Membentuk Matriks Korelasi Analisis Data

41 Rincian perhitungan manual dapat dilihat pada Lampiran 6.

3.5 Analisis Data

Metode analisis data yang digunakan adalah teknik analisis faktor dengan pendekatan komponen utama. Langkah-langkah dalam analisis faktor adalah sebagai berikut:

3.5.1 Membentuk Matriks Korelasi

Proses analisis didasarkan pada suatu matriks korelasi antar variabel. Agar analisis faktor bisa menjadi tepat dipergunakan, variabel-variabel yang akan dianalisis harus berkorelasi. Apabila koefisien korelasi antar variabel terlalu kecil berati hubungannya lemah, berarti metode analisis faktor kurang tepat untuk dipergunakan. Perhitungan nilai korelasi masing-masing variabel diperoleh dengan memakai rumus korelasi product moment: { } { } 2 2 2 2 2 1 2 1 2 1 2 1 . X X n X X n X X X X n r xy ∑ − ∑ ∑ − ∑ ∑ ∑ − ∑ = Contoh perhitungan korelasi antara variabel X ₁ dengan X₂. Tabel 3.9 Perhitungan Korelasi Antara Variabel X ₁ dengan X₂ Nomor responden X ₁ X ₂ X ₁X₂ �₁ � �₂ � 1 3,503 4,701 16,4692 12,2738 22,0987 2 3,503 4,701 16,4692 12,2738 22,0987 3 3,503 3,485 12,2097 12,2738 12,1459 4 2,479 3,485 8,6383 6,1437 12,1459 5 3,503 3,485 12,2097 12,2738 12,1459 6 2,479 2,503 6,2031 6,1437 6,2630 7 3,503 2,503 8,7676 12,2738 6,2630 42 8 3,503 2,503 8,7676 12,2738 6,2630 9 3,503 1,714 6,0055 12,2738 2,9384 10 2,479 2,503 6,2031 6,1437 6,2630 . . . . . . . . . . . . . . . . . . . . . . . . 70 3,503 2,503 8,7676 12,2738 6,2630 Jumlah 230,083 247,936 847,248 816,713 938,092 { } { } { } { } 536 , 9067 , 212 . 4 4672 , 261 . 2 1550 , 583 . 748 . 17 4672 , 261 . 2 0331 , 194 . 4 8053 , 231 . 4 4672 , 261 . 2 4224 , 472 . 61 4555 , 666 . 65 0794 , 938 . 52 9448 , 169 . 57 8761 , 045 . 57 3433 , 307 . 59 936 , 247 092 , 938 70 083 , 230 713 , 816 70 936 , 247 083 , 230 248 , 847 70 . 2 2 2 2 2 2 = = = = − − − = − − − = ∑ − ∑ ∑ − ∑ ∑ ∑ − ∑ = xy xy xy xy xy xy xy r r r r r r Y Y n X X n Y X XY n r Dengan perhitungan diatas, maka diperoleh nilai korelasi antara variabel X ₁ dengan X₂ adalah 0,536. Hasil tersebut hampir sama dengan output SPSS. Dengan melakukan cara yang sama dengan di atas atau dengan menggunakan SPSS maka akan diperoleh matriks korelasi antara variabel sebagai berikut: 43 Tabel 3.10 Korelasi Matriks Correlation Matrix X1 X2 X3 X4 X5 X6 X7 X8 Correlation X1 1,000 ,573 ,262 ,853 ,463 ,861 ,805 ,320 X2 ,573 1,000 ,255 ,512 ,673 ,482 ,451 ,291 X3 ,262 ,255 1,000 ,242 ,248 ,401 ,250 ,785 X4 ,853 ,512 ,242 1,000 ,487 ,729 ,842 ,342 X5 ,463 ,673 ,248 ,487 1,000 ,367 ,462 ,411 X6 ,861 ,482 ,401 ,729 ,367 1,000 ,669 ,467 X7 ,805 ,451 ,250 ,842 ,462 ,669 1,000 ,342 X8 ,320 ,291 ,785 ,342 ,411 ,467 ,342 1,000 Pada penelitian ini matriks korelasi yang dibentuk dari data yang diperoleh untuk mengetahui seberapa besar korelasi antar 8 variabel