54
asumsi saling berkorelasi yaitu dengan melihat nilai Sig. 0.000 yang lebih kecil dari α 0.05.
Pada uji kelayakan ketiga semua data memiliki nilai MSA
≥ 0.5 sehingga uji kecukupan data telah terpenuhi dan analisis faktor dapat
dilanjutkan ke tahap berikutnya.
b. Melakukan Ekstraksi
Analisa faktor bertujuan untuk mencari variabel baru yang disebut faktor yang saling
tidak berkorelasi, lebih sedikit jumlahnya dari variabel asli, tetapi menyerap sebagian informasi
dari variabel asli. Untuk kepentingan tersebut data yang sudah memiliki kelayakan analisis di
atas harus diekstraksi. Dari 25 item yang digunakan dalam skala
sikap, tersisa 14 item yang lolos uji kelayakan data sebagai syarat awal analisis faktor, yaitu
item 1, 5, 6, 7, 8, 10, 11, 12, 13, 15, 17, 21, 22, 24 yang kemudian akan diekstraksi. Hasilnya
seperti di bawah ini:
Tabel 4.5 Komunalitas
Communalities
Initial Extraction item_1
1,000 ,620 item_5
1,000 ,566 item_6
1,000 ,822
55 item_7
1,000 ,758 item_8
1,000 ,723 item_10 1,000 ,714
item_11 1,000 ,794 item_12 1,000 ,841
item_13 1,000 ,697 item_15 1,000 ,749
item_17 1,000 ,670 item_21 1,000 ,778
item_22 1,000 ,658 item_24 1,000 ,672
Extraction Method: Principal Component Analysis.
Sumber: Output SPSS
Tabel Communalities
menunjukkan seberapa besar kontribusi sebuah item terhadap
faktor yang terbentuk. Dari tabel di atas diketahui bahwa:
Item_1 nilainya 0.620 = kontribusi variabel
item_1 terhadap faktor yang terbentuk adalah sebesar 62.0
Item_5 nilainya 0.566 = kontribusi variabel
item_5 terhadap faktor yang terbentuk adalah sebesar 56.6
Item_6 nilainya 0.822 = kontribusi variabel
item_6 terhadap faktor yang terbentuk adalah sebesar 82.2
Item_7 nilainya 0.756 = kontribusi variabel
item_7 terhadap faktor yang terbentuk adalah sebesar 75.6
56
Item_8 nilainya 0.723 = kontribusi variabel
item_8 terhadap faktor yang terbentuk adalah sebesar 72.3
Item_10 nilainya 0.714 = kontribusi variabel
item_10 terhadap faktor yang terbentuk adalah sebesar 71.4
Item_11 nilainya 0.794 = kontribusi variabel
item_11 terhadap faktor yang terbentuk adalah sebesar 79.4
Item_12 nilainya 0.841 = kontribusi variabel
item_12 terhadap faktor yang terbentuk adalah sebesar 84.1
Item_13 nlainya 0.697 = kontribusi variabel
item_13 terhadap faktor yang terbentuk adalah sebesar 69.7
Item_15 nilainya 0.749 = kontribusi variabel
item_15 terhadap faktor yang terbentuk adalah sebesar 74.9
Item_17 nilainya 0.670 = kontribusi variabel
item_17 terhadap faktor yang terbentuk adalah sebesar 67.0
Item_21 nilainya 0.778 = kontribusi variabel
item_21 terhadap faktor yang terbentuk adalah sebesar 77.8
Item_22 nilainya 0.658 = kontribusi variabel
item_22 terhadap faktor yang terbentuk adalah sebesar 65.8
57
Item_24 nilainya 0.672 = kontribusi variabel
item_24 terhadap faktor yang terbentuk adalah sebesar 67.2.0
Semua variabel memiliki nilai 50, oleh karenanya dapat disimpulkan bahwa semua
variabel memiliki kontribusi yang besar terhadap faktor yang terbentuk.
58
Tabel 4.6 Faktor yang Terbentuk
Total Variance Explained
Component Initial Eigenvalues
Extraction Sums
of Squared
Loadings Rotation Sums of Squared Loadings
Total of
Variance Cumulative
Total of
Variance Cumulative
Total of
Variance Cumulative
1 5,944
42,457 42,457
5,944 42,457
42,457 4,052
28,943 28,943
2 1,533
10,953 53,410
1,533 10,953
53,410 2,483
17,737 46,680
3 1,467
10,481 63,892
1,467 10,481
63,892 2,240
15,999 62,679
4 1,117
7,977 71,868
1,117 7,977
71,868 1,286
9,189 71,868
5 ,817
5,838 77,706
6 ,733
5,235 82,941
7 ,595
4,247 87,189
8 ,509
3,636 90,824
9 ,398
2,845 93,669
10 ,264
1,882 95,551
11 ,212
1,513 97,064
12 ,181
1,295 98,360
13 ,147
1,052 99,411
14 ,082
,589 100,000
59
Sumber: Output SPP Extraction Method: Principal Component Analysis.
60
Tabel Total Variance
Explained berguna untuk
menunjukkan besarnya
persentase keragaman total yang mampu diterangkan oleh
keragaman faktor-faktor yang terbentuk. Untuk menentukan
berapa komponenfaktor
yang dipakai agar dapat menjelaskan keragaman total
maka perlu
memperhatikan besar
nilai eigenvalue. Kolom yang diperhatikan dalam
langka h ini adalah kolom “Initial Eigenvalues”.
Suatu eigenvalues
menunjukkan besarnya
sumbangan dari faktor terhadap seluruh variabel asli. Hanya faktor dengan varian 1 yang
dipertahankan, oleh karena itu hanya komponen 1, 2, 3, dan 4 yang diikutsertakan dalam analisis
selanjutnya. Kolom
“cumulative ”
merupakan persentase
kumulatif varian
yang dapat
dijelaskan oleh faktor. Besarnya keragaman yang mampu diterangkan oleh faktorkomponen 1
sebesar 42,457. Besarnya keragaman yang mampu diterangkan oleh faktorkomponen 2
sebesar 10,953 sehingga besarnya persentase kumulatif adalah 53,410. Besarnya keragaman
yang mampu diterangkan oleh faktorkomponen 3 sebesar 10,481 sehingga besarnya persentase
kumulatif adalah 63,891. Besarnya keragaman yang mampu diterangkan oleh faktorkomponen
4 sebesar 7,977 sehingga besarnya persentase kumulatif
menjadi sebesar
71,868.
61
Berdasarkan nilai
eigenvalue keempat
faktorkomponen yang lebih besar dari 1 dan besarnya persentase kumulatif keempat faktor
sebesar 71,868, dapat disimpulkan bahwa keempat
faktor dapat
mewakili keragaman
variabel-variabel asal.
c. Melakukan Rotasi
