak-kanak ke masa dewasa. Seorang remaja merasa telah meninggalkan
usia anak-anak yang lemah dan penuh dengan ketergantungan, namun di sisi lain
ia belum mampu ke usia yang kuat dan penuh tanggung jawab, baik terhadap
dirinya maupun masyarakat. Dalam masa transisi itu remaja akan mengalami
perubahan-perubahan, baik perubahan fisik, perubahan emosi maupun perubahan
sosialnya.
Perubahan-perubahan yang terjadi di masa remaja tentunya memerlukan
penyesuaian diri. Namun demikian, seringkali remaja sulit menyesuaikan diri
dengan perubahan yang terjadi pada dirinya, seperti dalam mengendalikan hawa
nafsu yang bergejolak, akibatnya banyak kasus hamil pranikah. Hal ini menuntut
segera dilakukannya pernikahan untuk menyelamatkan status anak yang akan
dilahirkan.
Selain dari permasalahan di atas, masih banyak lagi hal-hal yang dijadikan
alasan oleh seseorang untuk melakukan pernikahan muda. Oleh karena itu, penulis
ingin mengetahui faktor-faktor apa saja yang dijadikan alasan oleh seseorang
melakukan pernikahan muda dengan menggunakan analisis faktor. Analisis faktor
adalah suatu analisis data yang ditujukan untuk mereduksi sejumlah variabel
menjadi beberapa kelompok yang lebih kecil dan kelompok-kelompok kecil
tersebut disebut sebagai faktor. Dalam proses perhitungan analisis faktor
digunakan bantuan software SPSS 10.0 for windows.
 1.2 Perumusan Masalah

Berdasarkan latar belakang masalah yang telah diuraikan di atas, maka

perumusan masalahnya adalah faktor-faktor apa yang menjadi pendorong
seseorang menikah di usia muda.

1.3 Batasan Masalah

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.

1.4 Tujuan Masalah

Tujuan yang ingin dicapai dalam penelitian ini adalah menentukan faktor-
faktor yang menjadi pendorong seseorang menikah di usia muda dengan
menggunakan analisis faktor.

1.5 Manfaat penelitian

Dengan dilakukannya penelitian mengenai identifikasi pendorong pernikahan

muda ini diharapkan dapat menambah pengetahuan tentang aplikasi analisis faktor
di bidang sosial
 BAB II
LANDASAN TEORI

2.1 Tinjauan Pustaka

Untuk mencapai tujuan penelitian, diperlukan teori-teori yang mendukung

pembahasan meliputi pernikahan muda, uji validitas dan reliabilitas, korelasi, nilai
eigen, analisis faktor.

2.1.1 Pernikahan Muda

Zaman dahulu orang-orang menikah di usia belasan tahun disebabkan karena

kondisi perekonomian negara saat itu masih sangat terpuruk dengan adanya
penjajahan, sehingga untuk meringankan beban orang tua anak yang sudah cukup
umur dinikahkan agar bisa mencari nafkah dan memenuhi kebutuhannya sendiri.
Kemudian setelah perekonomian negara membaik, pernikahan muda mulai
ditinggalkan, yaitu sekitar tahun 80-an (Noe, 2003). Hal itu terjadi karena banyak
orang berfikir untuk menyelesaikan studi terlebih dahulu atau meniti karir
sebelum menikah, sehingga banyak yang baru menikah di usia 30-an. Kini tren
menikah muda kembali muncul dikarenakan merebaknya pergaulan bebas di
kalangan remaja. Hal itu terjadi karena remaja saat ini banyak yang berkiblat pada
pergaulan ala barat, yang mana kebebasan sangat dijunjung tinggi bahkan dalam
hal kehidupan seks. Banyak orang tua yang khawatir anaknya terjebak dalam
pergaulan bebas sehingga mengizinkan mereka menikah muda. Namun banyak
juga yang menikahkan anaknya dikarenakan telah hamil pranikah akibat dari
pergaulan bebas tersebut.
Menurut Hadikusuma (1990), pasal 7 Undang-undang nomor 1 tahun 1974
tentang perkawinan menetapkan bahwa perkawinan diizinkan bila pria telah
berusia 19 tahun dan wanita telah berusia 16 tahun. Dengan adanya undang-
undang perkawinan akan ada batasan usia minimal seseorang diizinkan untuk
menikah.
 WHO menetapkan batas usia 10-20 tahun sebagai batasan usia remaja.
Sementara itu, PBB menetapkan usia 15-24 tahun sebagai batasan usia muda
(Anonim, 2003). Dalam penelitian ini, batasan usia yang digunakan 15-24 tahun.

