74
Berdasarkan Tabel 4.28 di atas dapat diketahui bahwa communalities terkecil terdapat pada pertanyaan X
8
dan X
19
, berarti pertanyaan X
8
dan X
19
memiliki hubungan yang paling kecil lemah dengan faktor yang terbentuk, artinya pertanyaan
X
8
dan X
19
dapat menjelaskan sebesar 51,7 terhadap faktor yang terbentuk. Sedangkan communalities terbesar terdapat pada pertanyaan fasilitas X
27
, berarti pertanyaan fasilitas X
27
memiliki hubungan yang paling besar kuat dengan faktor yang terbentuk, artinya pertanyaan fasilitas dapat menjelaskan sebesar 91,4
terhadap faktor yang terbentuk. Hal ini dapat disimpulkan bahwa semakin besar nilai dari communalities maka semakin baik analisis faktor, karena semakin besar
karakteristik pertanyaan asal yang dapat diwakili oleh faktor yang terbentuk.
4.3.4 Menentukan Jumlah Faktor
Setelah semua pertanyaan yang diuji memenuhi syarat untuk dianalisis, tahap selanjutnya adalah melakukan proses faktoring, yaitu melakukan reduksi terhadap
sekumpulan pertanyaan, sehingga terbentuk jumlah faktor. Menentukan jumlah faktor dapat dilihat berdasarkan nilai initial eigen value dengan kriteria eigen value 1
Ghozali, 2005. Eigen value diurutkan dari yang terbesar sampai terkecil. Mengetahui jumlah faktor yang terbentuk dari hasil reduksi dapat diketahui dari total
variance explained. Hasil total variance explained disajikan pada Tabel 4.29
Universitas Sumatera Utara
75
Tabel 4.29 Total Variance Explained
Component Initial Eigen values
Extraction Sums of Squared Loadings
Total of
Variance Cumulative
Total of
Variance Cumulative
1 6,309
26,286 26,286
6,309 26,286
26,286 2
4,083 17,013
43,299 4,083
17,013 43,299
3 3,171
13,211 56,510
3,171 13,211
56,510 4
1,999 8,329
64,839 1,999
8,329 64,839
5 1,126
4,694 69,532
1,126 4,694
69,532 6
0,997 4,154
73,686 7
0,853 3,555
77,241 8
0,695 2,897
80,138 9
0,633 2,637
82,775 10
0,553 2,304
85,078 11
0,482 2,009
87,087 12
0,469 1,952
89,040 13
0,424 1,768
90,808 14
0,372 1,549
92,357 15
0,352 1,468
93,825 16
0,317 1,320
95,144 17
0,271 1,127
96,272 18
0,233 0,973
97,244 19
0,165 0,686
97,930 20
0,157 0,653
98,583 21
0,136 0,568
99,151 22
0,099 0,412
99,563 23
0,061 0,253
99,816 24
0,044 0,184
100,000 Extraction Method: Principal Component Analysis.
Berdasarkan Tabel 4.29 di atas diketahui bahwa dari 45 pertanyaan yang
dimasukkan untuk analisis faktor, ada 5 faktor yang terbentuk, yaitu komponen 1 sampai dengan komponen 5 yang menunjukkan eigen value 1. Menentukan berapa
komponenfaktor yang dipakai agar dapat menjelaskan keragaman total maka dilihat berdasarkan besar nilai eigen value, komponen dengan eigen value 1. Faktor 1
memiliki eigen value sebesar 6,309, faktor 2 sebesar 4,083, faktor 3 sebesar 3,171, faktor 4 sebesar 1,999, dan faktor 5 sebesar 1,126. Besarnya keragaman yang mampu
Universitas Sumatera Utara
76
dijelaskan oleh faktor 1 sebesar 26,286, faktor 2 sebesar 17,013, faktor 3 sebesar 13,211, faktor 4 sebesar 8,329, dan faktor 5 sebesar 4,694. Secara keseluruhan
kelima faktor mampu menjelaskan keragaman total sebesar 69,532 atau setara dengan nilai R
2
=69,532 pada analisis regresi. Berdasarkan besarnya persentase kumulatif pembentuk faktor dapat disimpulkan bahwa kelima faktor sudah cukup
relevan mewakili keragaman pertanyaan asal. Selanjutnya banyaknya faktor yang terbentuk secara visual dapat ditampilkan
dalam bentuk grafik yang disebut dengan scree plot, seperti pada Gambar 4.1.
