You are on page 1of 73

BAB I

PENDAHULUAN

1.1 Latar Belakang

Pendidikan adalah salah satu interaksi manusia, sekaligus tindakan sosial yang

dimungkinkan berlaku melalui suatu jaringan hubungan kemanusiaan melalui

peranan-peranan individu didalamnya yang diterapkan melalui proses

pembelajaran. Pendidikan umumnya dibagi menjadi tahap seperti prasekolah,

sekolah dasar, sekolah menengah, kemudian perguruan tinggi.

Perguruan tinggi adalah satuan pendidikan penyelenggara pendidikan tinggi.

Perguruan tinggi merupakan kelanjutan pendidikan menengah yang

diselenggarakan untuk mempersiapkan peserta didik untuk menjadi anggota

masyarakat yang memiliki kemampuan akademis dan professional yang dapat

menerapkan, mengembangkan dan menciptakan ilmu pengetahuan, teknologi dan

kesenian (UU 2 tahun 1989, pasal 16, ayat (1)). Selama di perguruan tinggi,

banyak hal baru yang dapat dipelajari baik dalam kegiatan belajari di ruang kuliah

maupun kegiatan eksternal. Dalam proses pembelajarannya, dosen tentunya

mengharapkan agar mahasiswa dapat mencapai hasil belajar yang maksimal.

Namun, tidak sedikit ditemukan adanya kesulitan belajar yang dialami oleh

mahasiswa dalam proses belajar. Kesulitan yang dialami mahasiswa tidak hanya

1
terjadi pada proses belajar, tapi juga terjadi dalam proses penyelesaian tugas akhir

skripsi untuk memperoleh gelar akademis dan diwisudakan.

Skripsi merupakan suatu karya ilmiah yang diwajibkan sebagai bagian dari

persyaratan pendidikan akademis di perguruan tinggi (Purwadarminta, 2005

dalam Jurnal Psikologi Universitas Diponegoro, 2006). Skripsi yang dibuat oleh

mahasiswa merupakan laporan penelitian yang dilakukan terhadap suatu

fenomena atau permasalahan dalam bidang ilmu tertentu, berdasarkan teori-teori

dan disiplin ilmu yang sesuai disetiap perguruan tinggi. Penyelesaian sebuah

skripsi mahasiswa dibekali dengan ilmu statistika elementer, evaluasi

pembelajaran, strategi pembelajaran dan metodologi penelitian dan ilmu lainnya

sesuai jurusan yang dijalani. Pada umumnya, proses bimbingan mahasiswa

dibimbing oleh dua orang pembimbing. Kemudian dilanjutkan dengan ujian

proposal dan ujian skripsi oleh seorang penguji bersama dua pembimbing

sebelumnya.

Dalam proses belajar, dalam hal ini proses penyelesaian tugas akhir skripsi,

tentulah tidak akan selamanya berjalan dengan mulus, pasti ada kalanya

mahasiswa mengalami hambatan dalam penyelesaiannya. Mengenai hambatan

dalam proses belajar M. Ngalim Purwanto (2007: 106-107) mengungkapkan

bahwa faktor-faktor yang dapat mempengaruhi proses dan hasil belajar yaitu

faktor luar dan faktor dalam. Faktor luar meliputi lingkungan dan instrumental.

Sedangkan faktor dalam meliput fisiologi dan psikologi.

2
Pengalaman seperti ini juga dialami oleh mahasiswa di Program Studi

Pendidikan Matematika, yang berada di Universitas Nusa Cendana. Banyak

mahasiswa dari Program Studi Matematika yang mengalami hambatan dalam

penyelesaian tugas akhir skripsi. Lamanya proses dalam penyelesaian skripsi

dapat menunda mahasiswa-mahasiswi diwisudakan serta mendapat pekerjaan. Hal

ini juga dapat berpengaruh pada akreditasi program studi. Hal ini disebabkan oleh

banyak faktor. Faktor-faktor yang mempengaruhi penyelesaian tugas akhir skripsi

mahasiswa pendidikan matematika merupakan salah satu hal yang cukup penting

untuk digali, untuk itu perlu di ungkap faktor-faktor apa saja yang mempengaruhi

penyelesaian tugas akhir mahasiswa. Sehingga, dalam penelitian ini akan

dianalisis berbagai faktor yang mempengaruhi penyelesaian tugas akhir skripsi

mahasiswa program studi Pendidikan Matematika FMIPA Undana.

Karena terdapat banyak faktor yang mempengaruhi penyelesaian tugas akhir

skripsi mahasiswa maka pada penelitian ini, akan di cari faktor-faktor yang

menjadi faktor utamanya dengan menggunakan metode Principal Componen

Analisys (PCA) dan dari faktor utama yang diperoleh akan diregresikan atau

dimodelkan dengan menggunakan metode regresi berganda.

Principal Componen Analisys (PCA) merupakan suatu teknik yang mereduksi

data multivariat (banyak data) yang mencari untuk mengubah (mentrasformasi)

suatu matrik data awal/asli menjadi suatu set kombinasi linear yang lebih sedikit

akan tetapi menyerap sebagian besar jumlah varian dari data awal. Tujuan

3
utamanya ialah menjelaskan sebanyak mungkin jumlah varian data asli dengan

sedikit mungkin komponen utama yang disebut faktor.

Regresi komponen utama adalah suatu analisis regresi yang digunakan untuk

mengetahui hubungan antara variabel bebas dengan variabel terikat yang tak

saling berkorelasi atau tidak terjadi multikolinearitas. Metode regresi komponen

utama bertujuan untuk menyederhanakan variabel yang diamati dengan cara

menyusutkan (mereduksi) dimensinya. Hal ini dilakukan dengan cara

menghilangkan korelasi diantara variabel bebas melalui transformasi variabel

bebas asal ke variabel baru yang tidak berkorelasi sama sekali.

Skripsi yang terkait Principal Componen Analisys (PCA) pernah dibahas oleh

Benyamin Data pada tahun 2015 untuk mengetahui faktor dominan yang

mempengaruhi nilai IPK mahasiswa Pendidikan Matematika Undana prestasi

belajar siswa. Penelitian ini menggunakan metode PCA untuk mereduksi

variabel-variabel yang mempengaruhi IPK sehingga diperoleh empat komponen

utama. Penelitian ini juga memberikan hasil bahwa faktor yang dominan

mempengaruhi IPK mahasiswa prodi matematika adalah faktor suasana belajar

dikampus dan mata kuliah dasar matematika yang meliputi tersedianya fasilitas

pembelajaran di kampus dan ruangan yang kondusif untuk memulai proses

pembelajaran dengan rasa nyaman serta tingkatan kesulitan yang masih dapat di

capai oleh mahasiswa dan penjelasan dosen yang tidak membingungkan dalam

4
mata kuliah dasar atau prasyarat pada program studi pendidikan matematika FKIP

Undana.

Berdasarkan penjelasan diatas, peneliti tertarik untuk mencari faktor – faktor

yang mempengaruhi penyelesaian tugas akhir skripsi pada mahasiswa prodi

matematika Undana. Oleh karena itu penulis mengangkat judul untuk penelitian

ini yaitu: “Penerapan Principal Componen Analysis (PCA) Terhadap Faktor-

Faktor yang Mempengaruhi Penyelesaian Tugas Akhir Skripsi Mahasiswa

Program Studi Pendidikan Matematika”.

1.2 Tujuan Penelitian

Berdasarkan rumusan masalah diatas, maka tujuan penelitian ini adalah sebagai

berikut:

1. Untuk menentukan faktor-faktor dominan yang mempengaruhi penyelesaian

tugas akhir skripsi mahasiswa Pendidikan Matematika UNDANA.

2. Seberapa besar hubungan di antara faktor – faktor yang mempengaruhi

penyelesaian tugas akhir skripsi mahasiswa Pendidikan Matematika

UNDANA?

1.3 Rumusan Masalah

Berdasarkan rumusan masalah diatas, maka tujuan penelitian ini adalah sebagai

berikut:

1. Untuk menentukan faktor-faktor dominan yang mempengaruhi penyelesaian

tugas akhir skripsi mahasiswa Pendidikan Matematika UNDANA.

5
2. Untuk menentukan Seberapa besar hubungan di antara faktor – faktor yang

mempengaruhi penyelesaian tugas akhir skripsi mahasiswa Pendidikan

Matematika UNDANA.

1.4 Manfaat Penelitian

Dari hasil penelitian ini diharapkan dapat memberi manfaat antara lain sebagai

berikut:

1. Bagi penulis, untuk menambah pengalaman dan pengetahuan bagi peneliti

dalam memanfaatkan dan mengaplikasikan teori-teori matematika

terkhususnya metode Principal Componen Analisys (PCA).

2. Bagi mahasiswa, dapat memberikan pengetahuan tentang faktor-faktor yang

mempengaruhi proses Penyelesaian Tugas Akhir Skripsi sehingga akan

menumbuhkan kesadaran mahasiswa untuk meningkatkan hal-hal yang

mampu mendorongnya untuk menyelesaikan tugas akhir skripsi sehingga

lulus tepat waktu.

3. Bagi akademis, member masukan, informasi dan referensi kepada program

studi pendidikan matematika tentang faktor-faktor yang mempengaruhi proses

Penyelesaian Tugas Akhir Skripsi mahasiswa sehingga dapat diupayakan

sistem pendidikan khususnya pada tugas akhir skripsi yang lebih baik dan

strategi pembelajaran serta pelayanan pendidikan yang lebih optimal bagi

siswa.

6
BAB II

TINJAUAN TEORI

2.1 Matriks

2.1.1 Definisi Matriks

Sebuah matriks adalah sebuah susunan segi empat dari bilangan -

bilangan. Bilangan-bilangan di dalam susunan tersebut dinamakan entri di

dalam matriks (Anton, 1992: 22). Matriks dapat ditulis sebagai berikut:

𝑎11 𝑎12 𝑎1𝑛


𝑎21 𝑎22 ⋯ 𝑎2𝑛
𝐴=[ ⋮ … ⋮ ]
𝑎𝑚1 𝑎𝑚2 ⋯ 𝑎𝑚𝑛

Susunan di atas disebut matriks 𝑚 kali 𝑛 (ditulis 𝑚 × 𝑛), karena

memiliki 𝑚 baris dan 𝑛 kolom.

2.1.2 Penjumlahan Matriks

Jika 𝑨 dan 𝑩 adalah sebarang dua matriks ukurannya sama, maka

jumlah 𝑨 + 𝑩 adalah matriks yang diperoleh dengan menambahkan

bersama-sama entri yang bersesuaian dalam kedua matriks tersebut

(Anton, 1994:23).

2.1.3 Perkalian Matriks

Jika 𝑨 adalah suatu matriks dan 𝒄 adalah suatu skalar, maka hasil kali

(Product) 𝒄𝑨 adalah matriks yang diperoleh dengan mengalikan masing –

masing entri dari 𝑨 oleh 𝒄 (Anton, 1994:24).

7
Jika 𝑨 adalah matriks 𝑚 × 𝑟 dan 𝑩 adalah matriks 𝑟 × 𝑛, maka hasil

𝑨𝑩 adalah matriks 𝑚 × 𝑛 yang entri-entrinya ditentukan sebagai berikut :

untuk mencari entri dalam baris 𝑖 dan kolom 𝑗 dari 𝑨𝑩, pilihlah baris 𝑖

dari matriks 𝑨dan kolom 𝑗 dari matriks 𝑩, kalikanlah entri – entri yang

bersesuaian dari baris dan kolom tersebut bersama – sama dan kemudian

tambahkan hasil kali yang dihasilkan (Anton, 1994:25).

2.1.4 Transpos Matriks

Jika 𝑨 adalah sebarang matriks 𝑚 × 𝑛, maka transpos 𝑨 dinyatakan

oleh 𝑨′ dan didefinisikan dengan matriks 𝑛 × 𝑚 yang kolom pertamanya

adalah baris pertama dari 𝑨, kolom keduanya adalah baris kedua dari 𝑨,

demikian juga dengan kolom ketiga dari 𝑨, dan seterusnya (Anton,

1994:27). Jika ukuran matriks seperti operasi yang diberikan dapat

dilakukan, maka:

a. (𝑨′ )′ = 𝑨

b. (𝑨 ± 𝑩)′ = 𝑨′ ± 𝑩′

c. (𝑘𝑨)′ = 𝑘𝑨′ , dimana 𝑘 adalah sebarang skalar

d. (𝑨𝑩)′ = 𝑩′ 𝑨′ , (Anton, 1994:37).

(2.1)

2.1.5 Invers Matriks

8
Jika 𝑨 dan 𝑩 matriks bujur sangkar 𝑛 × 𝑛 demikian sehingga 𝑨𝑩 =

𝑩𝑨 = 𝑰, 𝑩 disebut 𝑨, (𝑩 = 𝑨−𝟏 ) dan 𝑨 disebut invers 𝑩,(𝑨 = 𝑩−𝟏 ).