2.1.2 Uji Validitas dan Reliabilitas

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

dengan X = skor tes variabel ke-i pada objek ke-k

Y = total skor tes objek ke-k,
kriteria bahwa suatu tes dikatakan valid jika memiliki nilai koefisien korelasi yang
lebih besar dari nilai rtabel, dengan derajad bebas n-2.
Sedangkan reliabilitas memiliki berbagai nama seperti keterpercayaan,
keterandalan, kestabilan, dan sebagainya. Namun ide pokok yang terkandung
dalam konsep reliabilitas adalah sejauhmana hasil ukur suatu pengukuran dapat
dipercaya. Pengukuran yang memiliki reliabilitas tinggi disebut sebagai
pengukuran yang reliabel.
Sifat reliabel diperlihatkan oleh tingginya reliabilitas hasil ukur suatu tes.
Suatu alat ukur yang tidak reliabel akan memberikan informasi yang tidak akurat
mengenai keadaan subjek atau individu yang dikenai tes. Apabila informasi yang
keliru itu digunakan sebagai dasar pertimbangan dalam pengambilan suatu
kesimpulan dan keputusan, maka tentulah kesimpulan dan keputusan itu tidak
akan tepat.
Tinggi rendahnya reliabilitas ditunjukkan oleh suatu angka yang disebut
koefisien reliabilitas. Estimasi koefisien reliabilitas dapat dilakukan dengan
metode pendekatan konsistensi internal, karena metode pendekatan ini hanya
memerlukan satu kali pengenaan tes kepada sekelompok individu sebagai subjek.
Nilai koefisien reliabilitas dapat dicari dengan rumus αcronbach.
 p

 ∑s 
2

 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

2.1.3 Nilai Eigen

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

Menurut Santoso dan Tjiptono (2001), analisis faktor pada prinsipnya

digunakan untuk mereduksi data, yaitu proses untuk meringkas sejumlah variabel
menjadi lebih sedikit dan menamakannya sebagai faktor. Misal X adalah vektor
random teramati dengan p variabel yang mempunyai rata-rata μ dan matriks
kovariansi Σ akan diringkas menjadi sejumlah m faktor, dimana m ≤ p. Model
faktor menyatakan bahwa X dependen secara linear terhadap variabel tak teramati
F1, F2, …, Fm yang disebut faktor bersama dan sejumlah p sumber variansi
tambahan ε1, ε2, …, εp yang disebut faktor spesifik. Secara umum model analisis
faktor adalah
X 1 − µ1 = l11 F1 + l12 F2 + ... + l1m Fm + ε 1
X 2 − µ 2 = l 21 F1 + l 22 F2 + ... + l 2 m Fm + ε 2
M
X p − µ p = l p1 F1 + l p 2 F2 + ... + l pm Fm + ε p

dengan Xi : variabel ke-I

μi : rata-rata variabel ke-i
lij : bobot variabel ke-i pada faktor ke-j
Fj : faktor bersama ke-j
εi : faktor spesifik ke-i.
Jika dituliskan dalam notasi matriks
X–μ = L F + ε
(px1) (pxm) (mx1) (px1)

dengan X : vektor variabel

μ : vektor rata-rata variabel
L : matriks bobot faktor
F : vektor faktor bersama
ε : vektor faktor spesifik.
Asumsi yang mendasari analisis faktor adalah
1. E(F) = 0,
1. Cov(F) = E(FF’) = I
 ψ 1 0 L 0
0 ψ L 0 
Cov(ε) = E(εε’) = ψ = 
2
2. E(ε) = 0,
M M O M 
 
