MULTIVARIAT AND CASE

1.1.            Latar belakang

Analisis peubah ganda adalah analisis secara serempak lebih dari satu peubah. Analisis peubah ganda dikenal dengan aljabar linier terapan. APG lebih alamiah dan lebih informatif. Penerapan analisis peubah ganda (multyvariate) sebelum tahun 1970-an digunakan secara terbatas, karena:

-          Landasan teori yang sukar;

-          Komputasi yang rumit;

-          Dan ketatnya anggapan yang digunakan.

Selain itu, biplot mulai diperkenalkan tahun 1971 oleh Gabriel. Biplot bertujuan untuk Peragaan grafik dari matriks data X dalam suatu  plot dengan menumpangtindihkan dua (bi) jenis info vektor-vektor yang mewakili vektor-vektor  baris X (objek) dengan vektor-vektor kolom X  (peubah) dalam ruang berdimensi rendah (biasanya 2 atau 3). Biplot dapat memberikan gambaran tentang objek (kedekatan), peubah (ragam & korelasinya) serta keterkaitan antara objek dan peubahnya (nilai relatif peubah suatu objek).

Analisis peubah ganda sangat diperlukan dalam menganalisis tour belajar. Tour belajar atau study tour merupakan salah satu metode penyuluhan pembangunan. Tour belajar menerapkan komunikasi langsung antara model yang dilihat dengan audiens. Pengolah ikan asin sangat menginginkan tour belajar ke Cirebon untuk mengetahui sejauhmana pengetahuan, keterampilan dan sikap pengolah ikan asin yang ada di sana.

Tour belajar ini yang akan dianalisis dengan konsep teori pembelajaran sosial oleh Bandura yang menjelaskan adanya interaksi timbal balik (reciprocal determinism), yaitu pendekatan yang menjelaskan perilaku manusia dalam bentuk hubungan timbal-balik yang kompleks dan kontinu antara determinan kognitif, tingkah laku dan lingkungan. Lingkungan (faktor eksternal) dan pribadi (faktor internal) secara bersama dan timbal balik mempengaruhi tingkah laku.  Teori reciprocal determinism terdapat dua hal yang penting yaitu efikasi diri (self effication), dan nilai diri (self value) atau pengaturan diri (self regulation). Efikasi diri (self efficacy) didefinisikan oleh Bandura sebagai keyakinan pada kemampuan diri sendiri untuk mengorganisir dan menggerakkan sumber-sumber tindakan yang dibutuhkan untuk mengelola situasi-situasi yang akan datang. Schunk and Hanson (1985) memperkenalkan variabel-variabel model Coping dalam pembelajaran sosial yaitu satisfaction, high achievement beliefs, high ability beliefs,  high interest, dan high efficacy.

1.2.            Tujuan

Penyusunan makalah ini bertujuan untuk:

-      Menganalisis tour belajar dengan biplot.

-      Menganalisis tour belajar dengan analisis komponen utama (AKU).

1.3.            Ruang lingkup

Analisis biplot dan komponen utama dilakukan dengan data yang diperoleh setelah 2 minggu pasca kegiatan studi tour Pengolah ikan asin pelabuhan Karangantu – Banten.

1.4.            Metode

Pengumpulan data bersifat sensus kepada peserta yang mengikuti study tour. Kegiatan study tour atau tour belajar dilakukan pada tanggal 13 November 2014. Peserta berjumlah 15 orang. Setelah 2 minggu kemudian peserta diminta untuk mengisi kuisioner. Kuisioner merupakan daftar pertanyaan untuk mengukur sikap dengan skala 1 – 5. Skala tersebut menunjukkan frekuensi sikap peserta setelah mengikuti kegiatan study tour/tour belajar.

2 HASIL DAN PEMBAHASAN

2.             

2.1.            Biplot study tour

Analisis biplot sangat cocok untuk menganalisis gerombol data. Data dibawah ini merupakan hasil pengumpulan dari para peserta study tour pengolah ikan asin Pelabuhan Perikanan Karangantu.