(2.2)

2.1.6 Trace Matriks

Jika 𝑰 adalah matriks persegi, maka jumlah unsur – unsur diagonal

utamanya disebut Trace atau telusur matriks itu, Trace matriks 𝑨

dinyatakan dengan tanda 𝑡𝑟(𝑨). Jadi jika adalah matriks persegi, maka

𝑡𝑟(𝑨) = ∑ 𝒂𝒊𝒊 (2.3)

2.2 Nilai Eigen dan Vektor Eigen

Jika A adalah matriks 𝑛 × 𝑛, maka vektor tak nol 𝑋 di dalam 𝑅 𝑛 dinamakan

vektor eigen (eigenvector) dari 𝐴 jika 𝐴𝑋 adalah kelipatan skalar dari 𝑋 yakni:

𝐴𝑋 = 𝜆𝑋

(2.4)

Untuk suatu skalar 𝜆. Skalar 𝜆 dinamakan nilai eigen (eigen value) dari 𝐴 dan 𝑋

dikatakan vektor eigen yang bersesuaian dengan 𝜆. Untuk mencari nilai eigen

matriks 𝐴 yang berukuran 𝑛 × 𝑛, dari persamaan (2.4) dapat ditulis kembali

sebagai suatu persamaan homogen:

(𝐴 − 𝜆𝐼)𝑋 = 0

(2.5)

9
Dengan 𝐼 adalah matriks identitas yang berordo sama dengan matriks 𝐴, dalam

catatan matriks:

a11 a12  a1n 1 0  0 x1


a 21 a 22  a2n 0 1  0 x
𝐴𝑛×𝑛 = , 𝐼𝑛×𝑛 = , 𝑋= 2
        
[ a m1 am2  a mn ] [0 0  1] [ xn ]

𝐴𝑋 = 𝜆𝑋, 𝑋 ≠ 0

𝐴𝑋 = 𝜆𝐼𝑋

𝐴𝑋 − 𝜆𝐼𝑋 = 0

(𝐴 − 𝜆𝐼)𝑋 = 0

𝑋 ≠ 0 → |𝐴 − 𝜆𝐼| = 0

Untuk memperoleh nilai 𝜆.

|𝐴 − 𝜆𝐼| = 0

𝑎21 − 𝜆 ⋯ 𝑎1𝑛
| ⋮ ⋱ ⋮ |=0
𝑎𝑛1 ⋯ 𝑎𝑛𝑛 − 𝜆

𝑓(𝜆) = 𝑎0 𝜆𝑛 + 𝑎1 𝜆𝑛−1 + ⋯ + 𝑎𝑛−1 𝜆 + 𝑎𝑛 = 0

𝑛 buah akar 𝜆1 , 𝜆2 , ⋯ , 𝜆𝑛 , jika nilai eigen 𝜆𝑛 disubsitusi pada persamaan

(𝐴 − 𝜆𝐼)𝑋 = 0, maka solusi dari vektor eigen 𝑋𝑛 adalah (𝐴 − 𝜆𝑛 𝐼)𝑋𝑛 = 0.

Jadi apabila matriks 𝐴𝑚×𝑛 mempunyai akar karakteristik 𝜆1 , 𝜆2 , ⋯ , 𝜆𝑛 dan ada

kemungkinan bahwa diantaranya mempunyai nilai yang sama, bersesuaian

dengan akar-akar karakteristik ini adalah himpunan vektor–vektor karakteristik

10
yang orthogonal (artinya masing-masing nilai akar karakteristik akan memberikan

vektor karakteristik) 𝑋1 , 𝑋2 , ⋯ , 𝑋𝑛 sedemikian sehingga:

𝑋𝑖′ 𝑋𝑗 = 0; 𝑖 ≠ 𝑗 𝑖, 𝑗 = 1,2,3, … , 𝑛

Tanpa menghilangkan sifat umum, vektor-vektor tersebut bisa dibuat normal

(standar) sedemikian rupa sehingga 𝑋𝑖′ 𝑋𝑗 = 𝐼 untuk semua 𝑖, suatu himpunan

vektor-vektor orthogonal yang telah dibuat normal (standar) disebut orthogonal

set.

Apabila 𝑋 merupakan matriks 𝑛 × 𝑛, dimana kolom-kolomnya terdiri dari

vektor-vektor 𝑋𝑖 dan kemudian bisa ditulis dengan dua syarat sebagai berikut:

1. 𝑋𝑖′ 𝑋𝑗 = 0, jika 𝑖 ≠ 𝑗

𝑋𝑖′ 𝑋𝑗 = 1, jika 𝑖 = 𝑗

2. 𝑋 ′ 𝑋 = 𝐼𝑛 sehingga 𝑋 ′ = 𝑋 −1

Matriks yang mempunyai sifat demikian dinamakan matriks orthogonal.

2.3 Analisis multivariat

Zikmund (dalam Hasan Nomleni, 2000) mengatakan bahwa analisis dapat

dibagi menjadi tiga tingkatan berdasarkan banyaknya variabel yang dilibatkan,

diantaranya:

 Analisis univariat

Apabila hanya satu variabel yang dilibatkan.

 Analisis bivariat

Jika variabel yang dilibatkan berjumlah 2.

11
 Analisis multivariat

Jika variabel yang dilibatkan lebih dari 2.

1. Pengertian analisis multivariat

Analisis multivariat adalah metode – metode statistik yang mengolah

tentang beberapa pengukuran menyangkut individu atau objek sekaligus

(simultaneously). Analisis multivariat dapat juga diartikan sebagai

hubungan antara (between) atau diantara (among) lebih dari dua variabel.

Analisis statistik multivariat merupakan metode statistik yang

memungkinkan kita melakukan penelitian terhadap lebih dari dua variabel

secara bersamaan serta dapat menganalisis pengaruh beberapa variabel

terhadap variabel – variabel lainnya dalam waktu yang bersamaan.

Analisis multivariat digunakan karena pada kenyataannya masalah

yang terjadi tidak dapat diselesaikan dengan hanya menghubung-

hubungkan dua variabel atau melihat pengaruh satu variabel terhadap

variabel lainnya. Tujuan dari analisis multivariat adalah mengukur,

menerangkan, dan memprediksi tingkat relasi (the degree of relationship)

tentang variat–variat ( kombinasi linear variabel – variabel yang memiliki

bobot yang penentuannya dilakukan secara empiris).

2. Tipe – tipe analisis multivariat

Analisis multivariat selalu berkembang, berbagai teknik yang diterima

secara luas adalah:

12
a. Principal Component Analysis dan Common Factors Analysis

b. Multiple regression dan multiple correlation

c. Multiple diskriminan analysis

d. Multivariat analysis of variance dan covariance

e. Conjoint analysis

f. Canonical correlation

g. Cluster analysis

h. Multidimensional analysis

i. Correspondence analysis

Berdasarkan hubungan antar variabel, analisis multivariat dapat

dibedakan menjadi dependence techniques dan interpedence technique.

Dalam dependence techniques, terdapat dua jenis variabel, yaitu variabel

dependen dan variabel independen. Yang termasuk golongan ini adalah

analisis berganda, korelasi kanonikal, analisis diskriminan, MANOVA,

dan model Probabilitas Linear.

Analisis klaster, MDS, analisis faktor, dan analisis korespodensi

termasuk interpendence techniques. Analisis interpendensi berfungsi

untuk memberikan makna terhadap seperangkat variabel atau membuat

kelompok – kelompok secara bersama-sama. Dalam teknik ini, kedudukan

setiap variabel sama, tidak ada variabel dependen dan variabel

independen. Yang diprediksi ialah interelasi antar variabel. Dari interelasi

13
itulah diambil kesimpulan – kesimpulan sesuai teknik yang

dipakai.(Bilson dalam Hasan Nomleni:2005)

2.4 Analisis Regresi Berganda

Regresi berganda adalah pengaruh yang didapatkan dari dua atau lebih

variabel bebas dengan satu variabel terikatnya. Secara umum, model regresi linear

berganda melibatkan satu variabel tak bebas 𝑌 dan 𝑝 variabel bebas dinyatakan

sebagai berikut:

𝑌 = 𝛽0 + 𝛽1 𝑋1 + 𝛽2 𝑋2 + ⋯ + 𝛽𝑝 𝑋𝑝 + 𝜀

(2.6)

Dengan:

𝑋1 , 𝑋2 , … , 𝑋𝑝 = Variabel bebas

𝑌= Variabel tak bebas

𝛽0= intersep

𝛽𝑖 = parameter yang akan ditaksir

𝜀= unsur gangguan stokastik

Suatu model regresi linear berganda dengan 𝑝 variabel bebas dimana 𝛽𝑗 , 𝑗 =

0,1,3, . . 𝑝 disebut bilangan pokok (koefisien) regresi. Parameter 𝛽𝑗 mewakili

perubahan yang diharapkan dalam variabel terikat 𝑌 di tiap unit berubah ke 𝑋𝑖

ketika semua variabel bebas yang tersisa 𝑋𝑖 (𝑖 ≠ 𝑗) tidak berubah.

Apabila terdapat sejumlah 𝑛 pengamatan dengan 𝑝 variabel bebas 𝑋 maka

untuk setiap observasi atau respoden mempunyai persamaannya sebagai berikut:

14
𝑌1 = 𝛽0 + 𝛽1 𝑋11 + 𝛽2 𝑋21 + 𝛽3 𝑋31 + ⋯ + 𝛽𝑝 𝑋𝑝1 + 𝜀1

𝑌2 = 𝛽0 + 𝛽1 𝑋12 + 𝛽2 𝑋22 + 𝛽3 𝑋32 + ⋯ + 𝛽𝑝 𝑋𝑝2 + 𝜀2

𝑌3 = 𝛽0 + 𝛽1 𝑋13 + 𝛽2 𝑋23 + 𝛽3 𝑋33 + ⋯ + 𝛽𝑝 𝑋𝑝3 + 𝜀3

Persamaan regresi diatas untuk semua respoden dapat dinyatakan dengan

matriks akan menjadi:

Y1  1 X 11 X 21 X 31 ... X p1   1   1 
Y  1 X 12 X 22 X 32 ... X p 2      
 2   2  2
Y3  1 X 13 X 23 X 33 ... X p 3    3   3 
       
 .   . . . . . .   . .
 .  . . . . . .   .  .
       
 .  . . . . . .   .  .
Y  1 X 1n X 2n X 3n ... X pn      
 n   n  n

Persamaan regresinya dapat ditulis dengan notasi matriks yaitu

𝑦 = 𝛽𝑥 + 𝜀

(2.7)

Dimana:

𝑦 = vektor kolom 𝑛 × 1 dari variabel tak bebas 𝑌

𝑥 = matriks 𝑛 × (𝑝 + 1) dari variabel bebas 𝑋

𝛽 = vektor kolom (𝑝 + 1) × 1 dari parameter yang tak diketahui

𝛽0 , 𝛽1 , … , 𝛽𝑝

𝜀 = vektor kolom 𝑛 × 1 dari gangguan (disturbance)

15
Penambahan variabel bebas ini diharapkan dapat lebih menjelaskan

karakteristik hubungan yang ada, walaupun masih saja ada variabel yang

terabaikan. (R.K. Sembiring, 2003: 112).

Beberapa kriteria yang digunakan untuk melihat tepat tidaknya model regresi

yang diperoleh dengan melihat koefisien determinasi berganda (𝑅 2 ). Koefisien

determinasi merupakan pengukuran keberartian persamaan regresi atau untuk

mengukur kecocokan model data. Nilai 𝑅 2 dapat dinyatakan dengan persen dan

dicari dengan membandingkan jumlah kuadrat regresi (𝐽𝐾𝑅𝑒𝑔𝑟𝑒𝑠𝑖 ) dengan jumlah

kuadrat total (𝐽𝐾𝑇𝑜𝑡𝑎𝑙 ) dan didefinisikan sebagai berikut:

𝐽𝐾𝑅𝑒𝑔𝑟𝑒𝑠𝑖
𝑅2 = × 100%
𝐽𝐾𝑇𝑜𝑡𝑎𝑙

Semakin besar nilai 𝑅 2 maka taksiran model regresi yang diperoleh semakin

baik dan jika nilai 𝑅 2 semakin kecil maka taksiran model regresi yang diperoleh

tidak baik. Masalah penting dalam penerapan analisis regresi berganda adalah

pemilihan variabel – variabel bebas yang dapat digunakan dalam model agar

diperoleh persamaan regresi terbaik yang mengandung sebagian atau seluruh

variabel bebas.

2.5 Asumsi Regresi Linear Berganda

Dalam model regresi linier berganda ada beberapa asumsi yang harus

dipenuhi, asumsi tersebut adalah:

1. Nilai rata-rata kesalahan pengganggu nol, yaitu 𝐸(𝜀𝑖 ) = 0, untuk 𝑖 =

1,2, … , 𝑛.

16
2. Varian (𝜀𝑖 ) = 𝐸(𝜀𝑖 2 ) = 𝜎 2 , sama untuk semua kesalahan pengganggu

(asumsi homoskedastisitas).

