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
Kategori