Gambar 1 biplot analisis study tour

Hasil analisis menunjukkan bahwa ada 3 gerombol data:

(1)   Gerombol data pertama adalah gerombol data yang memiliki karakteristik pembentukan perilaku dengan variabel  achievement beliefs, satisfaction, attention, dan retention. Karakteristik tersebut dapat dimaknai bahwa peserta meyakini pencapaian dalam meniru model yang dilihat di Cirebon, rasa puas yang tinggi, berupaya keras dalam memperhatikan dan mengingat apa yang dilakukan oleh model. Peserta tersebut adalah Suryanto, Hadiah, Habibah, Salmah, dan Dasia. Sedangkan Rahman cenderung termasuk kedalam gerombol data ini, meskipun jauh dibawah rata-rata, karena dimungkinkan Saudara Rahman hanya sebagai pekerja bukan pemilik unit pengolahan ikan asin sehingga sulit memberikan kepastian jawaban.

(2)   Gerombol data kedua adalah gerombol data yang memiliki karakteristik pembentukan perilaku dengan variabel  ability beliefs, self regulation, interest, dan motivation. Karakteristik tersebut dapat dimaknai bahwa peserta meyakini akan kemampuan dan sumberdaya yang dimiliki bisa meniru model yang ada di Cirebon, perserta sudah mampu merencanakan pengembangan produk seperti model, peserta berminat untuk mengikuti model, dan perserta sudah merasa termotivasi untuk masa depan yang lebih baik dan meningkatkan daya saing. Peserta tersebut adalah Ahmad Saleng, Rosnaedah, Rusiah, Ade, Abi, Harun, dan Edi. Sedangkan Hasan cenderung termasuk ke dalam gerombol data ini, meskipun jauh dibawah rata-rata, karena dimungkinkan Saudara Hasan merupakan peserta yang tertua dengan usia 65 tahun.

(3)   Gerombol data ketiga adalah gerombol data yang memiliki karakteristik pembentukan perilaku dengan variabel self eficacy. Karakteristik tersebut dapat dimaknai bahwa peserta sudah memiliki rasa percaya diri yang kuat untuk meniru model dan sudah mencobanya dengan skala kecil. Peserta tersebut adalah Suherah. Suherah sudah berani mencoba meniru model dengan skala kecil. Variabel eficacy cenderung berada ditengah-tengah.

Study tour ini diharapkan merubah perilaku pengolah ikan asin pelabuhan perikanan Karangantu – Banten setelah mereka melihat model pengolah ikan asin yang ada di Cirebon. Mereka mampu meniru model dengan teori recyprocal determinisme dimana lingkungan dan kognisi mereka akan mempengaruhi perilakunya. Self eficacy dan self regulation menunjukkan telah terjadinya pembentukan perilaku yang diharapkan. Motivasi dan minat yang kuat dapat mendorong mereka untuk meniru model dalam skala yang luas dan jangka waktu yang lama.

Hasil biplot analisis menunjukkan bahwa peserta yang termasuk gerombl data 2 dan 3 termasuk kategori baik dan mampu meniru model pengolah ikan asin Cirebon. Bahkan sudah ada yang berani mencoba dalam skala kecil.

2.2.            Analisis komponen utama (AKU)

Masalah pereduksian dimensi  dari  segugus  data  peubah  data  peubah ganda  yang  besar  sering  menjadi  topik  yang  menarik  untuk  dibahas.  Beberapa  masalah  yang  timbul  dalam  mereduksi  dimensi  tersebut adalah  bagaimana  caranya  mendapatkan  gugus  peubah  yang  lebih kecil  namun  tetap  mampu  mempertahankan  sebagian  besar  informasi yang  terkandung  pada  data  asal.  Salah  satu  metode  yang  baik digunakan  adalah  dengan  menggunakan  analisis  komponen  utama. Komponen  utama  mampu  mempertahankan  sebagian  besar  informasi yang  diukur  menggunakan  sedikit  peubah  yang  menjadi  komponen utamanya  saja. Berikut ini contoh analisis komponen utama terhadap hasil study tour pengolah ikan asin Pelabuhan Perikanan Karangantu – Banten.

