15 perhitungannya adalah dengan mengkorelasikan jawaban pada wawancara
pertama dengan jawaban pada wawancara kedua. b. Teknik Belah Dua
Untuk menggunakan teknik belah dua sebagai cara menghitung reliabilitas alat pengukur, maka alat pengukur yang disusun harus memiliki cukup
banyak item pertanyaan yang mengukur aspek yang sama. c. Teknik Bentuk Paralel
Perhitungan reliabilitas dilakukan dengan membuat dua jenis alat pengukur yang mengukur aspek yang sama. Kedua alat ukur tersebut diberikan pada
responden yang sama, kemudian dicari validitasnya untuk masing-masing jenis.
d. Internal Consistency Reliability Internal consistency reliability berisi tentang sejauh mana item-item
instrumen bersifat homogen dan mencerminkan konstruk yang sama sesuai dengan yang melandasinya.Suatu variabel dikatakan reliabel jika
memberikan nilai cronbach alpha 0,60 atau nilai cronbach alpha 0,80.
2.7 Transformasi Data Ordinal menjadi Interval
Proses transformasi merupakan upaya yang dilakukan untuk merubah data ordinal menjadi data interval misalnya analisis faktor dimana variabel bebasnya harus
berskala interval. Data ordinal yang ditransformasikan menjadi data interval adalah data penelitian yang diperoleh menggunakan instrumen berupa angket
yang memiliki jawaban berupa skala likert. Cara melakukan proses transformasi data ordinal menjadi data interval menggunakan MSI Method Sof Successive
Interval. Langkahnya sebagai berikut:
1. Mencari F Frekuensi jawaban responden. 2. Setiap frekuensi dibagi dengan banyaknya responden dan hasilnya disebut
proporsi 3. Menentukan nilai proporsi kumulatif dengan menjumlahkan nilai proporsi
berurutan perkolom skor.
Universitas Sumatera Utara
16 4. Menghitung nili Z untuk setiap proporsi dengan menggunakan tabel
distribusi normal. 5. Menentukan nilai densitas untuk setiap nilai Z yang diperoleh dengan
menggunakan tabel densitas. 6. Menentukan SV Scale Value = nilai skala dengan rumus sebagai berikut:
Keterangan: SV
= interval rata-rata
Density at lower limit = kepadatan batas bawah
Density at upper limit = kepadatan batas atas
Area below upper limit = daerah dibawah batas bawah
Area below lower limit = Daerah diatas batas bawah
7. Menentukan nilai transformasi dengan rumus: |
| Keterangan:
: Nilai hasil Penskalaan akhir : Nilai Skala
| |
: Nilai Skala minimum
2.8 Analisis Faktor
Proses analisis faktor mencoba menemukan hubungan interrelationship antara sejumlah variabel
– variabel yang saling independen satu dengan yang lain, sehingga bisa dibuat satu atau beberapa kumpulan variabel yang lebih sedikit dari
jumlah variabel awal Santoso, 2010. Analisis faktor didasarkan pada sebuah model dimana vektor hasil
pengamatan dipartisi ke dalam suatu bagian sistematik yang tak teramati dan suatu bagian error yang tak teramati.Komponen dari vektor error dianggap bebas
independent dari komponen vektor sistematik, dimana bagian sistematik merupakan kombinasi linier dari variabel faktor yang jumlahnya relatif lebih
Universitas Sumatera Utara
17 sedikit.Analisis faktor memisahkan pengaruh faktor yang menjadi perhatian dasar
dari error Anderson.T.W, 1984. Salah satu kelebihan dari analisis faktor adalah ketika bentuk persamaan
tidak cocok dengan data, perkiraan korelasi antar faktor dengan variabel jelas mencerminkan kegagalan. Dalam sebuah kasus, ada dua permasalahan dalam
perkiraan yaitu 1 tidak jelas banyaknnya faktor yang dibentuk dan 2 tidak jelas nama faktor yang di tentukan. Dalam prosedur statistik lain, kegagalan asumsi
tidak mengakibatkan konsekuensi yang jelas seperti dalam perkiraan korelasi. Namun hal ini menjadi asumsi dasar analisis faktor. Rencher A.C., 2002
Teknik umum dalam analisis faktor adalah metode principal component analysis, yaitu metode yang digunakan untuk memperkirakan korelasi antara
faktor yang akan dibentuk terhadap variabel. Rencher A.C.,2002 Pada metode principal analysis factor bertujuan untuk mencari korelasi
pada faktor terhadap variabel – variabel secara linier serta mengurangi perkiraan
dimensi dari ruang vektor yang menggandung variabel – variabel dari satu set
variabel acak yang intercorrelated. Dalam metode ini variabel yang diamati bergantung pada jumlah faktor yang lebih sedikit yang dapat dijelaskan dari
varians atau kovarians yang sistematis atau benar dari penelitianuntuk memperkirakandan mengidentifikasi variabel yang nyata tapi tidak teramati
yang berpengaruh pada variabel acak Basilevsky .A., 1994.
