Seminar Nasional Statistika IX Institut Teknologi Sepuluh Nopember, 7 November 2009
ANALISIS FAKTOR TERHADAP DATA PENGGUNAAN WEB PERSONAL DOSEN ITS DAN PERBANDINGAN TERHADAP PENCAPAIAN IPK DAN LAMA STUDI MAHASISWA M. Insanil Kamil1 dan Suhartono2 1
[email protected] 2
[email protected]
Abstrak Analisis Faktor merupakan suatu metode statistika yang dapat digunakan untuk mereduksi dimensi data pada variabel asli menjadi beberapa faktor. Penelitian ini bertujuan untuk pengaplikasian analisis faktor dalam mengevaluasi penggunaan web personal dosen ITS. Data yang digunakan dalam penelitian ini diperoleh dari pengamatan terhadap penggunaan web personal dosen ITS. Hasil analisis data menunjukkan bahwa jumlah faktor yang dihasilkan sebanyak dua yaitu keaktifan penggunaan web personal dosen dan tingkat pendidikan dosen. Berdasarkan nilai faktor yang diperoleh, dapat diketahui perbandingan tiap faktor pada masing-masing fakultas, serta dapat diketahui perbedaan pencapaian IPK dan lama studi mahasiswa. Kata kunci: Analisis Faktor, Web personal dosen ITS
1. Pendahuluan Institut Teknologi Sepuluh Nopember (ITS) Surabaya merupakan salah satu perguruan tinggi negeri berbasis teknologi yang mempunyai nilai prestige di wilayah Indonesia bagian timur. Untuk menunjukkan eksistensinya dalam pengembangan ilmu pengetahuan dan teknologi serta untuk mewujudkan visi ITS menuju World Class University, ITS membangun website yang dapat diakses oleh seluruh masyarakat di seluruh dunia. Salah satu fasilitas yang disediakan dalam website ITS adalah Web Personal Dosen ITS yang dapat dimanfaatkan oleh dosen ITS untuk menyediakan banyak informasi tentang diri dan aktivitas akademik yang telah dilakukan. Didalam web ini setiap dosen dapat melakukan publikasi terhadap berbagai penelitian yang telah dilakukan. Terdapat banyak variabel yang dapat dibentuk dari setiap informasi yang ada dalam Web Personal Dosen ITS. Variabel yang banyak tersebut diduga memiliki keterkaitan antar satu dengan yang lain. Analisis faktor adalah salah satu teknik dalam analisis multivariate yang dapat digunakan untuk menjelaskan keterkaitan antar kelompok variabel. Tujuan utama dari penelitian ini adalah untuk melakukan evaluasi penggunaan web personal dosen ITS dengan analisis faktor dan mengetahui adanya perbedaan factor score yang diperoleh pada masing-masing fakultas serta hubungannya dengan pencapaian IPK dan lama studi mahasiswa. 2. Tinjauan Pustaka Pada bagian akan dijelaskan tentang teori dan metode yang akan digunakan dalam penulisan makalah ini. 2.1 Analisis Faktor Analisis faktor merupakan perluasan dari analisa komponen utama (PCA) yang bertujuan untuk mereduksi dimensi data dengan cara menyatakan variabel asal sebagai kombinasi linear sejumlah kecil faktor, sedemikian hingga mampu menjelaskan sebesar mungkin keragaman variabel asal, antar faktor saling bebas dan tiap faktor dapat di interpretasikan. Variabel-variabel dalam satu faktor memiliki korelasi tinggi sedangkan variabel-variabel dengan faktor lain berkorelasi relatif rendah.
1
Vector random X yang diamati dengan p buah variabel komponen, secara linear tergantung atas sejumlah variabel random yang dapat diamati yaitu F 1, F2,…, Fq yang disebut common factors dan ε1, ε2,…, εp yang disebut specific factors sehingga secara khusus dapat ditulis (Johnson and Wichern, 2002).
...
(2.1) Notasi matriks dari persamaan (2.1) dapat ditulis sebagai berikut: (2.2) Dengan: εi : specific factors ke-i Fj : common factor ke-j Lij : matriks loading dari variabel ke-i faktor ke-j Adapun tujuan dari analisis faktor antara lain (Santoso, 2002): Data summarization, yakni mengindentifikasikan adanya hubungan antar peubah dengan melakukan uji korelasi. Jika korelasi dilakukan antar peubah (dalam pengertian SPPS adalah ‘kolom’), analisis tersebut dinamakan R Faktor Analysis. 2. Data reduction, yakni setelah melakukan korelasi, dilakukan proses membuat sebuah peubah set baru yang dinamakan faktor untuk menggantikan sejumlah peubah tertentu. Penjelasan lebih lengkap mengenai analisis faktor terdapat pada buku Hair, Anderson, Tatham, and Black (2006) serta Johnson and Wichern (2002). 1.