Tabel 1 Rangkuman deskripsi statistik

Summary statistics (datatourbelajar)
Variabel	Mean	Std. Dev.
attention	3,891667	0,725595
retintion	3,533333	0,736070
satisfaction	4,258333	0,565896
achievement beliefs	3,711111	0,469154
ability beliefs	3,891667	0,615765
interest	4,057143	0,732025
self eficacy	3,293333	0,483243
self regulation	4,200000	0,721550
motivation	4,483333	0,383437

Variabel perilaku yang berjumlah 9 di atas memiliki nilai rata-rata terendah 3,29 dengan standar deviasi 0,48 sehingga 3,29-0,48≤ 3,29 ≤ 3,29+0,48. Nilai variabel tersebut masih dikategorikan sedang. Self eficacy memiliki nilai terendah diantara variabel yang lain, karena perilaku ini memerlukan tindakan nyata dengan mencoba sesuatu untuk meniru model. Variabel tertinggi dalam pembentukan perilaku adalah motivasi dengan nilai 4,48 dengan standar deviasi 0,38. Motivasi peserta untuk meniru model dikategorikan baik.

Untuk melihat keeratan hubungan antar variabel dapat dianalisa dengan matrik korelasi berikut ini.

Tabel 2 Matrik korelasi study tour

Correlations (datatourbelajar)
	attention		retention	satisfaction		achievement beliefs	ability beliefs	interest	self eficacy		self regulation	motivation
attention	1,000000		0,751168	0,586741		0,071982	0,661289	-0,194033	0,621655		0,646907	-0,263687
retention	0,751168		1,000000	0,400599		0,290344	0,495543	-0,146873	0,541743		0,586770	-0,142006
satisfaction	0,586741		0,400599	1,000000		0,076976	0,412744	0,048034	0,440989		0,097670	-0,143333
achievement beliefs	0,071982		0,290344	0,076976		1,000000	0,259959	-0,126771	0,253447		0,077368	0,285667
ability beliefs	0,661289		0,495543	0,412744		0,259959	1,000000	0,300516	0,588508		0,608226	-0,168910
interest	-0,194033		-0,146873	0,048034		-0,126771	0,300516	1,000000	0,162690		0,227963	0,158141
self eficacy	0,621655		0,541743	0,440989		0,253447	0,588508	0,162690	1,000000		0,652794	0,240288
self regulation	0,646907		0,586770	0,097670		0,077368	0,608226	0,227963	0,652794		1,000000	0,206539
motivation	-0,263687		-0,142006	-0,143333		0,285667	-0,168910	0,158141	0,240288		0,206539	1,000000
Hasil analisis korelasi menunjukkan bahwa proses belajar variabel attention dan retention memiliki korelasi yang kuat 0,75. Diikuti oleh variabel attention dan ability beliefs 0,66. Selanjutnya variabel self eficacy dan self regulation 0,65. Tabel 3 Matrik kovarian dan akar ciri Eigenvalues of covariance matrix, and related statistics (datatourbelajar) Active variables only
		Eigenvalue			% Total - variance		Cumulative - Eigenvalue			Cumulative - %
attention		1,647435			48,10255		1,647435			48,1025
retention		0,673552			19,66668		2,320988			67,7692
satisfaction		0,359668			10,50174		2,680656			78,2710
achievement beliefs		0,266638			7,78541		2,947294			86,0564
ability beliefs		0,184249			5,37979		3,131543			91,4362
interest		0,171401			5,00463		3,302944			96,4408
self eficacy		0,064822			1,89271		3,367766			98,3335
self regulation		0,038062			1,11134		3,405828			99,4449
motivation		0,019013			0,55514		3,424840			100,0000

Hasil analisis menunjukkan bahwa variabel attention, retention, satisfaction, achievement beliefs, ability beliefs mencapai kumulatif 91% dapat menjelaskan seluruh variabel. Bahkan dengan 3 variabel pertama didapat akumulasi 78% sudah dapat mengukur keberhasilan study tour. Keempat komponen tersebut mampu menjelaskan variabel lainnya karena bersifat ortogonal dan saling melengkapi informasi perubahan perilaku.

Gambar 2 plot scree study tour

Gambar 1 menunjukkan bahwa nilai akar ciri (eigenvalue) pada sumbu vertikal terlihat curam pada komponen 1 (covariance 48%), komponen 2 (covariance 19,67%), komponen 3 (covariance 10,50%), dan komponen 4 (covariance 7,79%). Keempat komponen tersebut sudah mewakili variabel lainnya untuk mengukur hasil study tour.