3. Tidak ada otokorelasi antara kesalahan pengganggu, berarti (𝜀𝑖 , 𝜀𝑗 ) = 0, 𝑖 ≠ 𝑗.

4. Variabel bebas 𝑋1 , 𝑋2 , … , 𝑋𝑘 , konstan dalam sampling yang terulang dan

bebas terhadap kesalahan pengganggu 𝜀𝑖 .

5. Tidak ada multikolinearitas diantara variabel bebas 𝑋.

6. 𝜀𝑖 ~𝑁(0, 𝜎 2 ), artinya kesalahan pengganggu mengikuti distribusi normal

dengan rata-rata 0 dan varian 𝜎 2 .

2.6 Metode Kuadrat Terkecil / Ordinary Least Squared (OLS)

Metode Kuadrat Terkecil merupakan metode yang lebih banyakdigunakan

dalam pembentukan model regresi atau mengestimasi parameter-parameter

regresi dibandingkan dengan metode-metode lain. Metode kuadrat terkecil adalah

metode yang digunakan untuk mengestimasi nilai 𝛽̂ dengan cara meminimumkan

jumlah kuadrat kesalahan , 𝑆 = ∑ 𝑒𝑖2 .

Dalam notasi matriks, sama dengan meminimumkan

 e1 
e 
e ' e  e1 e2 ... en  2   e12  e22    en2   ei2 dengan:

 
 en 

𝑒𝑖 = 𝑦 − 𝑋𝛽̂, sehingga:

𝑆 = 𝑒′𝑒

= (𝑦 − 𝑋𝛽̂ ) (𝑦 − 𝑋𝛽̂ )

17
= (𝑦 ′ − 𝛽̂ ′ 𝑋 ′ )(𝑦 − 𝑋𝛽̂ )

= 𝑦 ′ 𝑦 − 𝛽̂ ′ 𝑋 ′ 𝑦 − 𝑦 ′ 𝑋𝛽̂ + 𝛽̂ ′ 𝑋 ′ 𝑋𝛽̂

(Karena 𝛽̂ ′ 𝑋 ′ 𝑦 = (𝛽̂ ′ 𝑋 ′ 𝑦) = 𝑦 ′ 𝑋𝛽̂ )

= 𝑦 ′ 𝑦 − 2𝑦 ′ 𝑋𝛽̂ + 𝛽̂ ′ 𝑋 ′ 𝑋𝛽̂

Jika 𝑆 diturunkan secara parsial terhadap parameter 𝛽̂ diperoleh:

𝛿(𝑒 ′ 𝑒)
= −2𝑋 ′ 𝑦 + 2𝑋 ′ 𝑋𝛽̂
𝛿𝛽 ̂

𝛿(𝑒 𝑒) ′
Estimasi nilai 𝛽̂ diperoleh dengan meminimumnkan, 𝛿𝛽̂ maka:

−2𝑋 ′ 𝑦 + 2𝑋 ′ 𝑋𝛽̂ = 0

𝑋 ′ 𝑋𝛽̂ = 𝑋 ′ 𝑦

(𝑋 ′ 𝑋)−1 𝑋 ′ 𝑋𝛽̂ = (𝑋 ′ 𝑋)−1 𝑋 ′ 𝑦

𝛽̂ = (𝑋 ′ 𝑋)−1 𝑋 ′ 𝑌

(2.8)

̂ = (𝑿′ 𝑿)−𝟏 𝑿′ 𝒀
Jadi estimasi untuk 𝛽 adalah 𝜷

Jika variabel – variabel penjelas 𝑋 ditransformasikan ke dalam bentuk baku,

yaitu setiap variabel dipusatkan dengan cara mengurangi variabel tersebut dengan

rata-rata (mean) dari variabel tersebut kemudian dibagi dengan akar pangkat dua

dari korelasi jumlah kuadrat untuk variabel tersebut. Misal variabel yang

dibakukan adalah 𝑋 ′ , maka diperoleh:

18
X ij  X i X ij  X j
 
*
X
 X 
ij n 2

ij Xj
2
S jj

j 1

(2.9)

Dengan:

𝑋𝑖𝑗∗ = variabel 𝑋 dalam bentuk baku

𝑆𝑗𝑗 = koreksi jumlah kuadrat 𝑋𝑗

Karena variabel penjelas 𝑋 ditransformasikan ke dalam bentuk baku, maka

persamaan dapat ditulis sebagai berikut:

̂ = (𝑿∗′ 𝑿∗ )−𝟏 𝑿∗′ 𝒀


𝜷 (2.10)

Dengan 𝑿∗ = matriks variabel penjelas yang telah dibakukan berukuran 𝑛 × 𝑝

2.7 Matriks Koefisien Korelasi R

Matriks koefisien antara variabel – variabel penjelas dalam model regresi

linear berganda didefinisikan:

 r11 r12  r1 p 
r r22  r2 p 
R
21

    
 
rp1 rp 2  rpp 

(2.11)

Dengan 𝑟𝑢𝑣 = korelasi antara variabel penjelas 𝑋𝑢 dan 𝑋𝑣 dimana:

19
 X
n
X vi
ruv  i 1
, u 1,2,, p dan v 1,2,, p
ui

 X
n * *
i 1
ui X vi

(2.12)

Berdasarkan persamaan (2.8) maka:

2
 X  Xu 
   n ui 
n n

X * 2
  
2 
ui
i 1 
i 1
 i 1 X ui  X u 

 X 
n 2
 Xu
 i 1 ui

 X 
n 2
i 1 ui  Xu
1

(2.13)

Sehingga jika persamaan (2.13) disubsitusikan kedalam persamaan (2.12)

diperoleh

ruv  i1 X *ui X *vi ,


n
u  1,2,3,, p dan v  1,2,, p

(2.14)

Jika 𝑢 = 𝑣 maka persamaan (19) menjadi

n
ruv   X ui* X vi*
i 1

n
  X ui2
i 1

1

(2.15)

Dari (2.15) dan (2.16) sesuai dengan persamaan (2.12) diperoleh

20


1 X *
1 X *2  X *
1 X *p 
* 

R   X * 2 X *1 1  X *
2X p

     
 
 X p X 1 X
* * *
p X *2  1 

(2.16)

Atau dalam matriks 𝑹 dapat dinyatakan sebagai berikut:

𝑹 = 𝑿∗′ 𝑿∗

2.8 Pengujian Koefisien Regresi

2.8.1 Pengujian Koefisien Regresi secara Serentak

Menurut Drapper dan Smith (1992:97), hipotesis yang melandasi

pengujian koefisien regresi adalah:

𝐻0 ∶ 𝛽1 = 𝛽2 = ⋯ 𝛽𝑘 = 0

𝐻1 ∶ 𝛽𝑘 ≠ 0, untuk paling sedikit satu 𝑘

Penyelidikan koefisien regresi dapat dipermudahkan dengan

menggunakan tabel analisis variansi seperti pada tabel berikut:

Tabel 2.3. Analisis Variansi


Derajat
Sumber Jumlah Kuadrat Tengah
Bebas 𝐹𝐻𝑖𝑡𝑢𝑛𝑔
Variansi Kuadrat (𝐽𝐾) (𝐾𝑇)
(𝑑𝑏)
Regresi (Reg) K 𝑏(𝑋 ′ 𝑌) − 𝑛𝑌 2 𝐽𝐾𝑅 ⁄𝑘 𝐾𝑇𝑅⁄𝐾𝑇𝑆

Galat/sisa (S) n-k-1 𝐽𝐾𝑇 − 𝐽𝐾𝑅 𝑅2


𝐽𝐾𝑆
= −𝑘−1
𝑛
Total (T) n-1 (𝑌 ′ 𝑌) − 𝑛𝑌 2

21
Keterangan: JKR = Jumlah kuadrat regresi

JKT = Jumlah kuadrat total

JKS = Jumlah kuadrat sisa

KTR = Kuadrat tengah regresi

KTS = Kuadrat tengah sisa

Statistik uji yang digunakan adalah uji F yang pada dasarnya

menunjukan apakah semua variabel bebas yang dimasukan dalam

model mempunyai pengaruh secara bersama-sama terhadap variabel

tak bebas.

Jumlah kuadrat regresi dapat digunakan sebagai petunjuk apakah

model sudah menggambarkan keadaan sesungguhnya atau sebaliknya.

Uji F didefinisikan sebagai berikut:

𝐽𝐾𝑅/𝑘 𝐽𝐾𝑅/𝑘
𝐹= 𝐽𝐾𝑆 = 𝑠2
𝑛−𝑘−1

(2.17)

Dengan: db pembilang = k (banyaknya variabel bebas dalam model)

Db penyebut = n-k-1

Adapun kriteria pengujiannya sebagai berikut:

1. Jika 𝐹ℎ𝑖𝑡𝑢𝑛𝑔 > 𝐹𝑡𝑎𝑏𝑒𝑙 maka 𝐻0 ditolak artinya model mempunyai

hubungan linier dengan kata lain ada pengaruh yang signifikan

antara variabel bebas dengan variabel terikatnya.

22
2. Jika 𝐹ℎ𝑖𝑡𝑢𝑛𝑔 < 𝐹𝑡𝑎𝑏𝑒𝑙 maka 𝐻0 diterima artinya model tidak

mempunyai hubungan linier, dengan kata lain tidak ada pengaruh

yang signifikan antara variabel bebas dengan variabel terikatnya.

2.8.2 Pengujian Koefisien Regresi secara Parsial

a. Pengujian parameter 𝛽0

Pengujian parameter untuk 𝛽0 dengan menggunakan uji t, yaitu:

𝑏0 −𝛽0 ∑ 𝑒𝑖2
𝑡= dan 𝑆𝑏0 = 𝑆𝑒√𝑑𝑖𝑖 serta 𝑆𝑒 = √
𝑆𝑏0 𝑛−𝑘−1

(2.18)

Dengan:

𝑑𝑖𝑖 = entri dari baris ke –i dan kolom ke – j matriks (𝑋 ′ 𝑋)−1

𝑒𝑖 = 𝑌𝑖 − (𝑏0 + 𝑏1 𝑋1𝑖 + ⋯ + 𝑏𝑘 𝑋𝑘𝑖 )

Dengan hipotesisnya adalah sebagai berikut:

𝐻0 ∶ 𝛽0 = 0

𝐻1 ∶ 𝛽0 ≠ 0

Adapun kriteria pengujiannya adalah sebagai berikut:

 Jika 𝑡ℎ𝑖𝑡𝑢𝑛𝑔 > 𝑡𝑡𝑎𝑏𝑒𝑙 maka 𝐻0 ditolak

 Jika 𝑡ℎ𝑖𝑡𝑢𝑛𝑔 < 𝑡𝑡𝑎𝑏𝑒𝑙 maka 𝐻0 diterima

b. Pengujian Parameter 𝛽𝑖

Pengujian ini bertujuan untuk menentukan signifikan suatu

variabel bebas dalam model. Dengan kata lain, perlu tidaknya

23
variabel tersebut berada dalam model. Hipotesis untuk pengujian

ini adalah:

𝐻0 ∶ 𝛽𝑖 = 0, 𝑖 = 1,2, ⋯ , 𝑘

𝐻1 ∶ 𝛽𝑖 ≠ 0

Statistik uji yang dilakukan adalah dengan menggunakan uji t

yaitu:

𝑏𝑖
𝑡ℎ𝑖𝑡𝑢𝑛𝑔 =
√𝑣𝑎𝑟(𝑏𝑖 )

(2.19)

Dimana:

𝑏𝑖 = penduga bagi 𝛽𝑖

Adapun kriteria pengujiannya adalah sebagai berikut:

 Jika 𝑡ℎ𝑖𝑡𝑢𝑛𝑔 > 𝑡𝑡𝑎𝑏𝑒𝑙 maka 𝐻0 ditolak

 Jika 𝑡ℎ𝑖𝑡𝑢𝑛𝑔 < 𝑡𝑡𝑎𝑏𝑒𝑙 maka 𝐻0 diterima

2.9 Analisis Komponen Utama (Principal Component Analysis)

Metode Principal Component Analysis (PCA) dibuat pertama kali oleh para

ahli statistik dan ditemukan oleh Karl Pearson pada tahun l90l yang memakainya

pada bidang biologi. Kemudian tidak ada perkembangan baru pada teknik ini,

dan perkembangannya baru mulai pesat pada akhir tahun l930 dan awal 1940.

Setelah itu perkembangannya berkurang sebentar sampai komputer telah berhasil

didesain sehingga dapat mengaplikasikan teknik ini pada masalah-masalah yang

24
masuk akal. Pada tahun 1947 teori ini muncul lagi dan cukup independen sebagai

teori probabilitas yang ditemukan oleh Karhunen, dan kemudian dikembangkan

oleh Loeve pada tahun l963, sehingga teori ini juga dinamakan Karhunen-Loeve

transform pada bidang ilmu telekomunikasi.

Analisis komponen utama (Principal Component Analysis) merupakan suatu

teknik yang mereduksi data multivariat (banyak data) yang mencari untuk

mengubah (mentrasformasi) suatu matrik data awal/asli menjadi suatu set

kombinasi linear yang lebih sedikit akan tetapi menyerap sebagian besar jumlah

varian dari data awal. Tujuan utamanya ialah menjelaskan sebanyak mungkin

jumlah varian data asli dengan sedikit mungkin komponen utama yang disebut

faktor.

