Tabel IV.13. Anti-Image Matrices Variabel Karakteristik Individu
Sumber: Hasil Penelitian, 2010 Data Diolah
Tabel IV.13 angka Anti image correlation yang bertanda a arah diagonal dari kiri atas ke kanan bawah menunjukkan tidak ada lagi indikator yang mempunyai
MSA Measure of Sampling Adequacy di bawah 0,5; maka dapat dilanjutkan dengan factoring.
2. Factoring
a .Communalities
Communalities menunjukkan beberapa varians yang dapat dijelaskan oleh faktor yang diekstrak. Pada proses sebelumnya, diketahui indikator jenis kelamin
dikeluarkan dan faktor lain usia, status perkawinan, masa kerja dan jumlah tanggungan akan dianalisis lebih lanjut.
,129 -,110
-,124 -3,643E-02
-,110 ,291
8,307E-02 -,109
-,124 8,307E-02
,222 -5,396E-02
-3,64E-02 -,109
-5,396E-02 ,323
,694
a
-,568 -,730
-,179 -,568
,738
a
,326 -,355
-,730 ,326
,705
a
-,201 -,179
-,355 -,201
,895
a
Usia Status P
Masa Kerja J.tanggungan
Usia Status P
Masa Kerja J.tanggungan
Anti-image Covariance
Anti-image Correlation
Usia Status P
Masa Kerja J. Tanggungan
Measures of Sampling AdequacyMSA a.
p d f Machine
I s a pdf w r it e r t ha t pr oduce s qua lit y PD F file s w it h e a se
Produce quality PDF files in seconds and preserve the integrity of your original docum ents. Com patible across nearly all Windows platform s, if you can print from a windows application you can use pdfMachine.
Get yours now
Universitas Sumatera Utara
Tabel IV.14. Communalities Variabel Karakteristik Individu
Sumber: Hasil Penelitian, 2010 Data Diolah
Communalities pada dasarnya adalah jumlah varians bisa dalam persentase dari suatu indikator mula-mula yang bisa dijelaskan oleh faktor yang ada. Pada Tabel
IV.14 menunjukkan jumlah varians dari variabel karakteristik individu. a.
Untuk indikator usia, angkanya adalah 0,918. Hal ini berarti 91,8 varians dari variabel karakteristik individu bisa dijelaskan oleh faktor yang terbentuk.
b. Untuk indikator status perkawinan, angkanya adalah 0,759. Hal ini berarti
75,9 varians dari variabel karakteristik individu bisa dijelaskan oleh faktor yang terbentuk.
c. Untuk indikator masa kerja, angkanya adalah 0,780. Hal ini berarti 78,0
varians dari variabel karakteristik individu bisa dijelaskan oleh faktor yang terbentuk.
d. Untuk indikator jumlah tanggungan, angkanya adalah 0,810. Hal ini berarti
81,0 varians dari variabel karakteristik individu bisa dijelaskan oleh faktor yang terbentuk.
Jadi dari analisis di atas berarti semakin besar communalities sebuah indikator, berarti semakin erat hubungannya dengan komponen yang terbentuk.
1,000 ,918
1,000 ,759
1,000 ,780
1,000 ,810
Usia Status P
Masa Kerja J.tanggungan
Initial Extraction
Extraction Method: Principal Component Analysis.
p d f Machine
I s a pdf w r it e r t ha t pr oduce s qua lit y PD F file s w it h e a se
Produce quality PDF files in seconds and preserve the integrity of your original docum ents. Com patible across nearly all Windows platform s, if you can print from a windows application you can use pdfMachine.
Get yours now
Universitas Sumatera Utara
c. Total Variance Explained
Nilai Eigenvalue merupakan jumlah varian yang dijelaskan oleh variabel
dengan sejumlah indikator pembentuknya dan juga menunjukkan jumlah indikator yang menjadi anggota suatu variabel. Angka eigenvalue karakteristik individu dapat
dilihat pada Tabel IV.15.