 0 0 L ψ p 

3. F dan ε saling independen, maka Cov(ε,F) = E(εF’) = 0 .

Berdasarkan asumsi diperoleh struktur kovariansi model analisis faktor, yaitu
1. Cov(X) = LL’ + ψ
sehingga Cov(X1, X2) = li1lk1 + li2lk2 + … +limlkm
2. Cov(X, F) = L
sehingga Cov(Xi, Fj) = lij , dengan i = 1, 2, …, p dan j = 1, 2, … , m
dan struktur variansi model analisis faktor, yaitu
σii = li12 + li22 + … +lim2 + ψi
= hi2 + ψi
dengan hi2 = li12 + li22 + … +lim2 , i = 1, 2, …, p
hi2 : komunalitas, yaitu jumlah kuadrat bobot variabel ke-i pada m faktor
ψi : variansi spesifik, yaitu variansi setiap variabel X yang dijelaskan oleh
faktor spesifik .
Menurut Johnson dan Wichern (1982), tujuan utama dari analisis faktor
adalah untuk menentukan beberapa faktor yang merupakan hasil reduksi dari
sejumlah variabel. Setelah faktor-faktor tersebut diketahui, langkah selanjutnya
adalah mencari nilai bobot faktor dari tiap-tiap variabel sehingga dapat diketahui
suatu variabel akan masuk ke dalam faktor yang mana. .Dalam mengestimasi nilai
bobot faktor, metode yang digunakan adalah analisis komponen utama. Metode
ini diturunkan dari matriks kovariansi Σ . Pandang Σ mempunyai pasangan nilai
eigen-vektor eigen (λi, ei) dengan λ1 ≥ λ2 ≥ …≥ λp ≥ 0, maka
Σ = λ1 e1 e1’ + λ2 e2 e2’ + … + λp ep ep’ + ψ
 λ1 e1'  ψ 1 0 L 0 
  
L 0 
= [ λe
1 1 λ2 e2 L λp ep ]  λ 2 e2 '  +  0 ψ 2
 M  M M O M 
 '  
 λ p e p   0 0 L ψ p 
karena sebanyak p-m nilai eigen terakhir bernilai kecil (kurang dari satu) maka
kontribusi λm+1 em+1 em+1’ + λm+2 em+2 em+2’ + …+ λp ep ep’ terhadap Σ dapat
diabaikan, sehingga persamaan menjadi

 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

sehingga tidak masalah apakah L̂ atau L̂ * yang diperoleh. Metode rotasi

ortogonal yang digunakan dalam penelitian ini adalah varimax.
 Metode varimax terpusat pada penyederhanaan kolom matriks faktor (Hair et
al, 1998). Nilai bobot faktor yang besar akan semakin membesar dan bobot faktor
yang kecil akan semakin mengecil, sehingga jumlah variansi bobot faktor dari
matriks faktor menjadi maksimal. Metode varimax akan memilih transformasi
ortogonal T yang membuat
 p ~ 4  p ~ 2 2 
( ) ( )
m
1
V= ∑ ∑ lij ∗ −  ∑ lij *  /
j =1  i =1
p

p
  i =1 

~ 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

dengan rij = korelasi antara variabel ke-i dan variabel ke-k

ri.k = korelasi parsial antara variabel ke-i dan variabel yang lain
dengan variabel ke-k sebagai kontrol.
Jika nilai KMO < 0,5 maka variabel tersebut harus dikeluarkan dari
analisis faktor dan jika terdapat lebih dari satu variabel dengan nilai
KMO < 0,5 maka variabel yang dikeluarkan adalah variabel dengan
nilai KMO terendah. Ulangi kembali proses penyeleksian variabel, jika
semua variabel telah mamiliki nilai KMO ≥ 0,5 maka analisis lebih
lanjut dapat dilakukan.
2. Melakukan reduksi variabel sehingga diperoleh satu atau beberapa faktor.
Penentuan banyaknya faktor yang dihasilkan didasarkan pada nilai eigen,
yaitu dengan mengambil faktor yang nilai eigennya lebih besar dari satu.
Secara visual nilai eigen dapat dilihat dari scree plot. Sumbu vertikal
menunjukkan nilai eigen sedang pada sumbu horisontal menunjukkan
jumlah seluruh faktor yang dapat terbentuk.
 3. Melakukan rotasi faktor untuk memperjelas apakah faktor yang terbentuk
sudah signifikan berbeda dengan faktor yang lain sehingga mudah untuk
diinterpretasi.
4. Melakukan interpretasi hasil rotasi dan memberi nama pada faktor yang
terbentuk.