1 2
3 4
5 6
7 8
9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Jumlah Faktor
1 2
3 4
5 6
Ei genval
ue
Gambar 4.1 Jumlah Faktor dan Nilai Eigen
Berdasarkan Gambar 4.1 dapat dilihat bahwa jumlah faktor yang terbentuk ada 5 lima faktor. Hal ini dapat dilihat dari faktor yang nilai eigen value 1
sebanyak 5 faktor dan selebihnya nilai eigen value 1. Distribusi dari 5 faktor kedalam 3 tiga Variabel yang terbentuk dapat dilihat pada Tabel 4.30. Angka-angka
Universitas Sumatera Utara
77
tersebut merupakan bobot faktor loading factor yang menggambarkan besar korelasi suatu variabel dengan faktor yang terbentuk. Penentuan suatu variabel akan
masuk kedalam faktor yang terbentuk dilakukan dengan cara membandingan bobot faktor pada setiap baris, yaitu dimana letak bobot faktor terbesar pada suatu variabel
berada maka variabel itu akan menjadi anggota faktor tersebut. Distribusi analisis faktor berbentuk matriks disajikan pada Tabel 4.30
Tabel 4.30 Component Matriks
Pertanyaan Component
1 2
3 4
5
X5 0,488
0,549 -0,113
0,134 -0,228
X6 0,638
0,419 -0,060
0,171 -0,275
X7 0,528
0,416 0,041
0,176 -0,233
X8 0,543
0,447 0,017
0,139 0,051
X9 0,565
0,203 -0,258
0,167 -0,440
X10 0,569
0,380 -0,131
0,054 -0,261
X12 0,407
-0,055 -0,566
0,259 0,279
X15 0,580
-0,042 -0,512
0,069 0,335
X16 0,294
-0,068 -0,717
0,110 0,173
X18 0,500
-0,041 -0,525
0,150 0,182
X19 0,319
0,016 -0,598
-0,225 -0,085
X22 0,634
0,000 0,028
-0,603 0,186
X23 0,618
0,118 0,164
-0,480 -0,008
X24 0,627
-0,078 0,148
-0,553 -0,019
X25 0,507
0,026 -0,029
-0,659 0,028
X26 0,486
-0,621 0,363
0,135 -0,167
X27 0,660
-0,603 0,275
0,167 -0,105
X28 0,584
-0,692 0,202
0,089 -0,010
X29 0,612
-0,579 0,169
0,308 0,087
X30 0,588
-0,611 0,259
0,263 0,172
X36 0,305
0,542 0,456
-0,053 0,408
X37 0,187
0,628 0,422
0,222 0,246
X38 0,325
0,602 0,344
0,330 0,279
X40 0,324
0,169 0,664
0,022 -0,056
Universitas Sumatera Utara
78
Berdasarkan tabel di atas dapat dilihat bahwa pendistribusian ke 5 lima faktor yang terbentuk tidak merata, terdapat 16 enam belas pertanyaan terdistribusi
kedalam komponen pertama, 9 sembilan pertanyaan terdistribusi kedalam komponen kedua, 6 enam pertanyaan terdistribusi kedalam komponen ketiga, 3
tiga pertanyaan terdistribusi kedalam komponen keempat, dan pada komponen 5 lima tidak ada pertanyaan yang terdistribusi, sehingga perlu dilakukan rotasi atas
faktor yang terbentuk agar lebih mudah diinterpretasikan.
4.3.5 Rotasi Faktor