Penerapan metode ini dilakukan untuk mendapatkan variabel baru yang saling

bebas dan merupakan kombinasi linear dari variabel asalnya. Pada analisis

komponen utama, vektor variabel penjelas asal yaitu 𝑿 = (𝑋1 , 𝑋2 , ⋯ , 𝑋𝑘 )

ditransformasikan menjadi vektor variabel baru 𝑲 = (𝐾1 , 𝐾2 , ⋯ , 𝐾𝑞 ) dengan 𝑞 ≤

𝑘. Dalam bentuk persamaan dinyatakan sebagai:

𝐾𝑖 = 𝑎1𝑖 𝑋1 + 𝑎2𝑖 𝑋2 + ⋯ + 𝑎𝑘𝑖 𝑋𝑘 = 𝒂′𝒊 𝑿

(2.20)

Dimana:

𝑎1 , 𝑎2 , ⋯ , 𝑎𝑘 = vektor ciri
2 2 2
𝑎1𝑖 + 𝑎2𝑖 + ⋯ + 𝑎𝑘𝑖 =1

25
𝑎𝑖′ = [𝑎1𝑖 , 𝑎2𝑖 , ⋯ , 𝑎𝑘𝑖 ]

Sedemikian sehingga variabel – variabel 𝐾1 , 𝐾2 , ⋯ , 𝐾𝑞 saling bebas satu sama

lain dan variabel baru 𝐾𝑞 menjelaskan sebesar mungkin proporsi keragaman dari

vektor variabel penjelas asal.

2.9.1 Cara Menentukan Komponen Utama

Ada dua cara menentukan komponen utama yaitu:

a) Menggunakan Matriks Ragam Peragam (Varian Covarian)

Jika 𝛼 didefinisikan sebagai matriks konstan berukuran 𝑛 × 𝑘, maka

komponen utama didefinisikan sebagai kombinasi dari 𝑘 variabel penjelas

asal yang dinyatakan dalam bentuk matrik berikut:

𝑲 = 𝒂′ 𝑿

 K1   a11 a21  ak1   X 1 


 K  a  ak 2   X 2 
 2    21 a22
           
     
 K k   ain a2 n  akn   X k 

Dengan: 𝑋 = matrik kolom variabel asal

𝑎′ = matrik vektor ciri

Atau dalam bentuk kombinasi linier adalah:

𝐾1 = 𝑎11 𝑋1 + 𝑎21 𝑋2 + ⋯ + 𝑎𝑘1 𝑋𝑘

𝐾2 = 𝑎12 𝑋1 + 𝑎22 𝑋2 + ⋯ + 𝑎𝑘2 𝑋𝑘

⋮ ⋮ ⋮ ⋮

𝐾𝑘 = 𝑎1𝑛 𝑋1 + 𝑎2𝑛 𝑋2 + ⋯ + 𝑎𝑘𝑛 𝑋𝑘

26
𝐾1 , 𝐾2 , ⋯ , 𝐾𝑘 disebut komponen utama dari 𝑋. Jika matrik ragam

peragam dari variabel asal 𝑋𝑖 dilambangkan dengan Σ, maka didapatkan

ragam 𝐾𝑖 dan peragam dari 𝐾𝑖 masing – masing komponen utama yaitu:


𝑡
𝑉𝑎𝑟(𝐾𝑖 ) = 𝐸 [(𝐾𝑖 − 𝐸(𝐾𝑖 ))(𝐾𝑖 − 𝐸(𝐾𝑖 )) ]

𝑡
= [(𝑎𝑖𝑡 𝑋 − 𝐸(𝑎𝑖𝑡 𝑋))(𝑎𝑖𝑡 𝑋 − 𝐸(𝑎𝑖𝑡 𝑋)) ]

𝑡
= [(𝑎𝑖𝑡 (𝑋 − 𝐸(𝑋))) (𝑎𝑖𝑡 (𝑋 − 𝐸(𝑋))) ]

𝑡
= 𝑎𝑖𝑡 𝐸 [(𝑋 − 𝐸(𝑋))(𝑋 − 𝐸(𝑋)) ] 𝑎𝑖

= 𝑎𝑖𝑡 ∑ 𝑎𝑖

𝑡
𝐶𝑜𝑣(𝐾𝑖 , 𝐾𝑗 ) = 𝐸 [(𝐾𝑖 − 𝐸(𝐾𝑖 )) (𝐾𝑗 − 𝐸(𝐾𝑗 )) ]

𝑡
= [(𝑎𝑖𝑡 𝑋 − 𝐸(𝑎𝑖𝑡 𝑋)) (𝑎𝑗𝑡 𝑋 − 𝐸(𝑎𝑗𝑡 𝑋)) ]

𝑡
= [(𝑎𝑖𝑡 (𝑋 − 𝐸(𝑋))) (𝑎𝑗𝑡 (𝑋 − 𝐸(𝑋))) ]

𝑡
= 𝑎𝑖𝑡 𝐸 [(𝑋 − 𝐸(𝑋))(𝑋 − 𝐸(𝑋)) ] 𝑎𝑗

= 𝑎𝑖𝑡 ∑ 𝑎𝑗 𝑖, 𝑗 = 1,2, ⋯ , 𝑘

misal 𝑺 matrik ragam peragam atau varian kovarian. Menurut Suryanto

(1998), 𝑺 didefinisikan sebagai berikut:

27
 var(x 1 ) cov(x 1 , x2 )  cov(x 1 , xk ) 
cov(x , x ) var(x )  cov(x 2 , xk )
𝑺=  2 1 2
     
 
cov(x k , x1 ) cov(x k , x2 )  var(x k ) 

Akar karakteristik (𝜆) dari 𝑺 matrik adalah sebagai berikut:

|𝑺 − 𝝀𝑰| = 0

(2.21)

Sedangkan vektor karakteristik (𝑉) adalah sebagai berikut:

|𝑺 − 𝝀𝑰|𝑽 = 0

(2.22)

Komponen utama ke-I yang merupakan kombinasi linier terbobot

variabel asal bertujuan untuk memaksimalkan 𝑣𝑎𝑟(𝐾𝑖 ) dan tidak

berkorelasi dengan komponen utama yang lain, melainkan bersifat

ortogonal dengan komponen utama yang lain. Oleh karena itu, 𝐾𝑖 harus

memenuhi batasan 𝑎𝑖𝑡 𝑎𝑖 = 𝐼,𝑎𝑖𝑡 𝑎𝑗 = 𝑜 ; 𝑗 < 𝑖 (Morrison, 1987).

Keragaman yang dapat diterangkan oleh komponen utama ke-k

𝜆𝑘
terhadap keragaman total adalah : 𝑝
∑𝑘=1 𝜆𝑘
× 100% sedangkan secara

kumulatif, keragaman total yang dijelaskan oleh m komponen utama :

∑𝑚
𝑘=𝑖 𝜆𝑘
𝑞
∑𝑘=1 𝜆𝑘
× 100 % dimana 𝑚 ≤ 𝑞 adalah banyaknya komponen utama yang

digunakan.

28
Untuk menafsirkan hasil komponen utama yang dipilih dengan melihat

beban-beban komponen, yaitu dengan memilih komponen utama yang

sudah mencakup semua variabel. Beban untuk 𝑋𝑖 komponen utama 𝑌𝑖

adalah koefisien korelasi momen hasil kali antara 𝑋𝑖 dan 𝑌𝑖 . Jika beban ini

𝑎
dinyatakan dengan tanda 𝑏𝑖𝑗 , maka 𝑏𝑖𝑘 = 𝐶𝑖𝑘 √𝑆 𝑘 .
𝑖𝑘

b) Menggunakan Matrik Korelasi

Bila komponen utama dihasilkan dari matrik ragam-ragam maka

komposisi dari komponen utama tergantung pada satuan pengukuranyang

tidak sama yaitu dengan membentuk komponen utama darimatrik

korelasi.Bila k variabel asal diukur dengan satuan pengukur berbeda

makavariabel tersebut ditransformasikan ke dalam skor baku.

Pembakuanvariabel asal X ke dalam skor Z dapat diakukan dengan

menggunakan rumus:
𝑋𝑖𝑗 −𝜇𝑗
𝑍𝑖𝑗 =
√𝜎𝑗2

(2.23)

Dalam bentuk matrik : 𝑍 = (𝑋 − 𝜇)(𝑉 1⁄2 )−1 dengan 𝑉 1⁄2 adalah

matrik diagonal simpangan baku, sedangkan elemen yang lain adalah nol

dan dalam bentuk (𝑉 1⁄2 )−1 dapat ditulis sebagai berikut:

29
1
0  0

2
1
1
0  0 1

1⁄2 −1
(𝑉 ) = 2
=𝐷
2
0 0   √𝜎𝑗2
[ ]
1
0 0 

2

[ j ]

Hubungan antara matrik ragam peragam Σ dengan matrik korelasi 𝑹

dapat dinyatakan dengan:

−𝟏 𝒓 −𝟏
𝑹 = ((𝑽𝟏⁄𝟐 ) ) ∑(𝑽𝟏⁄𝟐 )

(2.24)

Dengan demikian komponen utama Z dapat ditentukan dari vektor ciri

matriks korelasi variabel asal Rsehingga komponen utama ke-j adalah:

𝑌𝑗 = 𝑎𝑗 𝑍𝑗 = 𝑎1𝑗 𝑍1 + 𝑎2𝑗 𝑍2 + ⋯ + 𝑎𝑛𝑗 𝑍𝑛

2.9.2 Menentukan banyaknya komponen utama

Menentukan banyaknya faktor atau principal component bisa sama

dengan banyaknya variabel awal/asli, akan tetapi tidak didapat sifat hemat

(persimony). Agar dapat meringkas informasi yang terkandung dalam data

asli/awal maka banyaknya faktor yang disarikan (to be extracted) dari

variabel asli harus lebih sedikit dari dari variabel asli. Ada beberapa

prosedur yang bisa digunakan dalam menentukan banyaknya faktor yaitu:

1) Penentuan A Priori

30
Oleh karena pengetahuan sebelumnya (prio knowlegde), peneliti

mengetahui berapa banyaknya faktor yang bisa diharapkan sehingga

dapat menentukan sendiri berapa faktor yang bisa disarikan (to be

extracted) dari variabel awal.

2) Penentuan berdasarkan pada eigen values

Di dalam pendekatan ini, hanya faktor dengan nilai eigen yang

lebih dari 1 (satu) yang dipertahankan, sedangkan faktor lainnya yang

eigen values-nya satu atau kurang dari satu tidak lagi dimasukan

dalam model. Perlu diketahui bahwa suatu eigen values mencerminkan

jumlah varians (the amount of variance) yang berasosiasi dengan

faktor

3) Penentuan berdasarkan pada Scree Plot

Scree Plot merupakan suatu kurva yang diperoleh dengan menge-

plot nilai eigen values sebagai sumbu vertikal dengan banyaknya

faktor/komponen sebagai sumbu horisontal. Bentuk kurva atau plot-

nya yang dipergunakan untuk menentukan banyaknya faktor dengan

cara melihat suatu bengkokan yang berbeda (distinct break) antara

lereng yang curam (steep scope) dari faktor.

4) Penentuan berdasarkan Persentase varian

Dalam pendekatan ini, banyaknya faktor yang diekstrasi

ditentukan oleh persentase varian kumulatif sehingga persentase

31
varian yang diekstrasi oleh faktor mencapai suatu tingkat yang

memuaskan dan disarankan bahwa faktor yang diekstrasi harus

mencangkup paling sedikit 66% dari varian.

5) Penentuan berdasarkan pada Split-Half Reliability

Dalam hal ini sampel dibagi menjadi dua bagian, misalnya sampel

1 dan sampel 2 dan analisis dilakukan pada sampel 1 dan sampel 2

hingga faktor yang mempunyai korespodensi tinggi (high

correspodence) dari faktor loading baik pada sampel 1 maupun sampel

2 yang dipertahankan.

6) Penentuan berdasarkan pada uji signifikansi

Sebenarnya dimungkinkan untuk menentukan signifikansi statistik

dari nilai eigen secara terpisah dan hanya mempertahankan faktor–

faktor yang secara statistik memang signifikan, misalnya dengan

tingkat signifikan 5 % namun cara ini memiliki kelemahan jika jumlah

sampel yang besar, banyak faktor yang menurut statistik signifikan

akan tetapi hanya mampu menyerap varian dalam jumlah yang kecil

atau kurang dari 60%. Jadi varian yang diserap oleh faktor–faktor

tersebut tidak maksimum. ( J.Supranto,2004:322)

Banyaknya komponen utama yang dipilih sudah cukup memadai jika

komponen-komponen tersebut memiliki persentase keragaman kumulatif

(Cumulative Sums of Squard Loadings) tidak kurang dari 75% dari total

32
keragaman data. Prosedur lain adalah pendekatan yang diberikan oleh Kaiser

yaitu pengamabilan komponen utama apabila mempunyai akar ciri yang lebih

besar dari satu.

