Oleh:
Salma Tri Wahyuni (242018088)
Dinan Darmadi (242018089)
1
BAB 1
PENDAHULUAN
2
kepada yang berpusat pada siswa, serta orientasi penilaian dari yang berorientasi
diskriminasi siswa kepada yang berorientasi diferensiasi siswa. Keseluruhan perubahan itu
akan menentukan hasil pendidikan. Ketepatan penilaian yang dilakukan sekolah, terutama
yang berkaitan dengan penilaian kelas, memperlihatkan pencapaian hasil belajar siswa.
Penilaian tersebut mempengaruhi pendekatan, kegiatan, dan sumber belajar yang diterapkan
guru dalam proses pembelajaran. Setiap siswa sejak lahirnya telah membawa bakat sendiri-
sendiri sehingga pelajaran akan lebih efektif apabila disesuaikan dengan pembawaan yang
ada. Akan tetapi disebabkan karena keterbatasan sarana dan tenaga, pendidikan yang bersifat
individual kadang-kadang sukar sekali dilaksanakan. Pendekatan yang lebih bersifat
melayani perbedaan kemampuan, adalah pengajaran secara kelompok. Untuk dapat
menentukan dengan pasti di kelompok mana serang siswa harus ditempatkan, digunakan
suatu penilaian
Sebagai warga negara Indonesia yang berhak mendapatkan pendidikan seperti yang
tertuang dalam UUD 1945, tentunya harus memiliki pengetahuan umum minimum.
Pengetahuan minimum itu diantaranya adalah matematika. Oleh sebab itu, matematika
sekolah sangat berarti baik bagi para siswa yang melanjutkan studi maupun yang tidak.
Sejalan dengan kemajuan jaman, tentunya pengetahuan semakin berkembang. Supaya suatu
negara bisa lebih maju, maka negara tersebut perlu memiliki manusia-manusia yang melek
teknologi. Untuk keperluan ini tentunya mereka perlu belajar matematika sekolah terlebih
dahulu karena matematika memegang peranan yang sangat penting bagi perkembangan
teknologi itu sendiri. Tanpa bantuan matematika tidak mungkin terjadi perkembangan
teknologi seperti sekarang ini.
Oleh karena itu akan dianalisis faktor faktor yang mempengaruhi nilai ujian matematika
terhadap siswa menggunakan analisis faktor yang olah menggunakan spss.
3
BAB 2
KAJIAN TEORI
2.1 Pengertian
Analisis faktor merupakan suatu teknik untuk menganalisis tentang saling ketergantungan
dari beberapa variabel secara simultan dengan tujuan untuk menyederhanakan dari bentuk
hubungan antara beberapa variabel yang diteliti menjadi sejumlah faktor yang lebih sedikit
dari pada variabel yang diteliti. Hal ini berarti, analisis faktor dapat juga menggambarkan
tentang struktur data dari suatu penelitian (Suliyanto, 2005).
3
koefisien KMO > 0,5, maka analisis sebetulnya sudah bisa dilanjutkan. Akan tetapi uji
signifikansi masih perlu dilakukan dengan membandingkan taraf signifikansi yang tetap (α).
- Apabila bilangan signifikansi KMO ≥ α, maka H0 diterima dan H1 ditolak, yang
artinya variabel-variabel belum layak untuk dianlisis lebih lanjut.
- Apabila bilangan signifikansi KMO < α, maka H0 ditolak dan H1 diterima, yang
artinya variabel-variabel sudah layak untuk dianlisis lebih lanjut.
Apabila variabel-variabel dinyatakan belum layak untuk dianalisis lebih lanjut, maka
dilakukan eliminasi variabel yang tidak layak untuk dianlisis, dan selanjutnya dilakukan
pengulangan analisis faktor.
Selanjutnya, untuk melihat kelayakan masing-masing variabel atau menentukan variabel
mana yang patut dieliminasi, digunakan koefisien Measure of Sampling Adequacy (MSA) dalam
tabel Anti-Image. Koefisien MSA berkisar dari 0 sampai dengan 1, dengan kriteria sebagai
berikut.
- Apabila koefisien MSA = 1, maka variabel tersebut dpat diprediksi tanpa ada
kesalahan oleh variabel lain.
- Apabila koefisien MSA ≥ 0,5, maka varabel masih bisa diprediksi dan dianalisis lebih
lanjut.
- Apabila koefisien MSA < 0,5, maka variabel tidak bisa diprediksi dan tidak bisa
dianalisis lebih lanjut.
5
4. Mengembangkan kemampuan menyampaikan informasi atau mengkomunikasikan gagasan
antara lain melalui pembicaraan lisan, grafik, peta, diagram, dalam menjelaskan gagasan.
6
BAB III
GAMBARAN UMUM
Matematika adalah sebagai media atau sarana siswa dalam mencapai kompetensi.
Dengan mempelajari materi matematika diharapkan siswa akan dapat menguasai seperangkat
kompetensi yang telah ditetapkan.
