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.
2.13.3 Ekstraksi Faktor
Pada tahap ini, akan dilakukan proses inti dari analisis faktor, yaitu melakukan ekstraksi 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.
Setelah sejumlah variabel terpilih, maka dilakukan ekstrasi variabel tersebut sehingga menjadi beberapa faktor. Setelah memproses variabel-variabel yang
layak, maka dengan program SPSS versi 20 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
variance 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. 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 factor 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
Universitas Sumatera Utara
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: det � − � =
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. Matriks loading factor
� diperoleh dengan mengalikan matriks eigen vector dengan akar dari matriks 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 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.
2.13.4 Rotasi Faktor