2.9.3 Langkah – langkah Principal Component Analysis (PCA)

Sebelum melakukan perhitungan analisis dengan menggunakan

metode PCA, terlebih dahulu dilakukan beberapa pengujian sebegai

berikut:

a. Uji Barlett (kebebasan antar variabel)

Uji ini digunakan untuk melihat apakah matriks korelasi bukan

merupakan matriks identitas. Dipakai apabila sebagian besar koefisien

korelasi kurang dari 0,5. Langkah-langkahnya sebagai berikut :

1. Menentukan hipotesisi dimana :

𝐻0 : matriks korelasi merupakan matriks identitas

𝐻1 : matriks korelasi bukan merupakan matriks identitas

2. Uji statistik

(2𝑝 + 5)
𝜒 2 = − [(𝑛 − 1) − ] 𝑙𝑛|𝑅|
6

Dimana:

𝑛 = jumlah sampel

𝑝 = jumlah peubah

|𝑅| = determinasi dari matriks korelasi

3. Membuat keputusan

33
2 𝑝(𝑝−1)
Uji Barlett akan menolak 𝐻0 jika nilai 𝜒𝑜𝑏𝑠 > 𝜒 2 𝛼, 2

maka variabel saling berkorelasi, hal ini berarti terdapat

hubungan antar variabel. Jika 𝐻0 ditolak maka analisis

multivariat layak untuk digunakan terutama analisis komponen

utama.

b. Statistik Kaiser Meyer Olkin (KMO)

Statistik ini digunakan untuk mengetahui apakah sampel yang

digunakan memenuhi syarat atau tidak. Statistik KMO juga digunakan

untuk mengetahui apakah data tersebut dapat dianalisis lebih lanjut

atau tidak dengan analisis faktor.

Rumusan statistik KMO adalah:

p p

 r
2
ij
i 1 j 1
𝐾𝑀𝑂 = ; 𝑖 ≠ 𝑗 ; 𝑖, 𝑗 = 1,2, … , 𝑝
p p p p

 r   q
2 2
ij ij
i 1 j 1 i 1 j 1

Dimana:

𝑟𝑖𝑗 = koefisien korelasi sederhana antara peubah i dan j

𝑞𝑖𝑗 = koefisien korelasi parsial antara peubah i dan j

c. Measure Of Sampling adequancy (MSA)

Pengujian selanjutnya yang dapat dilakukan setelah didapat nilai

KMO adalah uji Measures of Adequacy (MSA). Uji ini dilakukan

untuk menguji apakah masing–masing peubah yang telah memilki

34
kecukupan observasi yang digunakan, layak untuk dilanjutkan ke

dalam analisis komponen utama atau tidak. Apabila terdapat peubah

yang memiliki nilai MSA < 0,5 maka secara statistik tidak dapat

digunakan dalam Analisis komponen utama atau harus dikeluarkan

dari analisis.

d. Menghitung nilai eigen dan vektor eigen.

e. Menentukan faktor baru dengan mengalikan variabel asli dengan

matriks vektor eigen.

f. Menentukan model dari faktor yang telah terbentuk.

2.9.4 Analisis Regresi Komponen Utama

Regresi komponen utama merupakan teknik analisis regresi yang

dikombinasikan dengan teknik analisis komponen utama yakni

menjadikan analisis komponen utama sebagai tahap analisis untuk

mendapatkan hasil akhir dalam analisis regresi.

Prinsip utama dari teknik regresi komponen utama adalah

meregresikan komponen utama yang terpilih dengan variabel respon,

sehingga dihasilkan model regresi komponen utama dinyatakan dalam

persamaan berikut:

𝑌 = 𝑤0 + 𝑤1 𝐾1 + ⋯ + 𝑤𝑞 𝐾𝑞 + 𝑣 ................................................ (1)

Dimana: 𝐾𝑖 = Variabel penjelas komponen utama yang merupakan

35
kombinasi linear dari semua variabel penjelas asal

𝑋𝑖 ; 𝑖 = 1,2, ⋯ , 𝑞

𝑤0 = konstanta

𝑤𝑖 = koefisien regresi komponen utama

𝑣 = faktor galat

Setiap komponen utama dalam persamaan (1) merupakan kombinasi

linier dari semua variabel penjelas X. Ragam dari koefisien regresi

komponen utama untuk persamaan dapat ditentukan sebagai berikut:

1 𝑆2
𝑉𝑎𝑟(𝑤𝑖 ) =
𝜆𝑖 ∑𝑞𝑖=1(𝑌𝑖 − 𝑌̅)2

Dengan 𝑆 2 adalah ragam galat dari model regresi asli atau dapat

diduga dari ragam galat untuk model regresi komponen utama. Untuk

melihat ragam dari koefisien regresi 𝑐 dalam persamaan tersebut adalah

dengan memanfaatkan hubungan antara koefisien regresi dari variabel asal

𝑋𝑖 dengan koefisien ciri dari setiap komponen utama, yaitu:

𝑉𝑎𝑟(𝑐𝑖 ) = 𝑣𝑎𝑟(𝑤1 𝑎𝑖1 + 𝑤2 𝑎𝑖2 + ⋯ + 𝑤𝑞 𝑎𝑖𝑞 )

2
1 𝑆2 2
1 𝑆2
= 𝑎𝑖1 + 𝑎𝑖2 +⋯
𝜆1 ∑𝑞𝑖=1(𝑌𝑖 − 𝑌̅)2 𝜆1 ∑𝑞𝑖=1(𝑌𝑖 − 𝑌̅)2

2
1 𝑆2
+ 𝑎𝑖𝑞
𝜆1 ∑𝑞𝑖=1(𝑌𝑖 − 𝑌̅)2

𝑆2 𝑞 𝑎2
𝑖𝑗
= 𝑞 ∑
∑𝑖=1(𝑌𝑖 − 𝑌̅) 2
𝑗=1 𝜆𝑗

36
Untuk mengetahui signifikan dari masing – masing variabel bebas

terhadap model regresi digunakan uji statistik yaitu:

𝑐𝑖
𝑡=
√𝑣𝑎𝑟(𝑐𝑖 )

Hipotesis dalam pengujian ini adalah:

𝐻0 ∶ 𝑐𝑖 = 0

𝐻1 ∶ 𝑐𝑖 ≠ 0

Jika |𝑡ℎ𝑖𝑡𝑢𝑛𝑔 | > 𝑡𝑡𝑎𝑏𝑒𝑙 maka 𝐻0 ditolak, ini berarti koefisien regresi 𝑐𝑖

bersifat sangat nyata secara statistik, sebaliknya jika |𝑡ℎ𝑖𝑡𝑢𝑛𝑔 | < 𝑡𝑡𝑎𝑏𝑒𝑙 ,

maka menerima 𝐻0 .

Untuk mengetahui signifikan suatu model yang menunjukan bahwa

model dapat mengestimasi populasi digunakan uji F dengan hipotesis

sebagai berikut:

𝐻0 ∶ semua variabel dalam faktor tidak berpengaruh terhadap

penyelesaian tugas akhir skripsi Mahasiswa Prodi Pendidikan

Matematika FKIP Undana.

𝐻1 : semua variabel dalam faktor berpengaruh terhadap tugas akhir

skripsi Mahasiswa Prodi Pendidikan Matematika FKIP Undana.

Uji F didefinisikan sebagai berikut:

𝐽𝐾𝑅/𝑘 𝐽𝐾𝑅/𝑘
𝐹= 𝐽𝐾𝑆 = 𝑠2
𝑛−𝑘−1

Dengan: db pembilang = k (banyaknya variabel bebas dalam model )

37
Db penyebut = n-k-1

Adapun kriteria pengujiannya sebagai berikut:

a. Jika 𝐹ℎ𝑖𝑡𝑢𝑛𝑔 > 𝐹𝑡𝑎𝑏𝑒𝑙 maka 𝐻0 ditolak artinya model mempunyai

hubungan linier dengan kata lain ada pengaruh yang signifikan

antara variabel bebas dengan variabel terikatnya.

b. Jika 𝐹ℎ𝑖𝑡𝑢𝑛𝑔 < 𝐹𝑡𝑎𝑏𝑒𝑙 maka 𝐻0 diterima artinya model tidak

mempunyai hubungan linier, dengan kata lain tidak ada pengaruh

yang signifikan antara variabel bebas dengan variabel terikatnya.

2.10 Tugas Akhir Skripsi

2.10.1 Pengertian Penyelesaian Tugas Akhir Skripsi

Tugas akhir adalah karya ilmiah yang disusun oleh mahasiswa setiap

program srudi berdasarkan hasil penelitian suatu masalah yang dilakukan

secara saksama dengan bibingan dosen pembimbing. Menurut Dalman (2014:

200) skripsi adalah suatu karya ilmiah yang menyajikan fakta serta mengulas

suatu topic yang lebih rinci dan mendalam yang merupakan syarat untuk

menyelesaikan program sarjana (strata satu/S1). Tugas akhirskripsi (TAS)

merupakan mata kuliah yang wajib ditempuh bagi mahasiswa.

Menurut Kamus Besar Bahasa Indonesia, arti kata “penyelesaian” adalah

suatu proses, caraperbuatan, atau kegiatan yang ditujukan untuk

menyelesaikan suatu pekerjaan. Dengan demikian dapat disimpulkan bahwa

Penyelesaian Tugas Akhir Skripsi (TAS) adalah suatu proses penyelesaian

38
sebuah hasil karya tulis ilmiah dari sebuah penelitian yang dilakukan oleh

mahasiswa dan dapat menjadi salah satu indikator keberhasilan yang

diperoleh mahasiswa ketika menekuni disiplin ilmunya selama belajar di

perguruan tinggi dalam waktu masa studi yang telah ditentukan.

Tuntutan dalam skripsi bagi mahasiswa S1 adalah untuk melaksanakan

proses penelitian secara benar sesuai dengan kaidah yang berlaku tanpa ada

keharusan menemukan dan mengoreksi teori yang telah ada (Ibnu dan Yoga,

2013). Dengan demikian, selama mahasiswa mampu melakukan langkah-

langkah dalam kegiatan penelitian secara urut dan benar maka tugas akhir

skripsi tersebut sudah memenuhi syarat. Hal ini berbeda dengan tuntutan

dalam tugas akhir berupa tesis untuk mahasiswa S2. Tesis yang ditulis

mahasiswa S2 dituntut untuk mampu menilai teori yang ada dengan teori-teori

sebelumnya atau melihat implementasi teori pada kehidupan nyata. Oleh

karena itu, tingkat kesulitan dalam pengerjaan skripsi seharusnya sudah sesuai

dengan kemampuan mahasiswa S1.

2.10.2 Sistem Pengelolaan dan Layanan Pengerjaan Tugas Akhr.

Salah satu faktor yang perlu dan penting dalam proses pengerjaan tugas

akhir skripsi adalah system pengelolaan dan layanan tugas akhir skripsi (Ibnu

dan Yoga, 2013). Sistem pengelolaan dan layanan yang baik akan dapat

membantu mahasiswa dalam penyelesaian TAS. Menurut Marshall dan Paul

(2015: 3) sistem adalah serangkaian dua atau lebih komponen yang saling

39
terkait dan berinteraksi untuk mencapai tujuan sedangkan menurut Kamus

Besar Bahasa Indnesia sistem adalah perangkat unsure yang secara teratur

saling berkaitan sehingga membentuk suatu totalitas. Unsure-unsur yag ada

dalam sebuah sistem dapat terdiri dari sumber daya manusia, peralatan, bahan,

prosedur dan lai-lain. Dalam sistem pengelolaan dan layanan pengerjaan tugas

akhir skripsi sumberdaya manusia yang terlibat terdiri dari dosen, karyawan

dan mahasiswa(Ibnu dan Yoga, 2013). Dosen, karyawan dan mahasiswa yang

terlibat memiliki peran dan tugas masing-masing dalam rangka pencapaian

tujuan pengerjaan tugas akhir skripsi.

Bahan dan peralatan yang dipergunakan dalam system pengelolaan dan

layanan pengerjaan tugas akhir skripsi juga memiliki peran yang penting

dalam mencapai tujuan. Salah satu bahan yang dapat membantu

dalampengelolaan dan layanan pengerjaan tgasakhir skripsi adalah sumber

belajar sedangkan peralatan yang dapat membantu dalam pengelolaan dan

layanan pengerjaan tugas akhir skripsi adalah media yang dapat dipergunakan

untuk memberikan informasi mengenai judul-judul skripsi yang sudah pernah

diteliti, media publikasi hasil penelitian dan lain-lain.

2.10.3 Prosedur pengerjaan tugas akhir skripsi

Selain system pengelolaan dan layanan pengerjaan tugas akhir skripsi,

unsure lain yang berpengaruh terhadap proses pengerjaan tugas akhir skripsi

adalah prosdur pengerjaannya. Menurut Kamus Besar Bahasa Indonesia

40
prosedur diartikan sebagai tahap kegiatan untuk menyelesaikan suatu aktivitas

atau metode langkah demi langkah secara pasti dalam pemecahan suatu

masalah.

