Aktivitas Non-Pertanian Komparasi Kinerja Desa-Desa Eks Transmigrasi dan Desa-Desa Non- Transmigrasi

Berdasarkan kriteria yang telah dikemukakan sebelumnya, terlihat bahwa dari 16 peubah yang dianalisis, hanya 8 peubah yang memiliki nilai MSA 0.5. Peubah-peubah tersebut adalah BIDAN, SD, RUMAH, BABINSA, LAHAN, IP, INP, dan PD. Sedangkan 8 peubah lainnya yang memiliki nilai MSA = 0.5 adalah POSYANDU, TK, SMP, RTM, HANSIP, PPM, KK dan JS. Dengan mengeluarkan 8 peubah tersebut, dilakukan pengujian ulang terhadap pengukuran MSA. Berdasarkan pengujian ulang MSA terlihat bahwa semua peubah memiliki nilai MSA 0.5. Tabel 37 Pengukuran ulang MSA peubah-peubah indikator stadia desa eks transmigrasi BIDAN SD RUMAH BABINSA LAHAN IP INP PD Anti-image BIDAN .815 -.149 .117 .103 -.009 .026 .115 .004 Covariance SD -.149 .777 .166 .145 .136 -.028 .033 -.033 RUMAH .117 .166 .769 -.127 -.038 .139 -.105 -.128 BABINSA .103 .145 -.127 .822 -.060 -.106 -.033 .047 LAHAN -.009 .136 -.038 -.060 .905 -.089 -.021 -.059 IP .026 -.028 .139 -.106 -.089 .739 -.238 -.183 INP .115 .033 -.105 -.033 -.021 -.238 .708 -.152 PD .004 -.033 -.128 .047 -.059 -.183 -.152 .805 Anti-image BIDAN .793a -.187 .147 .126 -.011 .033 .152 .005 Correlation SD -.187 .733a .214 .181 .162 -.037 .045 -.042 RUMAH .147 .214 .691a -.159 -.045 .185 -.143 -.163 BABINSA .126 .181 -.159 .772a -.069 -.136 -.043 .058 LAHAN -.011 .162 -.045 -.069 .792a -.109 -.027 -.070 IP .033 -.037 .185 -.136 -.109 .615a -.329 -.237 INP .152 .045 -.143 -.043 -.027 -.329 .729a -.202 PD .005 -.042 -.163 .058 -.070 -.237 -.202 .707a Pengujian ulang juga dilakukan untuk KMO dan Bartlett Test. Berdasarkan pengujian ulang memperlihatkan bahwa nilai KMO 0,721 0,5 dan nilai Chi- Square adalah 181,081 dengan derajat bebas 28 dan p-value 0.000 0.05. Dengan demikian, matrik korelasi yang terbentuk menunjukkan benar-benar terdapat korelasi antar peubah yang digunakan. Tabel 38 Pengujian ulang KMO dan Bartletts Test peubah-peubah indikator stadia desa eks transmigrasi Kaiser-Meyer-Olkin Measure of Sampling Adequacy . .721 Bartletts Test of Sphericity Approx. Chi-Sq uare 182.829 df 28 Sig. .000 Proses Factoring dan Rotasi Proses factoring bertujuan untuk mengesktrak satu atau lebih faktor dari peubah-peubah yang telah lolos uji pada uji peubah sebelumnya. Dalam konteks proses factoring ini, digunakan metode Analisis Komponen Utama Principal Components Analysis=PCA. Dalam penentuan jumlah faktor, penelitian ini menetapkan jumlah faktor sebanyak tiga, dengan asumsi masing-masing faktor mewakili indikator kesejahteraan, aktivitas pertanian dan aktivitas non-pertanian. Dengan kata lain, analisis faktor dalam hal ini bertujuan untuk Confirmatory Factor Analysis yaitu untuk menguji atau mengkonfirmasi apakah suatu konstruk yang telah dibentuk dapat dikonfirmasikan dengan data empirisnya. Setelah satu atau lebih dari faktor terbentuk, dengan sebuah faktor berisi sejumlah peubah, kemungkinan sebuah peubah diragukan apakah layak atau tidak untuk dimasukkan dalam faktor yang terbentuk. Untuk mengatasi tersebut maka pada tahap selanjutnya dilakukan proses rotasi. Proses rotasi bertujuan untuk memperjelas posisi sebuah peubah dalam suatu faktor. Dalam penelitian ini, proses rotasi yang digunakan adalah metode Obligue Rotation . Pemilihan metode ini didasarkan pertimbangan untuk mendapatkan faktor yang sesuai dengan teori atau dengan kriteriasub-kriteria indikator yang telah dikemukakan sebelumnya Ghozali 2009. Analisis Communalities Analisis ini pada dasarnya menentukan jumlah varians dalam persentase dari suatu peubah mula-mula yang bisa dijelaskan oleh faktor yang ada. Besaran nilainya antara 0.00 hingga 1.00. Semakin besar nilainya semakin erat hubungannya dengan faktor yang terbentuk. Merujuk pada