2.2 Analisis Varians (ANOVA) Salah satu penggunaan tabel ANOVA adalah untuk melakukan pengujian kesamaan mean dengan jumlah populasi lebih dari 2. Bentuk tabel ANOVA adalah sebagai berikut (Walpole, 1995): Sumber Keragaman (SK)
Jumlah Kuadrat (JK)
Derajat bebas (db)
Kuadrat Tengah (KT)
F hitung
F tabel
Perlakuan
JKA
a-1
KTA = JKA/a-1
KTR/KTA
F(α;a-1,n-a)
Residual
JKR
n-a
KTR = JKR/n-a
Total
JKT
n-1
Dengan Hipotesis sebagai berikut: H0: µ1 =µ2 = ... =µi / tidak ada perbedaan mean antar populasi. H0: Sedkitnya ada salah satu µi yang tidak sama / ada perbedaan Mean antar populasi. Cara pengambilan keputusan dilakukan dengan membandingkan F hitung dengan F tabel. Jika F hitung berada di daerah penerimaan H0, maka H0 diterima atau tidak terdapat perbedaan yang nyata pada mean antar populasi. Sedangkan apabila F hitung berada di daerah penolakan H0, maka H0 ditolak atau terdapat perbedaan yang nyata pada mean antar populasi. Penjelasan lebih lengkap mengenai analisis varians (ANOVA) terdapat pada buku Walpole (1995).
2
3. Metodologi Penelitian Variabel yang digunakan dalam penelitian ini adalah sebagai berikut: x1: Fakultas x2: Prosentase Jumlah Dosen S3 x3: Prosentase Jumlah Dosen Profesor x4: Prosentase Jumlah Dosen Pengguna Web x5: Prosentase Jumlah Dosen yang Memiliki Publikasi Ilmiah x6: Prosentase Jumlah Dosen yang Memiliki Publikasi Ilmiah Berbahasa Inggris x7: Prosentase Jumlah Dosen yang Memiliki Publikasi Ilmiah (Downloadable) x8: Prosentase Jumlah Dosen yang memiliki Material x9: Prosentase Jumlah Dosen yang memiliki Link x10: Rata-rata Lama Studi Mahasiswa x11: Rata-rata IPK Mahasiswa Untuk mendapatkan data pada variabel x1-x9, sumber data yang digunakan merupakan hasil rekapitulasi terhadap penggunaan Web Personal Dosen ITS pada 22 jurusan yang ada di ITS. Untuk mendapatkan data yang paling mutakhir (update), maka pencatatan dan rekapitulasi data dilakukan pada tanggal 27-31 Agustus 2009. Sedangkan untuk variabel x10 dan x11 didapatkan dari data wisudawan ITS pada wisuda ke 96 dan 97. Tahapan-tahapan penelitian yang dilakukan adalah sebagai berikut: Pengelompokan untuk variabel x2-x9 dengan menggunakan analisis faktor yang dilakukan dengan menggunakan software SPSS serta melakukan pemberian nama untuk tiap faktor yang dihasilkan. Mengelompokkan obyek, dalam hal ini adalah jurusan-jurusan yang ada di ITS berdasarkan skor faktor yang diperoleh. Menguji perbandingan tiap-tiap faktor terhadap fakultas yang ada di ITS yaitu FMIPA (1), FTI (2), FTSP (3), FTK (4), FTIf (5). Menentukan hubungan antara masing-masing factor terhadap pencapaian IPK dan lama studi mahasiswa. 4. Analisis dan Pembahasan Dalam bagian ini akan dijelaskan hasil pembahasan dari penelitian ini 4.1 Analisis Faktor Sebelum dilakukan analisis faktor maka harus dilakukan pengujian KMO dan Bartlett untuk menguji asumsi korelasi dan kecukupan data. Tabel 1 Pengujian KMO dan Bartlett
Pengujian KMO Bartlett
Statistik uji 0.680 116.739
Keputusan Terima H0 Tolak H0
Berdasarkan tabel diatas, didapatkan nilai Kaiser-Meyer-Olkin (KMO) sebesar 0.680. Nilai tersebut lebih besar dari 0.5, sehingga dapat dinyatakan bahwa data telah cukup. Sedangkan untuk pengujian Bartlett didapatkan nilai signifikan 0.000, sehingga dapat dinyatakan bahwa matrik korelasi dari data bukanlah matriks identitas, yang menunjukkan bahwa data memiliki hubungan korelasi antar variabel.