2.2 Kerangka Pemikiran

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

3.1 Sumber Data

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.

3.2 Teknik Pengambilan Sampel

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

Berdasarkan data yang diperoleh, dilakukan pengolahan data dengan bantuan

software SPSS 10.0 for windows. Pengolahan data tersebut meliputi uji validitas
dan reliabilitas untuk mengetahui apakah variabel yang digunakan valid dan data
yang diperoleh dapat dipercaya keakuratannya atau tidak, setelah itu dilakukan
analisis faktor untuk mengetahui faktor-faktor yang menjadi pendorong
pernikahan muda.
 BAB IV
HASIL DAN PEMBAHASAN

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.

4.1 Hasil Uji Validitas dan Reliabilitas

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.

4.2 Hasil Analisis Faktor

Analisis faktor digunakan untuk meringkas empat belas variabel menjadi

beberapa variabel baru dan menamakannya sebagai faktor. Berikut ini adalah
tahap-tahap dalam analisis faktor.
1. Analisis faktor tanpa variabel X5, X8, dan X14.
Berdasarkan Lampiran 3.1, terlihat bahwa nilai KMO sebesar 0,707 yang
berarti analisis faktor layak dilakukan. Sedangkan nilai KMO tiap variabel
ditampilkan dalam Tabel 4.1.
Terlihat bahwa ada sebuah variabel yang mempunyai nilai KMO < 0,5, yaitu
X6 (0,479). Hal ini berarti variabel X6 belum layak untuk dimasukkan dalam
analisis dan harus dikeluarkan dari pemilihan variabel.

2. Analisis faktor tanpa variabel X5, X6, X8 dan X14.

Berdasarkan Lampiran 4.1, terlihat bahwa nilai KMO sebesar 0,717 yang
berarti analisis faktor layak dilakukan. Sedangkan nilai KMO tiap variabel
ditampilkan dalam Tabel 4.2. Terlihat bahwa semua variabel mempunyai nilai
KMO ≥ 0,5. Hal ini berarti analisis lanjut dilakukan tanpa variabel X5, X6, X8 dan
X14.
Komunalitas menunjukkan kuat lemahnya hubungan antara suatu variabel
terhadap faktor yang terbentuk. Semakin besar nilai komunalitas berarti semakin
kuat hubungannya dengan faktor tersebut. Pada Lampiran 4.3 terlihat komunalitas
terkecil dimiliki oleh variabel X1, berarti variabel X1 memiliki hubungan yang
paling lemah dengan faktor yang terbentuk. Sedangkan komunalitas tertinggi
dimiliki oleh variabel X17, berarti variabel X17 memiliki hubungan yang paling
kuat dengan faktor yang terbentuk.

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

Reduksi variabel dilakukan untuk menentukan jumlah faktor yang

terbentuk. Hasil reduksi variabel dapat dilihat pada Lampiran 4.4. Berdasarkan
lampiran tersebut terlihat bahwa dari tiga belas variabel yang dianalisis terbentuk
lima faktor.
Banyaknya faktor yang terbentuk secara visual dapat ditampilkan dalam
bentuk grafik yang disebut dengan scree plot, seperti pada Gambar 4.1.

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 Plot Antara Jumlah Faktor dan Nilai Eigen

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

Terlihat bahwa pendistribusian ketiga belas variabel terhadap lima faktor

yang terbentuk kurang merata, terdapat sembilan variabel yang menjadi anggota
faktor pertama, sedangkan keempat variabel yang lain terdistribusi ke dalam
empat faktor yang tersisa. Selain itu juga terlihat bahwa variabel X10 berkorelasi
sama kuat untuk faktor 1 dan faktor 3. Hal ini berarti bahwa bobot faktor yang
terbentuk kurang jelas sehingga perlu dilakukan rotasi faktor. Metode rotasi yang
digunakan adalah rotasi varimax. Setelah dilakukan rotasi, dihasilkan bobot
faktor yang baru pada Tabel 4.4.