Tabel 39, dapat dikemukakan bahwa nilai varians terbesar adalah untuk lahan tani sebesar 0,854. Ini berarti bahwa 85,4 persen varians dari peubah ini bisa dijelaskan oleh faktor-faktor yang terbentuk pada rotated component matrix . Sedangkan nilai varians terkecil adalah untuk peubah Babinsa yaitu sebesar 0,413, yang berarti bahwa 41,3 persen varians dari vaiabel ini yang dijelaskan oleh faktor-faktor yang terbentuk pada rotated component matrix. Tabel 39 Analisis communalities peubah indikator stadia desa eks transmigrasi Nomor Peubah Varians 1 BIDAN .515 2 SD .585 3 RUMAH .545 4 BABINSA .413 5 LAHAN .854 6 IP .657 7 INP .624 8 PD .540 Selanjutnya jika ke 8 peubah tersebut diringkas menjadi satu faktor, maka varians yang bisa dijelaskan oleh satu faktor tersebut adalah 2.4578 x 100 = 30.714 lihat Tabel 40. Jika ke 8 peubah tersebut diekstrak menjadi 2 faktor maka varians faktor pertama adalah 30.714 persen dan varians faktor kedua adalah 1.3528 x 100 = 16.899, sehingga varians kumulatif yang dapat dijelaskan oleh kedua faktor tersebut adalah sebesar 47,613 persen. Jika ke 8 peubah tersebut diringkas menjadi tiga faktor, maka varians faktor pertama sebesar 30,714 persen, varians faktor kedua 16,899 persen dan varians faktor ketiga adalah 0.9248 x 100 = 11,553. Dengan kata lain juga, dengan mengekstrak delapan peubah indikator kinerja desa eks transmigrasi atas 3 faktor, maka kumulatif varians yang mampu dijelaskan oleh ketiga faktor tersebut adalah sebesar 59,166 persen. Perhitungan Total Variance Explained diberikan pada Tabel 40 berikut. Tabel 40 Total variance explained peubah indikator stadia desa eks transmigrasi Com- ponent Initial Eigenvalues Extraction Sums of Squared Loadings Rotation Sums of Squared Loadings Total of Variance Cumulative Total of Variance Cumulative Total 1 2.457 30.714 30.714 2.457 30.714 30.714 2.072 2 1.352 16.899 47.613 1.352 16.899 47.613 1.879 3 .924 11.553 59.166 .924 11.553 59.166 1.121 4 .843 10.533 69.699 5 .721 9.015 78.713 6 .622 7.771 86.484 7 .594 7.424 93.908 8 .487 6.092 100.000 Analisis Factoring dan Rotasi Berdasarkan matriks komponen yang terbentuk Tabel 41, terlihat bahwa semua peubah memiliki koefisien factor loading yang signifikan 0.5. Ini menunjukkan bahwa peubah-peubah yang ada mampu mewakili faktor yang ada. Tabel 41 Matriks komponen peubah indikator stadia desa eks transmigrasi Peubah Komponen 1 2 3 BIDAN -.585 .264 .321 SD -.568 .495 -.132 RUMAH .575 -.392 -.246 BABINSA .566 -.286 .101 LAHAN .442 .005 .812 IP .498 .632 .099 INP .667 .372 -.201 PD .503 .514 -.153 Selanjutnya mengacu pada factor loading terbesar, terlihat bahwa faktor 1 terbentuk oleh peubah BIDAN, SD, RUMAH, BABINSA, dan INP. Faktor 2 terbentuk oleh peubah IP dan PD sedangkan faktor 3 terbentuk oleh peubah LAHAN. Fakta ini menunjukkan bahwa pengelompokan peubah dalam faktor pada component matrix ini belum sesuai dengan pengelompokan yang secara teoritis telah dikemukakan sebelumnya. Hal ini terlihat terutama pada peubah INP yang secara teoritis berada pada kelompok IP dan PD aktivitas non pertanian tetapi ternyata berada pada kelompok kesejahteraan masyarakat BIDAN, SD, RUMAH DAN BABINSA. Model awal dari matriks faktor ini secara teoritis sulit untuk diinterpretasikan. Oleh karenanya dilakukan rotasi faktor dengan metode Oblique. Hasil rotasi faktor tersebut diberikan pada Tabel 42. Mengacu pada matriks struktur Tabel 42 terlihat bahwa delapan peubah yang diajukan mengelompok pada tiga kelompok, dengan kelompok pertama adalah BIDAN, SD, RUMAH DAN BABINSA. Kelompok kedua adalah IP, INP dan PD, sedangkan kelompok ketiga adalah LAHAN. Berdasarkan peubah pembentuknya, faktor 1 merupakan faktor kesejahteraan, faktor 2 adalah aktivitas non-pertanian dan faktor 3 adalah aktivitas pertanian.