3
Tabel 2 Nilai Eigen dan proporsi kumulatif
Faktor
Eigen Value
Faktor 1 Faktor 2 Faktor 3 Faktor 4 Faktor 5 Faktor 6 Faktor 7 Faktor 8
4.437 1.415 0.814 0.509 0.369 0.307 0.109 0.039
Prosentase Kumulatif (%) 55.465 73.158 83.335 89.693 94.305 98.144 99.507 100.00
Tabel diatas menunjukkan besarnya prosentase masing-masing faktor dalam menjelaskan variabilitas dari variabel asli. Berdasarkan hasil tersebut, diketahui bahwa nilai eigen yang lebih besar dari 1 dimiliki oleh faktor 1 dan faktor 2, dan prosentase varians yang dapat dijelaskan oleh faktor 1 dan faktor 2 adalah sebesar 73.158%. Tabel 3 Hasil loading factor pada analisis faktor
Variabel x5 x6 x4 x9 x8 x7 x2 x3
Faktor1 Faktor2 .940 .898 .857 .813 .763 .597 .903 .768
Berdasarkan tabel tersebut, dapat disimpulkan bahwa variabel x4, x5, x6, x7, x8, x9 termasuk dalam faktor 1, sedangkan variabel x2 dan x3 termasuk dalam faktor 2. 4.2 Pengelompokan jurusan-jurusan di ITS dan Penamaan Faktor Pengelompokan jurusan-jurusan di ITS berdasarkan skor faktor dilakukan menggunakan score plot sebagai berikut: Score Plot of x2, ..., x9 3 DesPro
2
Second Factor
Matematika
1
Biologi Informatika Material Geomatika TekFis Arsitektur Elektro Industri Statistika Sipil Perkapalan Mesin Fisika TekKim Kelautan PWK
0 -1 -2
Lingkungan
SisKal
Kimia
SI
-1
0
1 First Factor
2
3
Gambar 1 Score Plot faktor 1 dan faktor 2 pada analisis faktor
Score plot tersebut merupakan hasil pemetaan nilai-nilai skor faktor pada faktor 1 dan faktor 2 untuk masing-masing jurusan di ITS. Sehingga dapat diketahui bahwa jurusan yang terbaik berdasarkan faktor 1 adalah jurusan sistem perkapalan karena memiiki nilai skor faktor yang paling
4
besar pada faktor 1. Sedangkan jurusan yang terbaik berdasarkan faktor 2 adalah jurusan desain produk karena memiliki skor faktor yang paling besar pada faktor 2. Secara umum jika dilihat dari kedua faktor, maka jurusan terbaik adalah desain produk karena memiliki skor faktor yang relatif besar pada kedua faktor. Pengelompokan jurusan berdasarkan skor faktor adalah sebagai berikut: Tabel 4 Pengelompokan jurusan berdasarkan skor faktor
Faktor 1 Rendah (negatif) Teknik Elektro Arsitektur Teknik Industri Teknik material PWK Teknik lingkungan Teknik Informatika Desai produk Biologi Matematika Teknik fisika Teknik Geomatika Statistika Kimia Teknik Mesin Teknik Kelautan Teknik Kimia Sistem Perkapalan Teknik Sipil Fisika Teknik Perkapalan Sistem Informasi
Skor factor
Tinggi (positif)
Tinggi (positif) Faktor 2
Rendah (negatif)
Selanjutnya dilakukan pemberian nama pada faktor. Untuk faktor 1 adalah keaktifan penggunaan web personal dosen dan faktor 2 adalah tingkat pendidikan dosen. 4.3 Perbandingan Skor Faktor antar Fakultas Untuk mengetahui perbedaan skor faktor yang diperoleh pada masing-masing fakultas, dapat diamati dengan interval plot sebagai berikut: Interval Plot of factor 1 vs fakultas
Interval Plot of factor 2 vs fakultas
95%CI for the Mean
95%CI for the Mean
20 5.0 10
factor 2
factor 1
2.5 0.0
-10
-2.5 -5.0
0
-20 FMIPA
FTI
FTIf fakultas
FTK
FTSP
FMIPA
FTI
FTIf fakultas
FTK
FTSP
Gambar 2 Interval Plot untuk perbandingan skor faktor