Prosedur dalam pengerjaan skripsi adalah rangkaian kegiatan/langkah-

langkah yang melibatkan beberapa orang/lembaga dan harus dilalui dalam

rangka menyelesaikan tugas akhir skripsi (Ibnu dan Yoga, 2013). Prosedur

dalam pengerjaan tugas akhir skripsi dapat sikelompokan dalam tiga bagian.

Bagian-bagian tersebut ialah pengajuan judul, proses pengerjaan dan ujian

skripsi. Setiap bagian memiliki persyaratan, lama waktu yang diperlukan

untuk menyelesaikan dan jumlah orang/lembaga yang terlibat. Semakin

sedikit persyaraan, lama waktu yang dibutuhkan, dan orang/ lembaga yang

terlibat maka akan semakin baik selama tujuan dan engerjaan tugas akir

skripsi tetap dapat tercapai. Seperti dalam hal pengajuan judul skripsi, jika ada

aturan yang cukup detail dan rigit sepeerti spesifikasi dan adanya kuota judul

yang bisa saja menjadi penghambat bagi mahasiswa dalam menyelesaikan

tugas akhir skripsinya karena keterbatasan mahasiswa dan keinginan mereka

dalam menentukan hal apa yang akan diteliti.

2.10.4 Waktu penyelesaian tugas akhir skripsi

Pendidikan program sarjana merupakan jenjang pertama pendidikan

akademik di perguruan tinggi yang mempunyai beban studi antara 144-160

sks. Dari beban studi tersebut, 66 sks diantaranya adalah bobot untuk

41
matakuliah skripsi yang terdapat di semester 8. Atas beban sks tersebut maka

program S1 dirancang untuk sekurang-kurangnya 8 semester dan selama-

lamanya 14 semester setelah pendidikan menengah, jika lebih dari itu maka

mahasiswa akan di drop out (DO).

2.10.5 Indikator penyelesaian tugas akhir skripsi

Menurut buku panduan salah satu fakultas di Universitas Negeri

Yogyakarta (2007) disebutkan bahwa ada beberapa tahapan pemcapaian

mahasiswa dalam Penyelesaian Tugas Akhir Skripsi yaitu:

1. Dalam tahapan observasi lapangan dan penentuan judul tugas akhir skripsi

yang akan diajukan.

2. Setelah judul tugas akhir skripsi ditentukan maka tahap selanjutnya adalah

menyusun draf judul skripsi.

3. Draf yang dibuat dikonsultasikan kepada ketua program studi kemudian

dikoreksi oleh tim verifikator. Jika sudah disetujui oleh tim verifikator

maka ketua jurusan akan menunjuk dosen pembimbing dan narasumber

atas judul skripsi yang diajukan.

4. Tahap selanjutnya adalah penyusunan proposal skripsi.

5. Apabila menurut dosen pembimbing, proposal skripsi sudah layak

dimajukan kepada dosen narasumber maka pembimbing akan

menandatangani lembar persetujuan proposal skripsi untuk diseminarkan.

42
6. Setelah proposal skripsi diseminarkan, maka mahasiswa akan melakukan

tahapan berikutnya yaitu penelitian atau pengambilan data.

7. Setelah pengumpulan data dilakukan maka tahapan berikutnya adalah

penyusunan laporan hasil penelitian.

8. Apabila menurut dosen pembimbing, laporan tugas akhir skripsi sudah

layak untuk diujikan maka pembimbing akan menandatangani lembar

persetujuan tugas akhir skripsi kemudian mahasiswa yang bersangkutan

akan menyiapkan hal-hal yang perlu dilengkapi untuk melaksanakan ujian

skripsi.

9. Hasil ujian skripsi yang telah dilakukan dapat dikategorikan sebagai

berikut:

a. Lulus tanpa perbaikan

b. Lulus dengan perbaikan

c. Tidak lulus, mengulang dengan perbaikan tugas alhir

d. Tidak lulus dan harus membuat tugas akhir baru

Pada tahapan ini, yang termasuk dalam pencapaian penyelesaian tugas

akhir skripsi adalah lulus tanpa perbaikan dan lulus dengan perbaikan.

10. Apabila hasil ujian skripsi adalah llus dengan perbaikan maka tahap

penyelesaian tugas akhir skripsi selanjutnya adalah perbaikan laporan

hasil penelitian. Setelah perbaikan dilakukan maka penyelesaian tugas

akhir skripsidikatakan selesai.

43
Dari penjelasan diatas maka dapat ditarik kesimpulan indicator pencapaian

dari hasil penyelesaian tugas akhir skripsi yaitu:

1. Dalam tahap observasi dan penentuan judul skripsi.

2. Dalam tahap menyusun draf proposal skripsi.

3. Judul skripsi disetujui.

4. Dalam tahap menyususn proposal skripsi.

5. Sudah atau akan seminar proposal skripsi.

6. Dalam tahap penelitian dan pengambilan data.

7. Dalam tahap menyusun laporan hasil penelitian.

8. Dalam tahap persiapan ujian skripsi/ beberapa hari kedepan akan ujian

skripsi.

9. Telah lulus ujian skripsi dengan perbaikan.

10. Telah lulus ujian skripsi tanpa perbaikan atau sudah melakukan perbaikan.

2.10.6 Faktor – faktor yang mempengaruhi penyelesaian tugas akhir

skripsi

Dalam proses belajar dalam hal ini prosespenyelesaian tugas akhir skripsi,

tentulah tidak akan selamanya berjalan dengan mulus, pasti ada kalanya

mahasiswa mengalami hambatan dalam penyelesaiannya. Mengenai

hambatan dalam proses belajar Slameto (2013:54) mengungkapkan bahwa

faktor-faktor yang dapat mempengaruhi proses dan hasil belajar yaitu:

44
1. Faktor Internal adalah faktor yang ada dalam diri individu diantaranya

yaitu :

a) Faktor kesehatan, sehat berarti dalam keadaan baik segenap badan

beserta bagian – bagiannya/bebas dari penyakit. proses belajar

seseoarng akan terganggu jika kesehatannya terganggu yang akan

berakibat pada hasil belajar.

b) Faktor psikologis, sekurang-kurangnya ada tujuh faktor psikologi yang

mempengaruhi belajar, diantaranya adalah:

1) Inteligensi merupakan kecakapan untuk menghadapi dan

menyesuaikan ke dalam situasi yang baru dengan cepat dan efektif,

mengetahui/menggunakan konsep-konsep yang abstrak secara

efektif serta mengetahui relasi dan mempelajarinya dengan cepat.

2) Perhatian, menurut Gazali adalah keaktifan jiwa yang dipertinggi,

jiwa itu pun semata-mata tertuju kepada suatu objek (benda/hal)

atau sekumpulan objek. Untuk dapat menjamin hasil belajar yang

baik, maka siswa harus mempunyai perhatian terhadap bahan yang

dipelajarinya, jika bahan yang dipelajarinya tidak menjadi

perhatian siswa maka timbulah kebosanan sehingga ia tidak lagi

suka belajar.

45
3) Minat, merupakan kecenderungan yang tetap untuk

memperhatikan dan mengenang beberapa kegiatan yang disertai

rasa senang.

4) Bakat, merupakan kemampuan untuk belajar. Kemampuan itu baru

akan terealisasi menjadi kecakapan yang nyata sesudah belajar

atau berlatih.

2. Faktor eksternal adalah faktor yang berada di luar diri individu,

diantaranya:

a) Faktor keluarga

Keluarga merupakan lingkungan yang terdapat beberapa orang yang

masih memiliki hubungan darah. Keluarga juga memegang peranan

penting dalam pendidikan seorang anak. Adapun hal – hal dalam

keluarga yang berpengaruh terhadap hasil belajar siswa yaitu:

1) Cara orang tua mendidik

Orang tua sebagai lingkungan pertama dan utama dimana anak

berinteraksi sebagai lembaga pendidikan yang tertua, artinya

disinilah dimulai suatu proses pendidikan. Sehingga orang tua

berperan sebagai pendidik bagi anak-anaknya. Lingkungan

keluarga juga dikatakan lingkungan yang paling utama, karena

sebagian besar kehidupan anak di dalam keluarga, sehingga

46
pendidikan yang paling banyak diterima anak adalah dalam

keluarga

2) Relasi antar anggota keluarga

Relasi antar anggota keluarga yang terpenting adalah relasia orang

tua dengan anaknya. Selain itu relasi anak dengan saudaranya atau

anggota keluarga yang lain pun turut mempengaruhi belajar anak.

3) Suasana rumah

Suasana rumah dimaksud sebagai situasi atau kejadian – kejadian

yang sering terjadi di dalam keluarga dimana anak berada dan

belajar. Suasana rumah yang gaduh/ramai dan semrawut tidak

akan memberi ketenangan kepada anak yang belajar.

4) Keadaan ekonomi keluarga

Anak yang sedang belajar selain harus terpenuhi kebutuhan

pokoknya juga memnutuhkan fasilitas belajar seperti ruang belajar,

meja, kursi, penerangan, alat tulis-menulis, buku-buku dan lain-

lain. Fasilitas belajar itu hanya dapat terpenuhi jika keluarga

mempunyai cukup uang.

5) Pengertian orang tua

Anak perlu dorongan dan pengertian dari orang tua, bila anak

sedang belajar jangan diganggu dengan tugas-tugas di rumah,

karena terkadang anak mengalami lemah semangatnya.

47
6) Latar belakang kebudayaan

Tingkat pendidikan atau kebiasaan di dalam keluarga

mempengaruhi sikap anak dalam belajar, perlu kepada anak

ditanamkan kebiasaaan-kebiasaan yang baik, agar mendorong

semangat anak untuk belajar.

b) Faktor sekolah

Faktor sekolah yang mempengaruhi belajar siswa diantaranya:

1) Metode mengajar

Metode mengajar adalah suatu cara/jalan yang harus dilalui

didalam mengajar. Mengajar itu sendiri menurut Ign S. Ulih bukit

karo karo adalah menyajikan bahan pelajaran oleh orang kepada

orang lain agar orang lain itu menerima, menguasai dan

mengembangkannya.

2) Kurikulum

Kurikulum diartikan sebagai sejumlah kegiatan yang diberikan

kepada siswa. Kegiatan itu sebagaian besar adalah menyajikan

bahan pelajaran agar siswa menerima, menguasai dan

mengembangkan bahan pelajaran. Kurikulum yang kurang baik

berpengaruh tidak baik terhadap hasil belajar siswa.

3) Relasi Pengajar dengan peserta didik

48
Proses belajar mengajar terjadi antara pengajar dengan siswa.

Proses tersebut juga dipengaruhi oleh relasi yang ada dalam proses

itu sendiri.

4) Relasi antar peserta didik

Pengajar yang kurang mendekati peserta didiknya dan kurang

bijaksana tidak akan melihat bahwa di dalam kelas ada grup yang

saling bersaing secara tidak sehat sehingga menyebabkan

hubungan antar siswanya buruk.

5) Keadaan gedung

Dengan jumlah peserta didik yang banyak serta variasi

karakteristik mereka masing-masing menuntut keadaan gedung

dewasa ini harus memadai di dalam setiap kelas. Bagaimana

mungkin mereka dapat belajar dengan nyaman jika kelasnya tidak

memadai.

6) Metode belajar

Cara belajar yang tepat maka akan efektif pula hasil belajarnya.

c) Faktor masyarakat

Masyarakat merupakan faktor eksternal yang juga berpengaruh

terhadap belajar siswa. Pengaruh ini karena keberadaannya siswa

dalam masyarakat, adapun hal-hal yang mempengaruhi peserta didik

dalam masyarakat, diantaranya:

49
1) Media massa

Media massa adalah alat yang digunakan dalam penyampaian

pesan-pesan dari sumber kepada khalayak (menerima) dengan

menggunakan alat-alat komunikasi mekanis seperti surat kabar,

film, radio, TV (Cangara, 2002). Media massa adalah faktor

lingkungan yang mengubah perilaku khalayak melalui proses

pelaziman klasik, pelaziman operan atau proses imitasi (belajar

sosial). Dua fungsi dari media massa adalah media massa

memenuhi kebutuhan akan fantasi dan informasi.

2) Teman bergaul

Pergaulan merupakan proses interaksi yang dilakukan oleh

individu dengan individu, dapat juga oleh individu dengan

kelompok. Seperti yang dikemukakan oleh Aristoteles bahwa

manusia sebagai makhluk sosial (zoon-politicon), yang artinya

manusia sebagai makhluk sosial yang tak lepas dari kebersamaan

dengan manusia lain. Pergaulan mempunyai pengaruh yang besar

dalam pembentukan kepribadian seorang individu. Pergaulan yang

ia lakukan itu akan mencerminkan kepribadiannya, baik pergaulan

yang positif maupun pergaulan yang negatif. Pergaulan yang

positif itu dapat berupa kerjasama antar individu atau kelompok

guna melakukan hal – hal yang positif. Sedangkan pergaulan yang

50
negatif itu lebih mengarah ke pergaulan bebas, hal itulah yang

harus dihindari, terutama bagi remaja yang masih mencari jati

dirinya. Dalam usia remaja ini biasanya seorang sangat labil,

mudah terpengaruh terhadap bujukan dan bahkan dia ingin

mencoba sesuatu yang baru yang mungkin dia belum tahu apakah

itu baik atau tidak.

