Jika tabel total varians menjelaskan dasar jumlah faktor yang diperoleh dengan perhitungan angka, maka scree plot memperlihatkan hal tersebut dengan
grafik. Terlihat bahwa dari satu ke dua faktor garis dari sumbu Component 1 ke 2, arah garis cukup menurun tajam. Kemudian dari 2 ke 3 garis juga menurun.
Pada faktor 4 sudah di bawah angka 1 dari sumbu eigenvalue. Hal ini menunjukkan bahwa ada 3 faktor yang mempengaruhi mpeningkatan jumlah nasbah BIZZ
BCA, yang dapat diekstraksi berdasarkan scree plot.
Gambar 3.1 Scree Plot
3.7.4 Melakukan Rotasi Faktor
Output terpenting dalam analisis faktor adalah Matriks Faktor atau yang disebut juga dengan Komponen Matriks. Matriks faktor memuat koefisien yang
dipergunakan untuk mengekspresikan variabel yang dibakukan dinyatakan dalam faktor. Koefisien ini merupakan factor loading, mewakili koefisien korelasi antara
faktor dengan variabel. Koefisien dengan nilai mutlak absolute yang besar menunjukkan bahwa faktor dan variabel sangat terkait. Koefisien dari matriks
faktor dapat dipergunakan untuk menginterpretasi faktor. Matriks faktor atau matriks komponen dapat dilihat sebagai berikut:
Tabel 3.17 Matriks Faktor Sebelum Dirotasi
Component Matrix
a
Component 1
2 3
x4 x3
x6 x1
x8 x7
x9 x2
x5 .849
.838 .807
.750 .546
.518
.454 -.474
.688 .658
-.590 -.414
.550 .722
Walaupun matriks faktor atau matriks komponen awal sebelum dirotasi menunjukkan hubungan antara faktor komponen dengan variabel secara
individu, akan tetapi masih sulit diambil kesimpulannya tentang banyaknya faktor yang dapat diekstraksi. Hal ini disebabkan karena faktor komponen berkorelasi
dengan banyak variabel lainnya atau sebaliknya variabel tertentu masih berkorelasi dengan banyak faktor, sehingga dalam keadaan ini terkadang membuat
peneliti kesulitan dalam penentuan suatu variabel ke dalam suatu faktor. Misalkan Matriks Faktor sebelum dirotasi diatas dapat dilihat bahwa F
1
memiliki korelasi kuat dengan 7 variabel, yakni x
1
, x
3
, x
4
, x
5
, x
6
, x
8
, x
9
sementara F
2
memiliki korelasi kuat dengan x
7
dan x
9
dan F
3
memiliki korelasi kuat dengan x
2
dan x
3
. Korelasi dianggap cukup kuat jika koefisien korelasi yang diwakili factor loading mempunyai nilai lebih besar dari 0,40. Juga variabel berkorelasi
dengan banyak faktor, seperti variabel x
1
berkorelasi dengan faktor 1, variabel x
7
berkorelasi dengan faktor 2, variabel x
2
berkorelasi dengan faktor 3, situasi seperti ini membuat kesimpulan mengenai banyaknya faktor yang diekstraksi dari
variabel menjadi sulit. Untuk mengatasi hal tersebut dapat dilakukan proses rotasi pada faktor
yang terbentuk agar memperjelas posisi sebuah variabel, akankah dimasukkan
pada faktor yang satu ataukah ke faktor lainnya. Beberapa metode rotasi yang bisa digunakan adalah orthogonal rotation, varimax rotation, dan oblique rotation.
Orthogonal rotation adalah kalau dipertahankan tegak lurus sesamanya bersudut 90 derajat. Yang paling banyak digunakan adalah varimax rotation,
yaitu rotasi orthogonal dengan meminimumkan banyaknya variabel yang memiliki loading tinggi pada sebuah faktor, sehingga lebih mudah
menginterpretasi faktor. Rotasi orthogonal menghasilkan faktor-faktor yang tidak berkorelasi. Oblique rotation adalah jika sumbu-sumbu tidak dipertahankan
harus tegak lurus sesamanya bersudut 90 derajat dan faktor-faktor berkorelasi. Oblique rotation harus dipergunakan kalau faktor dalam populasi berkorelasi
sangat kuat. Proses rotasi terhadap faktor pada penelitian ini menggunakan metode
varimax rotation. Dan hasil rotasi dapat dilihat pada matriks faktor setelah dirotasi di bawah ini.
Tabel 3.18 Matriks Faktor Setelah Dirotasi
Rotated Component Matrix
a
Component 1
2 3
x4 x8
x6 x1
x3 x5
x7 x2
x9 .929
.789 .726
.722 .634
.538 .916
.446 .473
.826 -.674
.668
Tujuan dilakukan rotasi adalah untuk memperlihatkan distribusi variabel yang lebih jelas dan nyata. Dapat dilihat perbedaan antara matriks faktor sebelum
dirotasi dengan matriks faktor setelah dirotasi.
3.7.5 Interpretasi Faktor