tersebut. Terlihat korelasi yang cukup kuat antar variabel X ₁ dengan X₂ sehingga diharapkan nantinya bahwa variabel-variabel lainnya akan berkorelasi dengan faktor yang sama. Data mengenai 8 variabel yang berasal dari jawaban 70 orang responden kemudian dianalisa pada anti image correlation. Uji ini dilakukan dengan memperhatikan angka KMO dan MSA. Kriteria kesesuaian dalam pemakaian analisis faktor adalah Jika harga KMO sebesar 0,9 berarti sangat memuaskan, Jika harga KMO sebesar 0,8 berarti memuaskan, Jika harga KMO sebesar 0,7 berarti harga menengah, Jika harga KMO sebesar 0,6 berarti cukup, Jika harga KMO sebesar 0,5 berarti kurang memuaskan, dan Jika harga KMO kurang dari 0,5 tidak dapat diterima. Tabel 3.11 Kaiser-Meyer-Olkin KMO dan Barlett’s Test KMO and Bartletts Test Kaiser-Meyer-Olkin Measure of Sampling Adequacy. ,784 Bartletts Test of Sphericity Approx. Chi-Square 428,457 Df 28 Sig. ,000 44 Hasil perhitungan menunjukkan besaran nilai Barlett Test of Sphericity adalah 428,457 pada signifikan 0,000 yang berarti pada penelitian ini ada korelasi yang signifikan antar variabel dan hasil perhitungan KMO sebesar 0,784 sehingga kecukupan sampel termasuk kategori yang cukup dan layak untuk diteliti lebih lanjut. Menurut Santoso 2005 Angka MSA Measure of Sampling Adequecy berkisar antara 0 sampai 1 dengan kriteria : MSA = 1, variabel dapat diprediksi tanpa kesalahan oleh variabel lain. MSA ≥ 0,5, variabel masih bisa diprediksi dan bisa dianalisis lebih lanjut. MSA 0,5, variabel tidak bisa diprediksi dan tidak bisa dianalisis lebih lanjut Hipotesis untuk uji diatas adalah : H = sampel belum memadai untuk dianalisis lebih lanjut H 1 = sampel sudah memadai untuk dianalisis lebih lanjut Kriteria dengan melihat probabilitas tingkat signifikansi : Angka Sig. ≥ 0,05, maka H diterima Angka Sig. 0,05, maka H ditolak Tabel 3.12 Nilai Measure of Sampling Adequecy MSA Anti-image Matrices X1 X2 X3 X4 X5 X6 X7 X8 Anti-image Correlation X1 ,784 a -,217 -,012 -,355 -,036 -,680 -,313 ,213 X2 -,217 ,797 a -,142 -,008 -,564 -,013 ,118 ,129 X3 -,012 -,142 ,649 a ,072 ,178 -,051 -,009 -,729 X4 -,355 -,008 ,072 ,877 a -,085 -,021 -,474 -,071 X5 -,036 -,564 ,178 -,085 ,744 a ,171 -,092 -,337 X6 -,680 -,013 -,051 -,021 ,171 ,809 a ,118 -,272 X7 -,313 ,118 -,009 -,474 -,092 ,118 ,868 a -,071 X8 ,213 ,129 -,729 -,071 -,337 -,272 -,071 ,643 a a. Measures of Sampling AdequacyMSA Dengan melihat anti image correlation diketahui ke 8 variabel menunjukkan kriteria angka MSA lebih besar dari 0,5 yang berarti semua variabel masih bisa diprediksi untuk dianalisa 45 lebih lanjut. Dari kedua hasil pengujian diatas, semua variabel mempunyai korelasi yang cukup tinggi dengan variabel lain, sehingga analisis layak untuk dilanjutkan dengan mengikutkan 8 variabel.

3.5.2 Ekstraksi Faktor