3) Bentuk kehidupan masyarakat

Kehidupan masyarakat disekitar peserta didik juga berpengaruh

terhadap belajar siswa. Masyarakat yang terdiri dari orang-orang

yang tidak terpelajar, penjudi, suka mencuri dan mempunyai

kebiasaan yang tidak baik, akan berpengaruh jelek terhadap anak

yang berada disitu.

2.11 Program SPSS 22.0 for Windows

2.11.1 Pengenalan Program SPSS

Program aplikasi SPSS (Statictikal Package Social Science) merupakan

salah satu program yang relatif populer saat ini. Program ini terutama

diperuntukkan bagi ilmu-ilmu sosial, sehingga fasilitas analisis lebih

banyak variabel sosial. Program ini pada perkembangan sekarang SPSS

sudah banyak digunakan oleh kalangan eksak pula. SPSS memuat

perangkat-perangkat statistik dasar, sehingga cukup baik dipergunakan untuk

memahami sifat-sifat suatu data dan pengolahan data secara sederhana.

51
Versi software SPSS secara terus menerus mengalami perubahan. Saat

sistem operasi komputer windows mulai populer, SPSS yang dahulu under

DOS dan bernama SPSS PC, juga berubah menjadi under windows dan

populer di Indonesia dengan nama SPSS Versi 6, kemudian versi 7.5, versi 9,

versi 10, versi 11.5, versi 12, versi 13, versi14, versi 15, versi 16, versi 17,

versi 18, versi 19, versi 20 dan yang terakhir adalah SPSS versi 22.0

Selanjutnya penulis menggunakan SPSS versi 22.0 untuk keperluan analisis

data.

2.11.2 Tampilan Spreadsheet SPSS 22.0

SPSS data editor memiliki dua spreadsheet (lembar kerja), yaitu:

i. Sheet Data View

Data view merupakan sheet yang menampilkan data base hasil

penelitian yang akan diolah atau dianalisis dengan program SPSS for

windows. Pada data view ditampilkan kolom-kolom yang disertai

nama-nama variabel, yang disingkat var.

ii. Sheet Variable View

Pada data view ditampilkan nama variabel tipe data, lebar kolom,

pengguna desimal, lebar persamaan desimal, macam data dan hasil

penelitian (nominal, skala, ordinal), aligment atau peletakan (rata kiri,

rata kanan, center, rata kiri-kanan).

2.11.3 Windows SPSS 22.0

52
SPSS menyediakan beberapa windows yang meliputi:

i. Windows Data Editor

Windows ini terbuka secara otomatis beberapa kali program SPSS

dijalankan dan berfungsi untuk menginput data SPSS. Menu yang akan

ada pada data editor adalah sebagai berikut:

1. File

Menu file berfungsi untuk menangani hal-hal yang berhubungan

dengan file data, seperti membuat file baru, membuat file tertentu,

mengambil data dari program lain, mencetak isi data editor, dan

lainnya.

2. Edit

Menu edit berfungsi untuk memperbaiki atau mengubah data.

Selain itu juga berfungsi untuk mengubah setting option.

3. View

Menu view berfungsi untuk mengatur toolbox (status bar,

penampaan value label, dan lainnya).

4. Data

Menu data berfungsi untuk membuat perubahan data SPSS

secara keseluruhan, seperti mengurutkan data, menyeleksi data

berdasarkan kriteria tertentu dan sebagainya.

53
5. Transform

Menu transform berfungsi untuk membuat perubahan pada variabel

yang telah dipilih dengan kriteria tertentu.

6. Analyze

Menu analyze merupakan menu inti SPSS yang berfungsi untuk

melakukan semua prosedur perhitungan statistik, seperti uji t, uji F,

regresi dan lainnya.

7. Graphs

Menu graph berfungsi untuk membuat berbagai jenis grafik

untuk mendukung analisis statistik, seperti bar, line, pie dan

kombinasinya.

8. Utilities

Menu utilities adalah yang mendukung program SPSS, seperti

memberikan informasi tentang variabel yang sekarang sedang

dikerjakan, mengatur tampilan menu-menu yang lain.

9. Window

Menu windows berfungsi untuk berpindah diantara menu-menu

yang lain di SPSS.

10. Help

54
Menu help berfungsi untuk menyediakan bantuan informasi

mengenai program SPSS yang dapat diakses secara mudah dan

jelas.

ii. Windows Viewer

Windows viewer berisi tampilan hasil pengolahan data editor. Isi

viewer biasanya berupa tabel, grafik atau teks. Menu viewer ini pada

prinsipnya sama dengan menu editor, yang disesuaikan untuk kegunaan

output pada SPSS.

iii. Windows Syntax Editor

Menu syntax berisi submenu yang sama dengan yang lain, hanya disini

ada tambahan submenu run yang berfungsi untukmenjalankan syntax

yang telah ditulis.

1. Script Editor

Menu script pada dasarnya digunakan untuk melakukan berbagai

pengerjaan SPSS secara otomatis, seperti membuka dan menutup

file, export chart, dan lainnya. Isi menu ini sama dengan menu

terdahulu, hanya ditambah dengan submenu script

untukmembuat berbagai subrutin dan fungsi baru, serta

submenu debug untuk melakukan proses debug pada script.

2. Menu Draft Output

55
Menu ini juga bisa disebut dengan draf viewer, dan pada

dasarnya digunakan untuk alternatif output hasil proses SPSS

yang berupa teks dan chart. Output berupa tabel-tabel yang bisa

ditampilkan dalam bentuk simple text. Sedangkan output grafik

(chart) bisa ditampilkan dalam bentuk metafile picture.

2.12 MATLAB

MATLAB merupakan bahasa pemrograman tingkat tinggi yang

dikembangkan oleh MathWorks dan dikhususkan untuk komputasi numerik,

visualisasi, dan pemrograman. Dengan memanfaatkan MATLAB, pengguna dapat

melakukan analisis data, mengembangkan algoritma, dan membuat model

maupun aplikasi. MATLAB merupakan kepanjangan dari Matrix Laboratory.

Sesuai dengan namanya, struktur data yang terdapat dalam MATLAB

menggunakan matriks atau array berdimensi dua. Konsep array/matriks sebagai

standar variabel elemennya mengakibatkan deklarasi array tidak perlu dilakukan

lagi seperti pada bahasa pemrograman lainnya. Selain itu juga MATLAB dapat

diintegrasikan dengan aplikasi dan bahasa pemrograman eksternal seperti Java,

.NET, dan Microsoft Excel. Terdapat beberapa jendela yang merupakan bagian

penting di dalam MATLAB, antara lain:

1. Jendela perintah (Command Window)

Pada command window, semua perintah MATLAB dituliskan dan

dieksekusi. Kita dapat menuliskan perintah perhitungan sederhana,

56
memanggil fungsi, mencari informasi tentang sebuah fungsi dengan aturan

penulisannya (help), demo program, dan sebagainya.

2. Jendela ruang kerja (Workspace)

Jendela ini berisi informasi pemakaian variabel di dalam memori

MATLAB.

3. Jendela histori (Command History)

Jendela ini berisi informasi tentang perintah yang pernah dituliskan

sebelumnya. Kita dapat mengambil kembali perintah dengan menekan

tombol panah ke atas atau mengklik perintah pada jendela histori,

kemudian melakukan copy‐paste ke command window.

4. Membuat M-File

Untuk membuka skrip M-file, anda bisa mmulai dengan membuka file

baru. Caranya ialah melalui menu di main window: File -> Open atau

File -> New -> M-file.

57
a) M-File Sebagai fungsi

Sebagai skrip program, jika kita ingin mengubah atau mengatur

parameter masukan rogram, maka harus kita lakukan pada editor.

Adahal seringkali kita harus mnjalankan program/algoritma

berulang-ulang dengan nilai masukan yang berbeda-beda. Untuk

keperluan ini, kita bisa menuliskan M-file sebagai suatu fungsi

spesifik sesuai kebutuhan kita.

Dalam setiap fungsi terdapat tiga unsur:

i. Parameter masukan; dalam hal ini sebagai “argumen input”

ii. Proses di dalam program; berupa sederetan command untuk

menjalakan sutu algoritma tertentu.

iii. Parameter keluaran; atau “argumen output” yang jumlah dan

jenisnya sebarang.

b) Display dan Input

Adakalanya kita membutuhkan interaksi dengan pengguna

program untuk memasukan parameter tertentu di awal/tengah

program. Dalam hal ini kita bisa menggunakan cara sederhana

dengan command input. Sementara command disp digunakan

untuk mnampilkan tks di layar.

c) Control Statment

1) Statement if ... elseif ... else ... end

58
Ini merupakan statement untuk percabangan program

berdasarkan satu/beberapa kondisi tertentu. Sintaks yang

digunakan dalam Matlab meliputi:

If kondisi

Command yang dijalankan jika kondisi terpenuhi

End

If kondisi

Command yang dijalankan jika kondisi terpenuhi

Else

Command yang dijalankan jika kondisi tidak terpenuhi

End

2) Statement switch ... case

Sebagai alternatif dari statement if ... elseif ... else ... end, kita

bisa mnggunakan statement switch. Sintaksnya adalah:

59
3) Statement for ... end

Statement ini digunakan untuk loo/perhitungan berulang.

Sintakx yang digunakan dalam Matlab ialah:

4) Statement while ... end

Alternatif dari sintaks loop ialah berikut ini

5) Statement break dan rturn

Ketika kita sudah berada dalam suatu loop, kita bisa keluar

dengan break tanpa menunggu nilai_akhir tercapai, atau

tanpa menunggu kondisi loop tidak terpenuhi lagi. Sementara

return digunakan untuk keluar dari fungsi yang sedang

berjalan.

6) Statement continue

60
Statement continue digunakan untuk memaksa program untuk

langsung menuju iterasi berikutnya dari suatu loop, tanpa

mengeksekusi command yang masih ada di bawahnya.

d) Operator Perbandingan dan Logika

Seperti yang sudah kita lihat dalam control statemrnt di atas, kita

harus bisa mnuliskan kondisi dalam bahasa Matlab untuk

mncitakan percabangan program atau loop.

Untuk membandingkan dua variabel digunakan operator berikut

ini:

Sementara untuk mengevaluasi logika, digunakan fungsi dan operator:

2.13 Penelitian Terdahulu

Penelitian ini dilakukan tidak terlepas dari hasil penelitian-penelitian

terdahulu yang pernah dilakukan sebagai bahan perbandingan dan kajian.Adapun

hasil-hasil penelitian yang dijadikan perbandingan tidak terlepas dari topik

penelitian yaitu mengenai Principal Component Analysis (PCA) dan penyelesaian

tugas akhir skripsi.

61
Berdasarkan penelitian yang pernah dilakukan oleh Erna Sri Adiningsih

(2003) dimana melakukan penelitian mengenai aplikasi PCA dalam Pemodelan

Penduga Lengas Tanah dengan Data Satelit Multispektral. Hasil penelitian

menunjukan bahwa terdapat tiga komponen utama yang dihasilkan oleh metode

PCA diantaranya : Komponen utama pertama yang diperoleh disebut sebagai

indeks kecerahan tanah, yang kedua adalah indeks kehijauan, dan yang ketiga

adalah indeks kelembaban tanah. Diantaraketiga komponen utama, komponen

utama pertama merupakan parameter penduga lengas tanah yang terbaik.

Penelitian mengenai Indeks Prestasi kumulatif (IPK) mahasiswapernah

dilakukan oleh Benyamin Data (2015) di Program Studi Pendidikan Matematika

Universitas Nusa Cendana. Dalam penelitian ini diperoleh empat komponen

utama yang memengaruhi IPK mahasiswa yaitu faktor lingkungan keluarga dan

kecerdasan emosional, faktor sikap dan interaksi antara dosen dan mahasiswa,

faktor suasana belajar di kampus dan mata kuliah dasar matematika, serta faktor

penilaian dosen. Hasil penelitian menunjukan bahwa faktor yang dominan

mempengaruhi nilai indeks pretasi kumulatif (IPK) mahasiswa prodi pendidikan

matematika FKIP Undana adalah faktor suasana belajar di kampus dan mata

kuliah dasar matematika yang meliputi tersedianya fasilitas pembelajaran di

kampus dan ruangan yang kondusif untuk memulai proses pembelajaran dengan

rasa nyaman serta tingkatan kesulitan yang masih dapat di capai oleh mahasiswa

62
dan penjelasan dosen yang tidak membingungkan dalam mata kuliah dasar atau

prasyarat pada program studi pendidikan matematika FKIP Undana.

Dari beberapa contoh hasil penelitian diatas, maka perbedaan ada pada objek

penelitian dan persamaan adalah pada lokasi penelitian.