               

Gambar 3 Proyeksi variabel terhadap faktor 1 dan 2

Ada 2 grup variabel yang berkorelasi positif yaitu 1) Motivation, interest, achievement beliefs, self regulation, dan self eficacy ; 2) satisfaction, attention, retention, ability beliefs, self eficacy, self regulation, dan achievement beliefs.

Dari 2 grup tersebut terdapat 2 variabel yang berkorelasi positif dengan semua variabel yaitu self eficacy dan self regualtion.

Sedangkan variabel motivation dan interest berkorelasi negatif dengan retention dan attention.

Gambar 4 Proyeksi cases terhadap faktor 1 dan 2

Gambar di atas menunjukkan bahwa Rahman, Edi, Ahmad Saleng, dan Hasan termasuk baik dalam proses belajar baik dalam pengamatan (attention) maupun daya ingat. Sedangkan Harun, Abu, Ade, dan Suherah kurang baik dalam proses belajar. Rosnaedah dan Rusiah perlu ditingkatkan daya ingatnya. Sedangkan Habibah, Suryanto, Salmah, dan Hadiah perlu peningkatan pada fokus pengamatan.

3 SIMPULAN DAN SARAN

3.1. Simpulan

Biplot analisis menunjukkan bahwa gerombol data 2 dan 3 dapat menunjukkan keberhasilan dari study tour yaitu sebanyak 9 orang dengan karakteristik mendasar self eficacy dan self regulation. Sedangkan pada analisis komponen utama 4 komponen utama dengan akumulasi covariance 86% belum bisa menunjukkan keberhasilan sebuah tour belajar.

Namun demikian ada kesamaan hasil analisis dimana variabel self eficacy dan self regulation keduanya berkorelasi positif dengan semua variabel pada analsis komponen utama sedangkan pada biplot analisis diposisikan sebagai variabel penentu keberhasilan study tour.

Berdasarkan hasil analisis tersebut terbukti dengan jelas bahwa konsep teori pembelajaran sosial oleh Bandura yang menjelaskan adanya interaksi timbal balik (reciprocal determinism), yaitu pendekatan yang menjelaskan perilaku manusia dalam bentuk hubungan timbal-balik yang kompleks dan kontinu antara determinan kognitif, tingkah laku dan lingkungan. Lingkungan (faktor eksternal) dan pribadi (faktor internal) secara bersama dan timbal balik mempengaruhi tingkah laku.  Teori reciprocal determinism terdapat dua hal yang penting yaitu efikasi diri (self effication), dan nilai diri (self value) atau pengaturan diri (self regulation).  

Sedangkan teori Schunk and Hanson (1985) yang memperkenalkan variabel-variabel model Coping dalam pembelajaran sosial yaitu satisfaction, achievement beliefs, ability beliefs,  interest menjadi variabel pendukung dalam mengukur sukses study tour.

Variabel motivasi dan interest berkorelasi negatif dan cenderung tidak ada hubungan dengan proses attention dan retention menjelaskan bahwa variabel ini tidak cocok untuk digabungkan dalam sebuah pengukuran keberhasilan study tour.

3.2. Saran

Berdasarkan kesimpulan di atas disarankan dalam mengukur keberhasilan study tour sebagai berikut:

(1)   Variabel self eficacy dan self regulation menjadi indikator utama dalam mengukur keberhasilan study tour.

(2)   Variable lain sebagai penunjang dengan alternatif:

(a)    Attention, retention, satisfaction, ability beliefs, achievement beliefs.

(b)   Satisfaction, ability beliefs, achievement beliefs, interest, motivation.

DAFTAR PUSTAKA

Ardana NKK, Siswadi. 2005. Biplot dan implementasinya dengan pemrograman Fungsional Mathematica. JMA, Vol 4, No 2, 21-31.

Bandura Albert. (1977). Social Learning Theory.New Jersey (US): Prentice-Hall Inc Pr. Dale, Barrie G. (2003). Managing quality. - 4th Ed. Oxford: Blackwell Publishers.  

Gabriel KR. 1971. The biplot graphic display of matrices with  application to principal component analysis. Biometrika 58, 453-67.

Jolliffe IT. 2002. Principal Component Analysis. 2nd Ed. Springer-Verlag, New York. 

Schunk, D. H., & Hanson, A. R. (1985). Peer models: Influence on children’s Self-efficacy and Achievement. Journal of Educational Psychology.77 (3): 313–322.