Tabel IV.15. Total Variance Explained Variabel Karakteristik Individu
Sumber: Hasil Penelitian, 2010 Data Diolah
Berdasarkan hasil output dari Tabel IV.15 ada 4 komponen yang dimasukkan dalam analisis faktor, yakni usia, status perkawinan, masa kerja, dan jumlah
tanggungan, dengan masing-masing komponen mempunyai varians 1, maka total varians adalah adalah 4 x 1 = 4. Dari tabel di atas terlihat bahwa hanya ada satu
komponen terbentuk, karena dengan satu komponen, angka eigenvalues = 3,267 di atas 1, sehingga proses factoring harus berhenti pada 1 komponen saja. Komponen
yang mempunyai nilai eigenvalues 1, berarti tidak mempunyai anggota indikator pembentuk komponen.
3,267 81,683
81,683 3,267
81,683 81,683
,405 10,118
91,801 ,244
6,103 97,904
8,385E-02 2,096
100,000
Component
1 2
3 4
Total of Variance
Cumulative Total
of Variance Cumulative
Initial Eigenvalues Extraction Sums of Squared Loadings
Extraction Method: Principal Component Analysis.
p d f Machine
I s a pdf w r it e r t ha t pr oduce s qua lit y PD F file s w it h e a se
Produce quality PDF files in seconds and preserve the integrity of your original docum ents. Com patible across nearly all Windows platform s, if you can print from a windows application you can use pdfMachine.
Get yours now
Universitas Sumatera Utara
c. Scree Plot
Scree Plot merupakan plot dari eigenvalue sebagai sumbu tegak vertical dan banyaknya komponen sebagai sumbu datar, untuk menentukan banyaknya komponen
yang bisa ditarik factor extraction.
Scree Plot
Component Number
4 3
2 1
E ig
e n
va lu
e
3,5 3,0
2,5 2,0
1,5 1,0
,5 0,0
Gambar IV.2. Scree Plot Karakteristik Individu
Jika tabel total varience menjelaskan dasar jumlah komponen yang didapat dengan perhitungan angka, maka Gambar IV.2 menampakkan hal tersebut dengan
grafik. Terlihat bahwa dari satu kedua faktor garis dari sumbu component number = 1 ke 2, arah grafik menurun dengan tajam. Hal ini menunjukkan bahwa hanya satu
komponen paling bagus untuk meringkas keempat indikator tersebut.
d. Component Matrix
Setelah diketahui bahwa hanya ada satu komponen saja maka dapat dilihat dalam tabel component matrix menunjukkan distribusi dari ke 4 indikator tersebut
pada satu komponen yang terbentuk.
p d f Machine
I s a pdf w r it e r t ha t pr oduce s qua lit y PD F file s w it h e a se
Produce quality PDF files in seconds and preserve the integrity of your original docum ents. Com patible across nearly all Windows platform s, if you can print from a windows application you can use pdfMachine.
Get yours now
Universitas Sumatera Utara
Tabel IV.16. Component Matrix Variabel Karakteristik Individu
Sumber: Hasil Penelitian, 2010 Data Diolah
Dapat dilihat angka-angka yang ada pada Tabel IV.16 tersebut adalah factor loadings, yang menunjukkan besarnya korelasi antar suatu indikator dengan
komponen 1 satu. Proses penentuan indikator yang masuk ke komponen 1 dilakukan dengan membandingkan besar korelasi pada setiap baris.
a. Korelasi antar indikator usia dengan komponen 1 adalah +0,958 korelasi kuat
karena di atas 0,5. b.
Korelasi antar indikator status perkawinan dengan komponen 1 adalah +0,871 korelasi kuat karena di atas 0,5.
c. Korelasi antar indikator masa kerja dengan komponen 1 adalah +0,883
korelasi kuat karena di atas 0,5. d.
Korelasi antar indikator jumlah tanggungan dengan komponen 1 adalah +0,900 korelasi kuat karena di atas 0,5.
Jika dilihat angka loading factor yang menunjukkan hubungan korelasi indikator usia, status perkawinan, masa kerja dan jumlah tanggungan terhadap
,958 ,871
,883 ,900
Usia Status P
Masa Kerja J.tanggungan
1 Component
Extraction Method: Principal Component Analysis.
p d f Machine
I s a pdf w r it e r t ha t pr oduce s qua lit y PD F file s w it h e a se
Produce quality PDF files in seconds and preserve the integrity of your original docum ents. Com patible across nearly all Windows platform s, if you can print from a windows application you can use pdfMachine.
Get yours now
Universitas Sumatera Utara
variabel karakteristik individu adalah kuat, hal ini dapat dilihat dari semua angka loading factor berada di atas 0,5.
2. Menentukan Faktor Skor Scores Factor
