24 F
j
: Faktor bersama common factor ke-j ε
i
: Fakor spesifik ke-i
2.10 Langkah-langkah Analisis faktor 2.10.1 Tabulasi Data
Data yang telah diperoleh dari penyusunan serta penyebaran kuesioner di tempattempat yang telah ditentukan, kemudian data-data ini dikumpulkan serta
ditabulasikan pada kolom-kolom agar mempermudah untuk dikonversi pada software yang akan digunakan.
2.10.2 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, 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
Universitas Sumatera Utara
25 1.
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
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
Universitas Sumatera Utara
26 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.
2.10.3 Ekstrasi Faktor
