teknologi, sikap, postur tubuh, ancaman, perlindungan keluarga, kebudayaan, agama dan kebiasaan pimpinan.
4.4. Analisis Faktor Faktoring, Ekstraksi dan rotasi
Sebelumnya telah dilakukan tahapan awal analisis faktor, yaitu penyaringan terhadap sejumlah variable, sehingga variabel-variabel yang memenuhi syarat untuk
dianalisis. Selanjutnya dilakukan proses analisis faktor yaitu melakukan ekstraksi terhadap sekumpulan variable yang ada, sehingga terbentuk satu atau lebih faktor.
4.4.1. Communalities
Communalities pada dasarnya adalah jumlah varians bisa dari persentase dari suatu variabel mula-mula yang bisa dijelaskan oleh faktor yang ada.
Metode yang digunakan untuk melakukan ekstraksi pada penelitian ini adalah metode Principal Component Analysis dengan ketentuan bahwa semakin besar
communilities sebuah variabel, berarti semakin erat hubungannya dengan faktor yang terbentuk dan sebaliknya.
Tabel 4.9. Tabel Communalities Variable
Ekstraksi
Pekerjaan 0.591
Pendapatan 0.756
Pakaian 0.736
Sos.linkungan 0.654
Pengetahuan 0.842
Teknologi 0.711
Sikap 0.645
Postur tubuh 0.680
Ancaman 0.688
Perlindungan Keluarga 0.910
Kebudayaan 0.723
Agama 0.865
Kebiasaan pimpinan 0.673
4.4.2. Total Variance Explained
Menunjukkan bahwa dari 13 variabel yang dimasukkan dalam analisis fakor, maka hanya 6 faktor yang terbentuk yang dapat dilihat karena berdasarkan kumulatif
di faktor ke 6 sudah cukup yaitu sebesar 72.926 dari semua variabelnya. Jumlah angka eigenvalues adalah sama dengan jumlah varians ketigabelas variabel, dengan
masing-masing variabel mempunyai varians 1, maka total varians adalah 13 x 1 = 13.
Tabel 4.10. Tabel Total Variance Explained Komponen
Angka eigenvalues Total
Varians Kumulatif
1 3.367
25.902 25.902
2 1.995
15.343 41.244
3 1.279
9.840 51.084
4 1.097
8.440 59.526
5 0.898
6.910 66.436
6 0.844
6.490 72.926
7 0.714
5.490 78.416
8 0.644
4.952 83.369
9 0.607
4.669 88.038
10 0.501
3.851 91.888
11 0.435
3.347 95.235
12 0.345
2.654 97.889
13 0.275
2.111 100.00
4.4.3. Scree Plot
Jika tabel 4.9 menjelaskan dasar jumlah faktor yang didapat dengan perhitungan angka, maka Scree Plot menunjukkan dengan grafik bahwa pada sumbu
x component number faktor 6 sudah cukup sekitar 72.926 yang menjadi faktor. Hal ini menunjukkan bahwa enam faktor adalah paling bagus untuk meringkas
kesepuluh variabel. Dapat dilihat pada gambar 4.1 di bawah ini :
4.4.4. Component Matrix
Tabel 4.15 menunjukkan distribusi kesepuluh variabel pada 6 faktor yang terbentuk. Sedangkan angka-angka yang ada pada tabel tersebut adalah factor
loadings, yang menunjukkan besar korelasi antara suatu variabel dengan faktor 1, factor 2, faktor 3, faktor 4, faktor 5 tau faktor 6. Proses penentuan variabel mana akan
masuk ke factor yang mana dilakukan dengan melakukan perbandingan besar korelasi pada setiap baris. Teorinya terletak pada bentuk matriks korelasi di halaman 21.
Scree Plot
Component Number
13 12
11 10
9 8
7 6
5 4
3 2
1
Eig en
va lue
4,0 3,5
3,0 2,5
2,0 1,5
1,0 ,5
0,0
Tabel 4.11. Component Matrix
VARIABLE Factor
1 2
3 4
5 6
postur tubuh ,779
,114 -,188
-,030 -,004
-,156 pendapatan
,732 ,200
,027 -,318
,258 ,114
kebudayaan -,228
,728 ,201
-,205 ,220
,103 pekerjaan
,209 ,670
-,258 ,072
,130 ,097
pakaian ,559
-,032 -,472
,221 ,147
,359 teknologi
,558 ,153
-,180 ,553
-,177 -,080
kebiasaan pimpinan ,541
-,040 ,573
,158 -,148
,064 perlindungan keluarga
-,570 -,187
,226 ,276
,509 ,405
agama ,155
,565 ,390
-,057 -,435
,421 sosial dan lingkungan
-,528 ,352
,150 ,341
-,159 -,303
sikap -,394
,491 -,185
,448 ,109
-,045 pengetahuan
,488 ,225
,394 ,037
,448 -,443
ancaman ,439
-,408 ,371
,413 ,072
,126
4.4.5. Rotated Component Matrix