63
BAB III

METODOLOGI PENELITIAN

3.1 Jenis Penelitian

Jenis penelitian ini adalah penelitian kuantitatif yang dilakukan dengan

menggunakan model matematika terapan untuk menyelidiki masalah tertentu

dalam menemukan solusi yang dapat diimplementasikan bagi penyelesaian

masalah atau membantu membuat keputusan yang sesuai dari masalah yang

dihadapai.

3.2 Lokasi Penelitian

Pengambilan data untuk penelitian dilakukan di program studi pendidikan

Matematika jurusan pendidikan MIPA Fakultas Keguruan Dan Ilmu

Kependidikan Universitas Nusa Cendana.

3.3 Populasi dan Sampel

3.3.1 Populasi

Populasi adalah wilayah generalisasi yang terdiri atas obyek atau subyek

yang mempunyai kualitas dan karateristik tertentu yang ditetapkan oleh

peneliti untuk dipelajari dan kemudian ditarik kesimpulannya. Sampel adalah

bagian dari jumlah karateristik yang dimiliki oleh populasi tersebut

(Sugiyono, 2013). Jadi yang dimaksud populasi dalam penelitian ini adalah

Mahasiswa Pendidikan Matematika FKIP UNDANA Kupang tingkat akhir.

3.3.2 Sampel

64
Sampel adalah sebagian anggota populasi yang diambil dengan

menggunakan teknik tertentu yang disebut dengan teknik sampling. Sampel

yang digunakan dalam penelitian ini diambil dengan menggunakan teknik

Proportionate Stratified Random sampling, yaitu pengambilan sampel dari

anggota populasi secara acak dan berstrata secara proporsional, dilakukan

sampling ini apabila anggota populasinya heterogen (tidaksejenis). Sampel

dalam penelitian ini adalah Mahasiswa PendidikanMatematika FKIP

UNDANA Semester VIII s/d semester XIV Tahun Akademik 2017/2018.

Pengambilan sampel ini diambil dengan mengunakan rumus solvin adalah

sebagai berikut:
𝑁
𝑛 = 𝑁𝑑2 +1 (Riduwan, 2008)

Dengan:

n = ukuran sampel

N = ukuran populasi

d2 = kelonggaran tingkat kesalahan pengambilan sampel yang dapat ditolerir.

Rumusana lokasi proporsional sebagai berikut:

𝑁𝑖
𝑛𝑖 = .𝑛
𝑁

Dengan:

𝑛𝑖 =jumlah sampel menurut stratum

𝑁𝑖 = Jumlah populasi menurut stratum

3.4 Sumber Data

65
Data yang digunakan dalam penelitian ini meliputi data primer dan data

sekunder. Data primer diperoleh melalui angket yang diisi oleh mahasiswa

prodi pendidikan matematika FKIP Undana dan data sekunder diperoleh dari

Laboratorium Pendidikan Matematika berupa data-data mahasiswa yang

sudah menyelesaikan skripsi dan data alumni.

3.5 Prosedur Penelitian

3.5.1 Melakukan identifikasi dan perumusan masalah mengenai pengaruh

faktor – faktor yang berpengaruh terhadap penyelesaian tugas akhir

mahasiswa Pendidikan Matematika.

3.5.2 Pengumpulan data dengan cara menyusun kuesioner dan menyebarkan

kepada subyek penelitian.

3.5.3 Mengolah dan menganalisis data menggunakan metone principal

component analisys (PCA) menggunakan bantuan program Matlab

R2012b dan analisis berganda Menggunakan bantuan program SPSS

Versi 22

3.5.4 Membuat kesimpulan dari hasil pembahasan.

3.6 Variabel Penelitian

Variabel yang digunakan dalam penelitian ini sebanyak 10 variabel yang

dikaji dari dalam diri mahasiswa maupun dari luar yang diduga dapat

mempengaruhi penyelesaian tugas akhir mahasiswa yaitu:

1. Variabel kualitas bimbingan skripsi

66
2. Variabel ketersediaan sumber belajar terhadap penyelesaian tigas akhir.

3. Variabel motivasi lulus tepat waktu terhadap penyelesaian tugas akhir.

4. Variabel gaya bimbingan dosen.

5. Variabel sikap dan interaksi dengan dosen pembimbing.

6. Variabel kegiatan kemahasiswaan.

7. Variabel suasana tempat tinggal.

8. Variabel lingkungan teman sebaya.

9. Variabel membagi waktu.

10. Variabel kesehatan.

3.7 Pengumpulan Data Penelitian

Teknik pengumpulan data adalah ketepatan cara-cara yang digunakan

oleh peneliti untuk mengumpulkan data. Cara pengambilan data pada

penulisan ini sebagai berikut:

3.7.1 Metode Dokumentasi

Metode dokumentasi merupakan salah satu metode yang digunakan

untuk mencari data-data otentik yang bersifat dokumentasi, baik data itu

berupa catatan harian.

3.7.2 Kusioner

Menurut Sugiyono (2013: 199) kuesioner (angket) adalah teknik

pengumpulan data yang dilakukan dengan cara member seperangkat

67
pertanyaan pernyataan tertulis kepada responden untuk menjawabnya.

Kuesioner dalam penelitian ini terdidri dari butir-butir pernyataan yang

dibagikan kepada responden dan digunakan untuk memperoleh data yang

berkaitan dengan pencapaian Penyelesaian Tugas Akhir Skripsi dan

faktor-faktor yang mempengaruhinya.

3.8 Tahap Pengolahan Data

3.8.1 Desain instrument penelitian

Instrument penelitian adalah suatu alat yang digunakan untuk

mengukur fenomena alam maupun social yang diamati (Sugiyono,

2013). Dalam penelitian ini instrument yang digunakan adalah angket

tertutup, yaitu angket yang telah dilengkapi dengan alternatif jawaban

responden bisa langsung memilih salah satu jawaban yang telah

disediakan. Dalam penelitian ini instrument yang digunakan adalah

kuesioner yang menggunakan skala likert yaitu skala untuk setiap

variabel berdasarkan jawaban yang diberikan oleh responden di mana

setiap pernyataan terdapat 4 kategori jawaban yaitu Selalu, Pernah,

Kadang-kadang, dan Tidak Pernah. Keempat jawaban ini mempunyai

skor yang berbeda.Sistem pemberian skor dalam penelitian ini adalah

sebagai berikut:

Tabel 3.1. Skor


Pilihan jawaban Skor

68
Selalu 4
Kadang-kadang 3
Pernah 2
Tidak pernah 1

3.8.2 Pengujian instrument penelitian

Pengujian instrument penelitian ini adalah dengan menggunakan bukti

validitas dan estimasi reliabilitas.

3.8.2.1 Uji validitas

Instrument yang valid berarti alat ukur yang digunakan

untuk mendapatkan data (mengukur) itu valid (Sugiyono,

2013). Validitas menunjukan seberapa tepat sebuah instrument

pengukur mengukur sebuah konsep tertentu yang harus diukur.

Uji validitas menggunakan teknik korelasi product moment

angka kasar dari Pearson yaitu dengan mengkorelasikan skor

butir pada kuesioner dengan skor totalnya. Adapun rumus

korelasi product moment yaitu:

𝑛 ∑𝑛 𝑛 𝑛
𝑖=1 𝑥𝑖 𝑦𝑖 −(∑𝑖=1 𝑥𝑖 )(∑𝑖=1 𝑦𝑖 )
𝑟𝑋𝑌 = (Sugiyono,
√[𝑛 ∑𝑛 2 𝑛 2 𝑛 2 𝑛 2
𝑖=1 𝑥𝑖 −(∑𝑖=1 𝑥𝑖 ) ][𝑛 ∑𝑖=1 𝑦𝑖 −(∑𝑖=1 𝑦𝑖 ) ]

2011)

Dimana:

𝑟𝑋𝑌 = koefien korelasi pearson

𝑥𝑖 = skor butir setiap responden

𝑦𝑖 = total skor butir setiap tiap responden

69
𝑛 = banyaknya subyek

Bila nilai r positif dan r hitung > r tabel maka item tersebut

valid dan dapat dimasukan dalam kuisioner, dan bila nilai r

negatif serta r hitung < r tabel, maka item tersebut tidak valid

dan tidak dapat dimasukan dalam kuisioner.

3.8.2.2 Uji reliabilitas

Instrument yang reliable adalah instrument yang bila

digunakan beberapa kali untuk mengukur obyek yang sama

akan menghasilkan data yang sama situasi (Sugiyono, 2013).

Untuk mengukur reliabilitas kuisioner dapat dilakukan dengan

metode belah dua (split half method). Rumus tersebut adalah

sebagai berikut:

2𝑟𝑥𝑦
𝑟11 =
1 + 𝑟𝑥𝑦

Keterangan:

𝑟11 = Realibilitas instrument

𝑟𝑥𝑦 = korelasi product moment antara belahan ganjil-genap

3.9 Analisis dan Pemecahan Masalah

3.9.1 Analisis Deskripsi

Dalam analisis deskripsi dilakukan dengan menggunakan tabel,

grafik atau diagram untuk memudahkan penafsiran dalam

70
menggambarkan tanggapan responden terhadap faktor-faktor yang

mempengaruhi penyelesaian Tugas Akhir Skripsi mahasiswa program

studi pendidikan matematika FKIP Undana.

3.9.2 Principal Componen Analysis (PCA)

Setelah data terkumpul maka dilakukan analisis data dengan

menggunakan Principal Componen Analysis (PCA) dengan langkah –

langkah sebagai berikut:

3.9.2.1 Data Variabel ditransformasikan kedalam bentuk baku dengan

menggunakan rumus:

𝑋𝑖𝑗 − 𝜇𝑗
𝑍𝑖𝑗 =
√𝜎𝑗2

3.9.2.2 Menguji variabel–variabel yang telah ditentukan dengan

menggunakan metode Uji The Kaiser Meyer Olkin (KMO) dan

Barlett test of Sphericity, Uji Measure Sampling Adequency (MSA).

Nilai MSA berperan untuk mengetahui besar korelasi parsial antar

variabel, dilakukan dengan memperhatikan angka MSA berkisar

antara 0 sampai 1 dengan kriteria sebagai berikut:

a) MSA = 1, variabel tersebut dapat diprediksi untuk analisis lebih

lanjut

b) MSA > 0,5 ; variabel tersebut masih bisa diprediksi dan bisa

dianalisis lebih lanjut

71
c) MSA < 0,5 ; variabel tidak bisa diprediksi dan tidak bisa dianalisis

lebih lanjut

3.9.3 Melakukan proses Factoring atau menurunkan satu atau lebih faktor

dari variabel-variabel yang telah di uji pada langkah kedua

3.9.4 Pendugaan bobot faktor (factor loading) yaitu menentukan jumlah

faktor yang akan terbentuk dengan melihat nilai eigen yang lebih besar

dari satu.

3.9.5 Skor faktor

Skor faktor merupakan ukuran yang menyatakan representative

suatu variabel oleh masing-masing faktor, dan merupakan data mentah

bagi analisis lanjutan, dapat juga dikatakan sebagai ukuran komposit

untuk setiap faktor pada masing-masing objek.

3.9.6 Model faktor

3.9.7 Setelah didapatkan variabel bebas baru (𝐹1 , 𝐹2 , 𝐹3 , … , 𝐹𝑛 ) melalui

metode Principal Componen Analysis (PCA) maka selanjutnya

variabel bebas baru tersebut diregresikan dengan variabel tak bebas

(𝑌).

3.9.8 Membuat kesimpulan.

72
DAFTAR PUSTAKA

Anton, Howard. 1994. Aljabar Linear Elementer. Jakarta: Penerbit Erlangga.


Dalman. (2014). Menulis Karya Ilmiah. Jakarta: PT Raja Grafindo Persada.
Data, Benyamin. 2015. Penerapan Metode Principal Component Analysis (Pca)
Terhadap faktor – Faktor Yang Mempengaruhi Nilai Indeks Prestasi
Kumulatif (Ipk) Mahasiswa Pendidikan Matematika Undana. Skripsi,
Program studi Pendidikan Matematika, Fakultas MIPA UNDANA
Nomleni, Hasan. 2013.Analisis pengaruh rendahnya kemampuan daya serap siswa
berdasarkan hasil ujian nasional matematika dan solusi pemecahan pada
SMP N 1 amanuban Timur Tahun 2008/2009 – 2009/2010 dengan analisis
faktor program spss 16.0. Skripsi, Program studi Pendidikan Matematika,
Fakultas MIPA UNDANA
Riduwan, Drs. M. B. A dan Prof.Dr.Akdon,M.Pd. 2008. Rumus dan Data dalam
aplikasi statistika. Bandung: Alfabeta
Rismen, sefina. Analisis Kesulitan Mahasiswa dalam Penyelesaian Skripsi di Prodi
Pendidikan Matematika STKIP PGRI. Jurnal
Sugiyono. 2010. Statistika untuk Penelitian. Bandung: Alfabeta
Sugiyono. 2011. Metode Penelitian Kombinasi (Mixed Method). Bandung: Alfabeta
Sugiyono. 2013. Metode Penelitian Pendidikan. Bandung: Alfabeta

73