Terdapat variabel variabel yang mempengaruhi nilai matematika di suatu sekolah:
Variabel tak bebas :
Y: Nilai UAS Matematika Siswa
Variabel bebas :
X1 : Rata-rata lama belajar dalam sehari (jam)
X2 : Jumlah konsumsi susu dalam seminggu (liter)
X3 : Rata-rata lama tidur dalam sehari (jam)
X4 : Rata-rata jumlah buku yang dibaca dalam sehari (buah)
X5 : Jarak rumah ke sekolah (kilometer)
Berikut ini adalah tabel yang menyediakan data dari 30 sample siswa:
Nama Siswa Lama Belajar Konsumsi Lama Tidur Rata-Rata Jarak Dari Rumah
(jam) Susu (jam) Buku Dibaca Ke Sekolah (km)
(liter) (buah
Ahmad 7 3 6 4 2
Afandi 1 3 2 4 5
Agung 6 2 3 4 1
Boby 4 5 4 6 2
Budi 1 2 2 3 6
Dandi 6 3 6 4 2
David 5 3 6 3 4
Devi 6 6 7 4 1
Emi 3 4 2 3 6
Elsa 2 6 2 6 7
Erik 6 4 7 3 2
7
Erwin 2 3 1 4 5
Fauzi 7 2 6 4 1
Feri 4 6 4 5 3
Gerry 1 3 2 2 6
Gino 6 4 6 3 3
Hadi 5 3 6 3 3
Ibrahim 7 3 7 4 1
Ivan 2 4 3 3 6
Juliana 3 5 3 6 4
Lani 1 3 2 3 5
Lina 5 4 5 4 2
Maria 2 2 1 5 4
Melvin 4 6 4 6 4
Mustofa 6 5 4 2 1
Junaedi 3 5 4 6 4
Zafran 4 4 7 2 2
Samid 3 7 2 6 4
Ratna 4 6 3 7 2
Raza 2 3 2 4 7
8
BAB IV
ANALISIS FAKTOR
Nilai KMO and Bartlett’s test adalah 0,641 dengan signifikan 0,00. Oleh karena nilai
tersebut sudah diatas 0,5 dan signifikan jauh dibawah 0,05,maka variabel dan sampel yang ada
sebenarnya cukup dapat dianalisis lebih lanjut.
Proses inti dari analisis faktor adalah melakukan ekstraksi terhadap sekumpulan variabel
yang ada,sehingga terbentuk satu atau lebih faktor. Banyak metode untuk melakukan proses
ekstraksi,namun metode yang sering digunakan adalah Principal Component Analysis,
sebagaimana akan dibahas dalam kasus berikut.
9
Communalities
Initial Extraction
Lama belajar (jam) 1.000 .928
Konsumsi susu(liter) 1.000 .767
Lama tidur 1.000 .841
Rata rata buku dibaca(jam) 1.000 .796
Jarak dari rumah ke
1.000 .860
sekolah(km)
Extraction Method: Principal Component Analysis.
Nilai batas eigenvalues pembentuk faktor adalah apabila kurang dari 1 berarti tidak
terdapat variabel pembentuk faktor. Dengan demikian,dari grafik diatas tampak bahwa ada 2
faktor yang terbentuk
Component Matrixa
10
Component
1 2
Lama belajar (jam) .951 .152
Lama tidur .917 .011
Jarak dari rumah ke
-.895 -.244
sekolah(km)
Rata rata buku dibaca(jam) -.250 .856
Konsumsi susu(liter) -.186 .856
Extraction Method: Principal Component Analysis.
a. 2 components extracted.
Tabel Component Matrix diatas menunjukan nilai loading faktor masing masing variabel
terhadap faktor. Loading factor adalah nilai yang menunjukan hubungan(korelasi) suatu variabel
terhadap faktor.
Dari tabel Component Matriks diatas dapat diketahui distribusi variabel terhadap 2 faktor
yang terbentuk.Cara yang dilakukan untuk melihat distribusi variabel tersebut yaitu dengan
membandingkan nilai loading faktor suatu variabel pada faktor faktor yang ada,missal:
-Korelasi variabel lama belajar dengan fakor 1 adalah +0,951 , berarti menunjukan hubungan
yang sangat kuat. Sedangkan dengan faktor 2 mempunyai korelasi +0,152. Dengan
demikian,variabel lama belajar dimasukan ke dalam komponen faktor 1.
Hal ini berlaku pula untuk variabel lain nya.
Apabila dalam esktraksi yang dilakukan ini masih dirasa belum diyakini,misalnya masih
adanya suatu variabel yang belum jelas akan menjadi komponen faktor mana,maka langkah
rotasi harus dilakukan. Contoh dalam kasus ini yaitu variabel jarak dari rumah ke sekolah yang
mempunyai nilai loading factor pada faktor 1 = -0,250 dan pada faktor 2 = -0,856 . Hal ini masih
belum diyakini variabel tersebut akan dimasukan ke komponen variabel 1 atau 2 . Setelah
dilakukan proses rotasi,hasilnya:
11
Component
1 2
Lama belajar (jam) .962 -.039
Jarak dari rumah ke
-.925 -.062
sekolah(km)
Lama tidur .901 -.171
Rata rata buku dibaca(jam) -.076 .889
Konsumsi susu(liter) -.012 .876
Extraction Method: Principal Component Analysis.
Rotation Method: Varimax with Kaiser Normalization.
a. Rotation converged in 3 iterations.
12
BAB V
KESIMPULAN
13
DAFTAR PUSTAKA
https://p4tkmatematika.org/2011/10/peran-fungsi-tujuan-dan-karakteristik-matematika-sekolah/
Shttps://www.academia.edu/29887489/ANALISIS_FAKTOR.doc
14