2.8.1 Kegunaan Analisis Faktor
Analisis faktor dipergunakan didalam situasi sebagai berikut : Supranto,2010 a. Mengenali atau mengidentifikasi dimensi yang mendasari underlying
dimensions atau faktor, yang menjelaskan korelasi antara suatu set variabel.
b. Mengenali atau mengidentifikasi suatu set variabel baru yang tidak berkorelasi
independent yang
lebih sedikit
jumlahnya untuk
menggantikan suatu set variabel yang saling berkorelasi didalam analisis multivariat selanjutnya, misalnya analisis regresi berganda dan analisis
diskriminan.
Universitas Sumatera Utara
18 c. Mengenali atau mengidentifikasi suatu set yang penting dari suatu set
variabel yang lebih banyak jumlahnya untuk dipergunakan didalam analisis multivariat selanjutnya.
2.8.2 Tujuan Analisis Faktor
Tujuan analisis faktor adalah: Santoso,2010 a. Data summarization yakni mengidenfikasi adanya hubungan antara
variabel dengan melakukan uji korelasi. b. Data reduction yakni setelah melakukan korelasi, dilakukan proses
membuat sebuah variabel set baru yang dinamakan faktor untuk menggantikan sejumlah variabel tertentu.
2.8.3 Asumsi Pada Analisis Faktor
Karena prinsip utama analisis faktor adalah korelasi, maka asumsi – asumsi terkait
dengan korelasi akan digunakan, yakni : Santoso,2010 a. Besar korelasi atau korelasi antar variabel independen harus cukup kuat,
misalkan diatas 0,5 b. Besar korelasi parsial, korelasi antara dua variabel dengan menganggap
tetap variabel yang lain, justru harus kecil c. Pengujian seluruh matriks korelasi korelasi antar variabel yang diukur
dengan besaran Bartlett Test Of Sphericity atau Measure Sampling Adequacy
MSA. Pengujian ini mengharuskan adanya korelasi yang signifikan di antara paling sedikit beberapa variabel
d. Pada beberapa kasus, asumsi normalitas dari variabel – variabel atau faktor
yang terjadi sebaiknya terpenuhi.
Universitas Sumatera Utara
19
2.8.4 Model Analisis Faktor
Secara matematis, analisis faktor agak mirip dengan analisis regresi, yaitu dalam hal bentukfungsi linier. Jumlah varians yang dikontribusi dari sebuah variabel
dengan seluruh variabel lainnya lebih dikelompokkan sebagai komunalitas. Kovarians diantara variabel dijelaskan terbatas dalam sejumlah kecil komponen
atau faktor. Pada dasarnya faktor merupakan kombinasi linier dari variabel
– variabel asliawal, sebagai hasil suatu penelitian.
keterangan: i
: 1,2,3,...,k k
: Banyaknya variabel. : Perkiraan faktor ke-i didasarkan pada nilai variabel X
dengan koefisiennya W
i
. : Timbanganbobot atau koefisien nilai faktor ke-i.
: Variabel ke yang sudah dibakukan standardized.
2.9 Langkah-langkah Analisis faktor 2.9.1 Tabulasi Data
Data yang telah diperoleh dari penyusunan serta penyebaran kuesioner di tempat- tempat yang telah ditentukan, kemudian data-data ini dikumpulkan serta
ditabulasikan pada kolom-kolom agar mempermudah untuk dikonversi pada software yang akan digunakan.
2.9.2 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
Universitas Sumatera Utara
20 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:
1. 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:
[ ] | |
dengan derajat kebebasandegree of freedom df = Keterangan :
= jumlah observasi = jumlah variabel
| |
= determinan matriks korelasi
2. 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.
∑ ∑ ∑ ∑
∑ ∑ 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. ∑ ∑
∑ ∑
Universitas Sumatera Utara
21 keterangan:
p = Jumlah variabel
= Kuadrat matriks korelasi sederhana = 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
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.
2.9.3 Ekstrasi Faktor
Pada tahap ini, akan dilakukan proses inti dari analisis faktor, yaitu melakukan ekstrasi terhadap sekumpulan variabel yang ada KMO0,5 sehingga terbentuk
satu atau lebih faktor. Metode yang digunakan untuk maksud ini adalah Principal Component Analysis
dan rotasi faktor dengan metode Varimax bagian dari orthogonal.
Universitas Sumatera Utara
22 Setelah sejumlah variabel terpilih, maka dilakukan ekstrasi variabel
tersebut sehingga menjadi beberapa faktor. Setelah memproses variabel-variabel yang layak, maka dengan program SPSS versi 17 akan diperoleh nilai hasil
statistik yang menjadi indikator utama yaitu tabel communalities, tabel Total Variance Explained, Grafik Scree,
tabel component matrix dan tabel rotated component matrix.
Tabel Communalities merupakan tabel yang menunjukkan persentase variansi dari tiap variabel yang dapat dijelaskan oleh faktor yang terbentuk.Nilai
yang dilihat adalah extraction yang terdapat pada tabel communalities.Makin kecil nilainya, makin lemah hubungan antara variabel yang terbentuk. Perhitungan
communality setiap variabel dengan persamaan:
Keterangan: = communality variabel ke-i
= Nilai faktor Loading Communality
adalah jumlah varian yang disumbangkan oleh suatu variabel dengan seluruh variabel lainnya dalam analisis. Bisa juga disebut proporsi atau
bagian varian yang dijelaskan oleh common faktor atau besarnya sumbangan suatu faktor terhadap varian seluruh variabel.