Tabel 4.4 Matriks Faktor Hasil Rotasi

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

Dari pembahasan diperoleh kesimpulan bahwa terdapat lima faktor yang

menjadi pendorong pernikahan muda, yaitu
1. faktor kesiapan yang terdiri dari empat variabel, yaitu dorongan orang tua,
dorongan teman, sudah adanya pinangan atau sudah meminang, dan sudah
menyelesaikan sekolah.
2. faktor ekonomi yang terdiri dari dua variabel, yaitu perjodohan dan
membantu perekonomian keluarga
3. faktor pasangan yang terdiri dari tiga variabel, yaitu dorongan calon
pasangan, takut kehilangan pasangan, dan kemapanan hidup calon
pasangan
4. faktor pergaulan yang terdiri dari dua variabel, yaitu banyaknya film yang
mengisahkan pernikahan dini dan banyaknya teman yang telah menikah
5. faktor tradisi yang terdiri dari dua variabel, yaitu takut jadi perawan tua
atau jaka tua dan orang tua ingin segera menimang cucu.

5.2 Saran

Dalam analisis faktor, terdapat beberapa metode untuk mengestimasi bobot

faktor, yaitu analisis komponen utama, metode maksimum likelihood, dan
common factor analisis. Juga ada beberapa metode rotasi ortogonal, yaitu
varimax, equimax, dan quartimax. Bagi pembaca yang berminat dapat
menerapkan analisis faktor dengan metode lain yang belum diterapkan dalam
penulisan skripsi ini.
 DAFTAR PUSTAKA

Anonim. (2003). Dag…Dig…Dug…Seks Remaja.

www.hqwebol.bkkbn.go.id/hqweb/ceria/mbrtpage13html

Anton, H. (1995). Aljabar Linier Elementer. Alih Bahasa : Pantur Silaban dan I
Nyoman Susila. Edisi Kelima. Erlangga, Jakarta

Azwar, S. (1997). Reliabilitas dan Validitas. Edisi Ketiga. Pustaka Pelajar,

Yogyakarta

Erni. www.damandiri.or.id/file/ernibab4.pdf

Hadikusuma, H. (1990). Hukum Perkawinan Indonesia Menurut Perundangan

Hukum Adat dan Hukum Agama. CV Mondar Maju, Bandung.

Hair, et al. (1998). Multivariate Analysis Data. Prentice-Hall, Inc. New Jersey.

