22 1. Untuk mereduksi sejumlah variabel asal yang jumlahnya banyak menjadi
sejumlah variabel baru yang jumlahnya lebih sedikit dari variabel asal dan variabel baru tersebut dinamakan faktor.
2. Untuk mengidentifikasi adanya hubungan antar variabel penyusun faktor atau dimensi dengan faktor yang terbentuk dengan menggunakan pengujian
koefisien korelasi antar faktor dengan komponen pembentuknya. 3. Adanya validasi data untuk untuk mengetahui apakah hasil analisis faktor
tersebut dapat digeneralisasikan ke dalam populasinya sehingga setelah terbentuk faktor maka peneliti sudah mempunyai suatu hipotesis baru
berdasarkan analisis faktor.
2.12 Langkah-Langkah Analisis Faktor 2.12.1 Tabulasi Data
Data yang telah diperoleh dari penyusunan serta penyebaran kuesioner di tempat yang telah ditentukan, kemudian data-data ini dikumpulkan serta ditabulasikan
pada kolom-kolom agar mempermudah untuk dikonversi pada software yang akan digunakan.
2.12.2 Pembentukan Matriks Korelasi
Matriks korelasi merupakan matrik yang memuat koefisien korelasi dari semua koefisien korelasi dari semua pasangan variabel dalam penelitian ini.Matriks ini
digunakan untuk mendapatkan nilai kedekatan hubungan antar variabel penelitian.Nilai kedekatan ini dapat digunakan untuk melakukan beberapa
pengujian untuk melihat kesesuaian dengan nilai korelasi yang diperoleh dari analisis faktor. Dalam tahap ini, ada dua hal yang perlu dilakukan agar analisis
faktor dapat dilaksanakan yaitu: a. Penentukan besaran nilai Barlett Test of Sphericity, Bartlett’s of sphericity
yaitu suatu uji statistik yang dipergunakan untuk menguji hipotesis bahwa variabel tidak saling berkorelasi uncorrelated dalam populasi. Dengan kata
lain, matriks korelasi populasi merupakan matriks identitas identity matrix,
Universitas Sumatera Utara
23 setiap variabel berkorelasi dengan dirinya sendiri secara sempurna dengan r
=1 akan tetapi sama sekali tidak berkorelasi dengan lainnya r = 0. Statistik uji Bartlett’s adalah:
�
2
= − �� − 1 −
2 �+5
6
� ln |�| 2.7
dengan derajat kebebasandegree of freedom df = �� − 12
Keterangan : �
= jumlah observasi �
= jumlah variabel |
�| = determinan matriks korelasi
b. Penentuan Keiser-Meyesr-Okliti KMO Measure of Sampling Adequacy, yang digunakan untuk mengukur kecukupan sampel dengan cara
membandingkan besarnya koefisien korelasi yang diamati dengan koefisien korelasi parsialnya.
KMO=
∑ ∑
�
�� 2
� � ≠1
� �=1
∑ ∑
�
�� 2
� �≠1
� �=1
+ ∑
∑ �
�� 2
� �≠1
� �=1
2.8 keterangan:
r
ij
:Koefisien korelasi sederhana antara ke-i dan ke-j. a
ij
: Koefisien korelasi parsial antara variabel ke-i dan ke-j. i
: 1,2,3,...,p dan j = 1,2,3,...,p MSA digunakan untuk mengukur kecukupan sampel.
MSA =
∑ ∑
�
�� 2
� �≠1
� �=1
∑ �
�� 2
� �=1
+ ∑
�
�� 2
� �=1
2.9 keterangan:
p = Jumlah variabel
�
�� 2
= Kuadrat matriks korelasi sederhana �
�� 2
= Kuadrat matriks korelasi parsial. i
= 1,2,3,...,p dan j = 1,2,3...,p
Universitas Sumatera Utara
24 Kriteria kesesuaian dalam pemakaian analisis faktor adalah Kaiser, 1974:
1. Jika harga KMO sebesar 0,9 berarti sangat memuaskan 2. Jika harga KMO sebesar 0,8 berarti memuaskan
3. Jika harga KMO sebesar 0,7 berarti harga menengah 4. Jika harga KMO sebesar 0,6 berarti cukup
5. Jika harga KMO sebesar 0,5 berarti kurang memuaskan 6. Jika harga KMO kurang dari 0,5 tidak dapat diterima
Angka MSA bekisar antara 0 sampai dengan 1, dengan kriteria yang digunakan untuk intepretasi adalah sebagai berikut:
1. Jika MSA = 1, maka variabel tersebut dapat diprediksi tanpa kesalahan oleh variabel yang lainnya.
2. Jika MSA lebih besar dari setengah 0,5 maka variabel tersebut masih dapat diprediksi dan bisa dianalisis lebih lanjut.
3. Jika MSA lebih kecil dari 0,5 dan atau mendekati nol 0, maka variabel tersebut tidak dapat dianalisis lebih lanjut, atau dikeluarkan dari variabel
lainnya.
2.12.3 Ekstrasi Faktor