Berdasarkan interval plot tersebut tidak terlihat adanya perbedaan berarti pada mean skor faktor antar fakultas, kelompok IPK dan kelompok lama studi. Hal ini di tunjukkan dengan pengujian ANOVA yang hasilnya sebagai berikut: Tabel 9 hasil pengujian ANOVA
Faktor 1 Faktor 2
Fakultas P value Keputusan 0.615 Terima H0 0.385 Terima H0
5
Hasil uji ANOVA tersebut menghasilkan p-value yang lebih besar dari nilai α=0.05 (terima H0). Hal ini makin membuktikan bahwa tidak ada perbedaan mean skor faktor tiap fakultas. 4.4 Hubungan Faktor terhadap Pencapaian IPK dan Lama Studi Mahasiswa Untuk mengetahui pola hubungan antara masing-masing faktor terhadap pencapaian IPK dan lama studi mahasiswa dilakukan dengan mendapatkan nilai korelasinya. Tabel 10 Nilai korelasi
Korelasi IPK Lama Studi
Faktor 1 0.005 (0.984) -0.197 (0.380)
Faktor 2 -0.109 (0.628) 0.088 (0.698)
Tabel tersebut menunjukkan bahwa terdapat nilai korelasi yang tidak signifikan pada masing-masing faktor terhadap pencapaian IPK dan lama studi mahasiswa. Hal ini menunjukkan bahwa tidak terdapat hubungan antara masing-masing faktor terhadap pencapaan IPK dan lama studi mahasiswa.
5
Kesimpulan
Berdasarkan hasil-hasil diatas, dapat diambil kesimpulan sebagai berikut: 1. Berdasarkan analisis faktor terhadap data web personal dosen variabel-variabel dibagi menjadi dua factor yaitu keaktifan penggunaan web personal dosen dan tingkat pendidikan dosen. 2. Berdasarkan skor faktor yang diperoleh, dapat disimpulkan bahwa tidak ada perbedaan skor faktor pada masing-masing fakultas. Hal ini juga menunjukkan bahwa penggunaan web personal dosen dan tingkat pendidikan dosen masih tidak jauh berbeda pada masing-masing fakultas. 3. Dengan membandingkan skor faktor yang diperoleh pada masing-masing faktor terhadan pencapaian IPK dan lama studi mahasiswa dapat disimpulkan bahwa tidak terdapat hubungan antara masing-masing faktor terhadap pencapaian IPK dan lama studi mahasiswa. 4. Dari hasil analisis diatas dapat menunjukkan bahwa penggunaan web personal dosen ITS masih sangat rendah, untuk memperbaki web personal dosen, diharapkan pihak petinggi ITS meningkatkan penyuluhan kepada dosen-dosen ITS untuk selalu menggunakan fasilitas web personal dosen ITS. Daftar Pustaka Darlington, R. B., Sharon, W., Herbert, W. 1973. Canonical variate analysis and related techniques. Review of Educational Research, 453-454. Hair, J.F., Anderson, R.E., Tatham, R.L., Black, W.C. 2006. Multivariate Data Analysis, Sixth Edition, Prentice Hall International: UK. Iriawan, N., dan Septin, A. P. Mengolah Data Statistik Dengan Mudah Menggunakan MINITAB 14. Yogyakarta: Andi Johnson, N. and Wichern, D. 1998. Applied Multivariate Statistical Analysis, Prentice-Hall, Englewood Cliffs, N.J. Khatree., Ravindra., Dayanand N. N. 1999. Applied Multivariate Statistics with SAS*Software, Second Edition. Cary, NC: SAS Institute Inc. Sharma, S. 1996. Applied Multivariate Techniques, New-York: John Wiley & Sons, Inc. Santoso, S. 2001. Buku Latihan SPSS Statistik Multivariate. Jakarta: PT Elex Media Komputindo. Srivastava, M. S., Hui, T. K. 1987. On assessing multivariate normality based on Shapiro-Wilk W statistic. Statistics and Probability Letters 5, 15–18. Walpole, R. E.1995. Pengantar Statistika. Gramedia Pustaka Utama, Jakarta.
6