Johnson, R. A and D. W. Wichern. (1982). Applied Multivariate Statistical

Analysis. Prentice-Hall, Inc., New Jersey

Noe. (2003). Pernikahan Dini. www.smu-net.com

Santoso, S. dan Tjiptono, F. (2001). Riset Pemasaran : Konsep dan Aplikasi

dengan SPSS. PT Elex Media Komputindo Kelompok Gramedia, Jakarta

Sembiring, R. K. (1995) Analisis Regresi. Penerbit ITB, Bandung

Simamora, B. (2005). Analisis Multivariat Pemasaran. PT Gramedia Pustaka

Mulia, Jakarta

Suhartini, R. (2003). www.damandiri.or.id/file/ratnasuhartiniunairbab4.pdf

 Lampiran 1
Data Penilaian Responden Terhadap Pengaruh Keputusan Menikah Muda
No X1 X2 X3 X4 X5 X6 X7 X8 X9 X10 X11 X12 X13 X14 X15 X16 X17
1 2,5 3,7 8,7 8,3 1,0 1,2 1,5 8,5 6,8 7,2 8,0 8,1 7,9 8,2 6,7 5,5 6,5
2 4,0 2,0 6,0 9,0 8,0 4,0 3,0 3,0 1,0 7,5 3,0 3,0 5,5 5,5 4,0 2,0 2,0
3 5,5 4,7 8,5 8,5 1,0 1,2 1,7 7,5 6,5 7,5 8,0 8,1 7,5 8,5 6,7 4,5 6,8
4 5,5 2,0 4,5 8,5 9,2 3,0 3,0 4,5 6,5 7,3 2,5 2,3 1,0 4,0 3,0 2,0 2,0
5 8,5 7,0 8,0 7,5 2,0 2,0 7,0 8,5 9,5 6,0 7,0 9,5 5,0 4,0 8,0 5,0 8,0
6 4,7 8,4 9,5 8,7 2,5 7,5 9,6 9,6 8,5 6,3 7,3 4,5 9,5 8,3 7,7 1,5 3,4
7 2,3 3,3 9,0 1,5 1,0 1,0 3,5 8,0 2,5 8,9 9,1 5,5 2,5 6,2 1,7 2,2 6,8
8 1,2 1,4 6,5 2,3 1,1 1,2 1,1 7,6 3,1 3,5 2,2 2,5 1,3 1,5 2,2 1,3 1,1
9 1,0 1,0 7,8 5,6 7,6 9,2 9,2 10,0 5,4 4,0 1,0 10,0 3,0 1,0 7,0 1,0 6,0
10 5,4 6,1 8,1 9,1 1,2 3,4 2,1 1,5 1,1 7,5 8,5 7,3 8,5 7,3 3,4 6,7 8,5
11 7,8 8,8 8,9 9,3 7,8 9,2 6,3 1,2 1,3 9,5 9,6 9,3 9,6 7,8 9,7 1,2 7,8
12 7,9 6,7 7,8 9,0 6,0 7,6 6,0 7,8 9,0 8,0 7,0 6,7 8,0 9,5 6,0 7,7 7,5
13 9,3 7,8 8,5 9,5 7,6 6,3 5,3 1,2 1,3 7,8 9,5 9,7 8,7 8,6 9,7 1,2 8,7
14 8,5 7,6 9,3 7,6 8,5 7,5 5,4 6,5 7,6 3,4 6,5 7,9 9,3 7,5 8,3 2,5 3,6
15 6,5 8,7 9,5 8,7 1,4 7,6 3,4 8,5 7,7 6,5 7,5 8,7 6,9 9,5 5,4 3,2 2,5
16 10,0 5,0 10,0 8,0 1,0 8,0 9,0 1,0 5,0 7,0 8,5 10,0 10,0 8,0 8,0 1,0 6,0
17 6,7 7,5 9,5 8,5 1,5 6,5 7,8 2,5 3,4 4,7 3,7 7,8 8,9 8,7 9,1 2,3 2,4
M
85 7,3 2,4 9,3 8,5 1,5 7,3 8,5 9,4 1,3 2,5 4,1 9,5 8,3 1,5 8,3 2,5 1,3
 Lampiran 2
Uji Validitas dan Reliabilitas

2.1 Uji validitas dan reliabilitas seluruh variabel

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

Scale Scale Corrected

Mean Variance Item- Alpha
if Item if Item Total if Item
Deleted Deleted Correlation Deleted

X1 81,5333 391,3037 ,6156 ,7412

X2 82,2167 422,9752 ,4626 ,7569
X3 80,0300 425,2787 ,4367 ,7587
X4 80,3000 433,0476 ,3462 ,7653
X5 83,0900 501,7630 -,2318 ,8146
X6 83,7633 433,9652 ,3758 ,7633
X7 83,8033 442,7376 ,3238 ,7670
X8 79,2733 449,2262 ,1646 ,7799
X9 82,0867 439,3081 ,3030 ,7683
X10 80,4800 414,3072 ,5619 ,7499
X11 80,7100 420,9140 ,3916 ,7617
X12 80,8767 401,6274 ,5512 ,7477
X13 81,5467 419,0253 ,4791 ,7553
X14 80,2033 439,7672 ,2588 ,7721
X15 80,9667 440,1630 ,3152 ,7675
X16 82,3767 427,2025 ,3347 ,7665
X17 81,5967 402,8196 ,6480 ,7424

Reliability Coefficients

N of Cases = 30,0 N of Items = 17

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

Scale Scale Corrected

Mean Variance Item- Alpha
if Item if Item Total if Item
Deleted Deleted Correlation Deleted

