23 Variabel 26
0,554 24
Variabel 27 0,537
25 Variabel 28
0,542
3.7 Proses Anlasisi faktor II Ekstraksi
Dalam penelitian ini metode yang akan digunakan adalah Principal Componen Analysis Analisis Komponen Utama. Didalam Principal Componen Analysis
jumlah varians data dipertimbangkan yaitu diagonal matriks korelasi, setiap elemennya sebesar satu dan full variance dipergunakan untuk dasar pembentukan
faktor, yaitu variabel-variabel lama yang jumlahnya lebih sedikit dan tidak berkorelasi lagi satu samalain, seperti variabel-variabel asli yang memang saling
berkorelasi. Communalities adalah jumlah varians yang disumbangkan oleh suatu variabel dengan seluruh variabel lainnya dengan analisis.
3.7.1
Communalties
Communalities pada dasarnya adalah jumlah varians dari suatu variabel awal yang bisa dijelaskan oleh faktor yang ada. Semakin besar communalities sebuah
variabel, maka semakin erat hubungannya dengan faktor. Tabel 3.11
Communalities No
Variabel Initial
Extraction
1 Variabel 2
1,000 0,729
2 Variabel 4
1,000 0,721
3 Variabel 5
1,000 0,748
4 Variabel 6
1,000 0,819
5 Variabel 7
1,000 0,748
6 Variabel 8
1,000 0,635
7 Variabel 9
1,000 0,789
8 Variabel 10
1,000 0,750
9 Variabel 11
1,000 0,612
10 Variabel 12
1,000 0,743
11 Variabel 13
1,000 0,736
12 Variabel 15
1,000 0788
13 Variabel 16
1,000 0,768
14 Variabel 17
1,000 0,750
15 Variabel 18
1,000 0,789
16 Variabel 19
1,000 0,569
17 Variabel 20
1,000 0,652
18 Variabel 21
1,000 0,665
19 Variabel 22
1,000 0,607
20 Variabel 23
1,000 0,595
21 Variabel 24
1,000 0,707
Universitas Sumatera Utara
22 Variabel 25
1,000 0,532
23 Variabel 26
1,000 0,626
24 Variabel 27
1,000 0,775
25 Variabel 28
1,000 0,779
3.7.2 TotalVariance Explained
Total Variance Explaned menerangkan nilai persen dari varainsi yang mampu diterangkan oleh banyaknya faktor yang terbentuk. Nilai ini berdasarkan nilai
eigenvalue. Ada 25 variabel yang dimasukkan dalam analisis faktor, dengan masing
masing varian memiliki varian 1, maka total varian adalah 25 x 1 = 25. Jika ke 25 variabel diringkas menjadi 1 faktor, maka varians yang bisa dijelaskan oleh satu
faktor tersebut adalah lihat kolom Component 1 pada Tabel berikut ini:
Tabel 3.12 Total Variance Explaained
Faktor atau
Komponen Initial Eigenvalues
Total of
Variance Cumulative
1 4,522
18,087 18,087
2 2,650
10,602 28,689
3 2,194
8,777 37,466
4 1,715
6,858 44,324
5 1,589
6,354 50,678
6 1,465
5,860 56,539
7 1,268
5,073 61,612
8 1,104
4,415 66,027
9 1,024
4,095 70,122
10 ,959
3,837 73,960
11 ,899
3,597 77,557
12 ,744
2,975 80,532
13 ,694
2,776 83,308
14 ,601
2,404 85,712
15 ,529
2,118 87,829
16 ,471
1,886 89,715
17 ,441
1,762 91,478
18 ,415
1,661 93,139
19 ,379
1,517 94,657
20 ,338
1,351 96,007
21 ,293
1,174 97,181
22 ,243
,973 98,155
23 ,186
,745 98,899
Universitas Sumatera Utara
24 ,160
,641 99,541
25 ,115
,459 100,000
4,522 25
x 100 = 18,09
Jika 25 variabel diekstrak menjadi 9 faktor, maka: 1. Varian faktor pertama adalah 18,09
2. Varian faktor kedua adalah 10,60 3. Varian faktor ketiga adalah 8,77
4. Varian faktor keempat adalah 6,86 5. Varian faktor kelima adalah 6,35
6. Varian faktor keenam adalah 5,86 7. Varian faktor ketujuh adalah 5,07
8. Varian faktor kedelapan adalah 4,42 9. Varian faktor kesembilan adalah 4,10
Total kesembilan faktor akan menjelaskan 18,09 + 10,60 + 8,77 + 6,86 + 6,35 + 5,86 + 5,07 + 4,42 + 4,10 = 70,12 atau kesembilan faktor tersebut
akan menjelaskan 70,12 dari variabilitas ke-25 yang asli tersebut. Sedangkan eigenvalue manunjukkan kepentingan relatif masing-masing
faktor dalam menghitung varians ke 25 variabel yang dianlisis.
1. Jumlah angka eigenvalue untuk ke 25 variabel adalah sama dengan total varian ke 25 variabel atau 4,522 + 2,650 + 2,194 + 1,715 + 1,589 + 1,465 + 1,268 +
1,104 +1,024 + ... + 0,115= 25 2. Susunan eigenvalue selalu diurutkan dari yang terbesar sampai dengan yang
terkecil, dengan kriteria bahwa angka eigenvalue dibawah 1 tidak digunakan dalam menghitung faktor yang terbentuk.
Dari tabel 3.12 diatas menyatakan bahwa hanya 9 faktor yang terbentuk, terlihat dari eigenvalue dengan nilai diatas 1, namun pada faktor yang sepuluh angka
eigenvalue sudah dibawah 1, yakni 0,959 sehingga proses Faktoring seharusnya
Universitas Sumatera Utara
berhenti pada sembilan faktor saja, maka dalam penelitian ini hanya sembilan faktor yang terbentuk.
3.7.3 Scree Plot
Jika Tabel 3.12 Menjelaskan dasar jumlah faktor yang didapat dengan perhitungan angka, maka scree plot menunjukkan dengan grafik bahwa pada sumbu X
component number faktor 10 sudah dibawah 1 dari sumbu Y angka eigenvalue. Hal ini menunjukkan bahwa 9 faktor adalah paling tepat untuk meringkas ke 25
variabel tersebut.
Gambar 3.1 Scree Plot
Suatu Scree plot adalah plot dari eigen value melawan banyaknya faktor yang bertujuan untuk melakukan ekstraksi agar diperoleh jumlah faktor. Scree plot
berupa suatu kurva yang diperoleh dengan memplot eigenvalue sebagai sumbu vertikal dan banyaknya faktor sebagai sumbu horizontal. Bentuk kurva atau
plotnya dipergunakan untuk menentukan banyaknya faktor. Jika tabel total variansi menjelaskan dasar jumlah faktor yang didapat
dengan perthitungan angka, maka scree plot memperlihatkan hal tersebut dengan grafik. Terlihat bahwa dari suatu ke dua faktor baris dari sumbu Component 1 ke-
2, arah garis cukup menurun tajam. Dari Component 2,3 dan 4 garis juga menurun tajam. Kemudian dari 4, 5, 6, 7, 8 dan 9 garis juga menurun. Pada faktor
Universitas Sumatera Utara
10 sudah dibawah angka 1 dari sumbu eigen value. Hal ini menunjukkan bahwa ada 9 faktor yang mempengaruhi prestasi belajar mata pelajaran matematika
siswa, yang dapat diekstraksi berdasarkan scree plot.
3.8 Proses Analisis Faktor III Rotasi
Kategori