Tabel Total Variance Explained, menunjukkan persentase variance yang dapat dijelaskan oleh faktor secara keseluruhan. Nilai yang menjadi indikatornya
eigenvalues yang telah mengalami proses ekstrasi. Pada tabel akan tercantum nilai
extraction sum of square loading . Hal ini disebabkan nilai eigenvalues tidak lain
merupakan jumlah kuadrat dari faktor loading dari setiap variabel yang termasuk ke dalam faktor. Factor Loading ini merupakan nilai yang menghubungkan
faktor-faktor dengan variabel-variabel.Variabel yang masuk ke dalam faktor adalah yang nilainya lebih dari satu
. Dari sini akan terlihat pula jumlah faktor yang akan terbentuk.
Perhitungan nilai karakteristik eigen value , dimana perhitungan ini berdasarkan persamaan karakteristik:
Universitas Sumatera Utara
23 Keterangan:
= matriks korelasi dengan orde n x n = matriks identitas
= eigen value Eigen value
adalah jumlah varian yang dijelaskan oleh setiap faktor. Penentuan vektor karakteristik eigen vector yang bersesuaian dengan nilai karakteristik
eigen value, yaitu dengan persamaan:
Keterangan: = eigen vector dengan orde n x n
=eigen value Matriks loading factor
diperoleh dengan mengalikan matriks eigen vector dengan akar dari matriks eigen value
. Atau dalam persamaan matematis ditulis:
√ Keterangan:
= loading factor = matriks eigen vektor
= eigen value
Factor loading merupakan korelasi sederhana antara variabel dengan faktor.
Grafik Scree Plot menggambarkan tampilan grafik dari tabel Total Variance Explained
. Grafik ini sebenarnya menunjukkan peralihan dari satu faktor ke faktor lainnya garis menurun disepanjang sumbu y. Sumbu x
menunjukkan jumlah komponen faktor yang terbentuk, sedangkan sumbu y menunjukkan nilai eigenvalues.
Tabel component matrix menunjukkan kategori variabel-variabel ke dalam komponen faktor, atau dengan kata lain menunjukkan distribusi variabel-variabel
pada faktor yang terbentuk. Bila yang dijadikan acuan adalah nilai faktor loading
Universitas Sumatera Utara
24 yang ada dalam tabel, dimana nilai lebih besar menunjukkan korelasi yang cukup
kuat antara variabel-variabel tersebut dengan komponen faktor. Jumlah jasa kuadrat faktor loading dari tiap variabel tidak lain merupakan nilai extraction
untuk tiap variabel yang tercantum dalam tabel communalities.
2.9.4 Rotasi Faktor
Pada rotasi faktor, matrik faktor ditransformasikan ke dalam matrik yang lebih sederhana, sehingga lebih mudah diinterpretasikan.Dalam analisis ini rotasi faktor
dilakukan dengan metode rotasi varimax. Hasil dari rotasi ini terlihat pada tabel Rotated Component Matrix
, dimana dengan metode ini nilai total variance dari tiap variabel yang ada di tabel component matrix tidak berubah. Yang berubah
hanyalah komposisi dari nilai faktor Loading dari tiap variabel. Interpretasi hasil dilakukan dengan melihat Faktor Loading.
Faktor Loading adalah angka yang menunjukkan besarnya korelasi antara suatu variabel dengan faktor satu, faktor dua, faktor tiga, faktor empat atau faktor
lima yang terbentuk. Proses penentuan variabel mana akan masuk ke faktor yang mana, dilakukan dengan melakukan perbandingan besar korelasi pada setiap baris
di dalam setiap tabel. Dalam penelitian ini digunakan metode Varimax, karena bertujuan untuk
mengekstraksi sejumlah variabel menjadi beberapa faktor.Selain itu metode ini menghasilkan struktur relatif lebih sederhana dan mudah diinterpretasikan.
2.9.5 Penamaan Faktor
Pada tahap ini akan diberikan nama-nama faktor yang telah terbentuk berdasarkan factor loading
suatu variabel terhadap faktor terbentuknya. Setelah tahapan pemebrian nama faktor terbentuk.
Universitas Sumatera Utara
25
2.10 Variabel Penelitian
Variabel merupakan ukuran atau ciri yang dimiliki oleh anggota sesuatu kelompok yang berbeda dengan yang dimiliki oleh kelompok lain.
Saryono,2008. Variabel yang diteliti merupakan variabel independen bebas yaitu variabel yang mempengaruhi atau dianggap menentukan variabel terikat.
Variabel ini dapat berupa penyebabkausa. Adapun variabel yang akan diteliti adalah
Usia, Jenis kelamin,
Obesitas, Hipertensi,
Kolesterol, GenetikKeturunan,
Komplikasi, Aktifitas fisik
olahraga, Stres.
2.11 Definisi Operasional