X1 70,7900 372,7671 ,6433 ,7883

X2 71,4733 406,1172 ,4707 ,8029
X3 69,2867 409,6709 ,4316 ,8055
X4 69,5567 420,3191 ,3122 ,8134
X6 73,0200 418,8996 ,3632 ,8098
X7 73,0600 428,0301 ,3046 ,8131
X9 71,3433 421,3791 ,3182 ,8128
X10 69,7367 397,4969 ,5717 ,7964
X11 69,9667 402,0057 ,4164 ,8068
X12 70,1333 384,9513 ,5603 ,7955
X13 70,8033 398,9990 ,5194 ,7994
X14 69,4600 425,6501 , 2382 ,8190
X15 70,2233 426,3632 ,2884 ,8143
X16 71,6333 409,8644 ,3445 ,8123
X17 70,8533 385,5543 ,6649 ,7893

Reliability Coefficients

N of Cases = 30,0 N of Items = 15

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

Scale Scale Corrected

Mean Variance Item- Alpha
if Item if Item Total if Item
Deleted Deleted Correlation Deleted

X1 64,4400 339,3790 ,6540 ,7899

X2 65,1233 371,3853 ,4820 ,8052
X3 62,9367 377,8100 ,4106 ,8101
X4 63,2067 387,4641 ,2975 ,8181
X6 66,6700 384,4725 ,3654 ,8131
X7 66,7100 393,5361 ,3036 ,8166
X9 64,9933 382,0869 ,3696 ,8129
X10 63,3867 365,4226 ,5582 ,8000
X11 63,6167 367,1318 ,4282 ,8093
X12 63,7833 354,1925 ,5407 ,8001
X13 64,4533 366,5915 ,5092 ,8031
X15 63,8733 389,2165 ,3164 ,8162
X16 65,2833 376,6676 ,3377 ,8166
X17 64,5033 354,3845 ,6475 ,7930

Reliability Coefficients

N of Cases = 30,0 N of Items = 14

Alpha = ,8190
 Lampiran 3
Analisis Faktor Tanpa Variabel X5, X8, dan X14

3.1 KMO dan Tes Bartlett

KMO and Bartlett's Test

Kaiser-Meyer-Olkin Measure of Sampling
Adequacy. ,707

Bartlett's Test of Approx. Chi-Square 344,573

Sphericity df 91
Sig. ,000

3.2 Matriks anti-image bagian diagonal

Variabel Nilai KMO

X1 0,724
X2 0,732
X3 0,735
X4 0,688
X6 0,479
X7 0,681
X9 0,668
X10 0,661
X11 0,715
X12 0,810
X13 0,777
X15 0,674
X16 0,633
X17 0,631
 Lampiran 4
Analisis Faktor Tanpa Variabel X5, X6, X8, dan X14

4.1 KMO dan Tes Bartlett

KMO and Bartlett's Test

Kaiser-Meyer-Olkin Measure of Sampling
Adequacy. ,717

Bartlett's Test of Approx. Chi-Square 330,554

Sphericity df 78
Sig. ,000

4.2 Matriks anti-image bagian diagonal

Variabel Nilai KMO

X1 0,723
X2 0,729
X3 0,740
X4 0,681
X7 0,738
X9 0,675
X10 0,671
X11 0,734
X12 0,810
X13 0,774
X15 0,672
X16 0,600
X17 0,654
4.3 Komunalitas
Communalities

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

4.6 Matriks faktor

Component Matrixa

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.

4.7 Matriks faktor hasil rotasi varimax

 Rotated Component Matrixa

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.

4.8 Matriks transformasi ortogonal

Component Transformation Matrix

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

Dorongan orang tua

Dorongan teman
Dorongan calon pasangan
Takut kehilangan pasangan
Hamil pranikah / pasangan hamil pranikah
Banyaknya artis yang menikah muda
Banyaknya film yang mengisahkan pernikahan dini
Takut dosa
Takut jadi perawan tua / jaka tua
Kemapanan hidup calon pasangan
Sudah adanya pinangan / sudah meminang
Sudah menyelesaikan sekolah
Orang tua ingin segera menimang cucu
Sudah mempunyai penghasilan sendiri
Banyaknya teman yang telah menikah
Perjodohan
Membantu perekonomian keluarga