dengan bantuan program komputer SPSS 18.0 dapat dilihat secara keseluruhan pada Lampiran III.
4.2.2 Uji Reliabilitas
Uji reliabilitas menunjukkan sejauh mana suatu alat ukur dapat dipercaya atau dapat diandalkan dan menunjukkan sejauh mana hasil pengukuran tetap konsisten
bila dilakukan pengukuran 3 kali atau lebih terhadap gejala yang sama dengan alat ukur yang sama. Pengujian reliabilitas dapat dilakukan dengan teknik Cronbach
Alpha. Perhitungan ini menetapkan batas minimum yaitu apabila hasil
uji reliabilitas dengan teknik Cronbach Alpha sama atau lebih besar dari 0,60 maka variabel
–variabel yang ada dikatakan reliabel. Hasil yang diperoleh manual Lampiran IV sesuai dengan output SPSS 18.0. Diperlihatkan pada Tabel 4.2
sebagai berikut:
Tabel 4.2 Hasil Uji Reliabilitas
Reliability Statistics
Cronbachs Alpha
N of Items ,797
12
Hasil uji reliabilitas dengan teknik Cronbach Alpha menunjukkan bahwa 0,797 0,60 maka variabel
–variabel yang ada dikatakan reliabel.
4.3 Analisis Komponen Utama
Setelah sampel didapat dan diuji sehingga analisis data dilanjutkan dengan melakukan proses analisis komponen utama. Proses tersebut meliputi:
4.3.1 Membentuk Matriks Korelasi
Matriks korelasi merupakan matriks yang memuat koefisien korelasi dari semua pasangan variabel dalam penelitian ini. Matriks ini digunakan untuk mendapatkan
nilai kedekatan hubungan antar variabel penelitian. Perhitungan matriks korelasi dapat dilakukan dengan menggunakan rumus
Pearson Product Moment.
Universitas Sumatera Utara
Perhitungan dilakukan dengan pemisalan pada X adalah variabel X
1
dan Y adalah variabel X
2
. Berdasarkan Tabel penolong pada Lampiran V diperoleh:
∑ = 1563 ∑
= 19531 ∑
= 210297 ∑
= 1517 ∑
= 20039 Selanjutnya data akan digunakan untuk perhitungan matriks korelasi dengan
menggunakan rumus Product Moment sebagai berikut: ∑ ∑ ∑
√ ∑ ∑
∑ ∑
√ √
√ √
Hasil perhitungan matriks korelasi pada variabel X
1
dan X
2
yakni 0,415. Perhitungan untuk variabel selanjutnya dapat dilakukan dengan bantuan SPSS
18.0 pada Lampiran V.
4.3.2 Pengujian KMO dan Barlett Test of Sphericity
Perhitungan selanjutnya meneliti ketepatan yaitu dengan melihat uji Kaiser Mayer Olkin KMO dan uji
Bartlett’s Test of Sphericity. Pengukuran KMO dapat dilakukan dengan membandingkan besarnya jumlah kuadrat matriks koefisien
korelasi sederhana terobservasi dengan besarnya jumlah kuadrat koefisien matriks korelasi parsial. Berikut pemaparan hasil uji KMO dan uji Bartlett
’s Test of Sphericity dengan menggunakan program Komputer SPSS 18.0 sebagai berikut:
Universitas Sumatera Utara
Tabel 4.3 Hasil KMO dan Uji
Bartlett’s Test of Sphericity
KMO and Bartletts Test
Kaiser-Meyer-Olkin Measure of Sampling Adequacy. ,771
Bartletts Test of Sphericity Approx. Chi-Square
384,543 df
66 Sig.
,000
Pada Tabel 4.3 nilai KMO yang dihasilkan adalah sebesar 0,7710,50, nilai terseb
ut dikategorikan dalam “cukup baik” sehingga variabel yang ada sudah bisa dianalisis lebih lanjut. Pada uji
Bartlett’s Test of Sphericity dengan Chi-Square 384,543 df 66 dan nilai signifikansi = 0,0000,05 yang menunjukkan bahwa
matriks korelasi bukan merupakan matriks identitas sehingga dapat dilakukan proses Analisis Komponen Utama.
4.3.3 Pengukuran Measure of Sampling Adequacy MSA
