1. Mereduksi banyaknya variabel penelitian dengan tetap mempertahankan sebanyak mungkin informasi data awal. Banyaknya variabel awal dapat
dikurangi menjadi beberapa variabel yang jumlahnya lebih sedikit dengan tetap mempertahankan sebagian besar variasi data.
2. Mencari perbedaan kualitatif dan kuantitatif dalam data, dalam situasi dimana terdapat jumlah data yang sangat besar.
3. Data digunakan pula untuk menguji hipotesis tentang perbedaan kualitatif dan kuantitatif dalam data penelitian.
Adapun kelebihan dari metode analisis faktor adalah : 1. Dapat mengungkapkan karakteristik dominan yang dimiliki unit data
operasi. 2. Dapat menganalisis sejumlah variabel awal penelitian dan menganalisis
korelasi antar variabel awal tersebut. 3. Dapat menggabungkan atau mengagresikan sejumlah variabel awal yang
diteliti menjadi sejumlah variabel yang lebih sedikit.
2.10.2 Statistik yang Relevan dengan Analisis Faktor
Statistik kunci yang relevan dengan analisis faktor adalah sebagai berikut :
1. Barlett’s test of sphericity
Barlett’s test of sphericity adalah uji statistik yang digunakan untuk menguji hipotesis yang menyatakan bahwa variabel-variabel tersebut tidak
berkorelasi dalam populasinya. Dengan kata lain, matriks korelasi populasi adalah sebuah matriks identitas, dimana setiap variabel berkorelasi dengan
variabel itu sendiri r = 1, tetapi tidak berkorelasi dengan variabel lainnya r = 0.
Universitas Sumatera Utara
2. Correlation matrix Matriks Korelasi
Matriks korelasi adalah matriks yang menunjukkan korelasi sederhana r antara seluruh kemungkinan pasangan variabel yang dilibatkan dalam
analisis. Nilai atau angka pada diagonal utama semuanya sama yaitu 1.
3. Perhitungan communality
Communality adalah jumlah varian yang disumbangkan oleh suatu variabel dengan seluruh variabel lainnya dalam analisis. Bisa juga disebut
proporsi atau bagian varian yang dijelaskan oleh common factor atau besarnya sumbangan suatu faktor terhadap varian seluruh variabel. Makin
kecil nilainya, makin lemah hubungan antara variabel yang terbentuk. dengan persamaan :
ℎ = +
+ ⋯ + Keterangan:
ℎ = communality variabel ke-i = nilai factor loading
4. Perhitungan nilai karakteristik eigen value
Eigenvalue yaitu mempresentasikan total varians yang dijelaskan oleh setiap faktor. Untuk faktor yang mempunyai nilai eigenvalue 1 maka
faktor tersebut akan dimasukkan ke dalam model. dimana perhitungan ini berdasarkan persamaan karakteristik :
Σ − = 0 Keterangan:
Σ = matriks korelasi =
matriks identitas 26
Universitas Sumatera Utara
= eigen value
5. Kaiser - Meyer - Olkin KMO measure of sampling adequency
Kaiser-Meyer-Olkin KMO merupakan suatu indeks yang dipergunakan untuk meneliti ketepatan analisis faktor. Analisis faktor dikatakan tepat
apabila nilai KMO berkisar antara 0,5 – 1,0 dan sebaliknya jika nilai KMO kurang dari 0,5 berarti analisis faktor tidak tepat.
=
∑ ∑ ∑ ∑
∑ ∑
, = 1,2, … , ; = 1,2, … ,
Keterangan : = koefisien korelasi sederhana antara variabel ke- dan ke-
= koefisien korelasi parsial antara variabel ke- dan ke-
6. Measure of Sampling Adequacy MSA
