70
1. KMO dan Bartlett’s Test
KMO Measure of Sampling Adequacy adalah angka indeks untuk
menggantikan besarnya koefisien korelasi observasi dengan besarnya koefisien parsial.
KMO Measure of Sampling Adequacy kurang dari 0,50 maka
menunjukkan bahwa korelasi antar variabel dan analisis faktor tidak sesuai untuk diterapkan.
Barlett’s Test adalah tes yang digunakan untuk menguji interdependensi antara butir-butir yang menjadi indikator suatu variabel
atau faktor. Berikut ini hasil KMO dan Bartlett’s Test :
Tabel 4.5 : KMO dan
Bartlett’s Test Putaran Kedua
KMO and Bartletts Test
.642 242.338
78 .000
Kaiser-Meyer-Olkin Measure of Sampling Adequacy.
Approx. Chi-Square df
Sig. Bartletts Test of
Sphericity
Sumber : Lampiran 4 Berdasarkan
tabel 4.3 di atas nilai KMO
Measure of Sampling Adequacy yang dihasilkan sebesar 0,642 yang artinya bahwa antar
variabel mempunyai korelasi yang cukup tinggi, sehingga variabel tersebut mempunyai kecenderungan mengelompok dan membentuk
sebuah faktor.
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber
71 Nilai pada uji
Barlett’s Test yang dihasilkan sebesar 242,338 dengan tingkat signifikansi dibawah 5 sebesar 0,000 maka variabel dan
sampel yang ada sudah bisa dianalisis lebih lanjut.
2. Anti Image Matrices
Deteksi terhadap
besarnya korelasi parsial dapat dilihat
Anti Image Correlation. Hasil anti image matrices adalah sebagai berikut :
Tabel 4.6 : Hasil
Anti Image Matrices Putaran Kedua No. Variabel
Anti Image Matrices MSA 1.
2. 3.
4. 5.
6. 7.
8. 9.
10. 11.
12. 13.
X
1
X
2
X
3
X
4
X
6
X
7
X
10
X
11
X
12
X
13
X
14
X
15
X
16
0,548 0,613
0,648 0,593
0,571 0,687
0,643 0,683
0,715 0,735
0,577 0,695
0,513
Sumber : Lampiran 4 Berdasarkan tabel 416 di atas dapat disimpulkan bahwa X
1
, X
2
, X
3
, X
4
, X
6
, X
7
, X
10
, X
11
, X
12
, X
13
, X
14
, X
15
dan X
16
bisa diprediksi dan bisa dianalisis lebih lanjut karena nilai MSA yang dihasilkan variabel tersebut
diatas 0,50.
3. Communalities
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber
72 Communalities
pada dasarnya adalah jumlah varians dari suatu variabel mula-mula yang bisa dijelaskan oleh faktor yang ada. Sub
variabel yang diekstrak menjadi beberapa faktor selanjutnya akan diukur seberapa besar keragaman setiap sub variabel asal yang dapat
diterangkan oleh hasil ekstrasi faktor. Besar keragaman setiap sub variabel asal ini dikenal dengan istilah komunalitas. Nilai komunalitas
diperoleh dengan menghitung jumlah kuadrat loading factor setiap sub
variabel asal. Semakin kecil komunalitas sebuah sub variabel, maka semakin lemah hubungannya dengan faktor yang terbentuk.
Tabel 4.7 : Hasil Communalities
Communalities
1.000 .703
1.000 .585
1.000 .602
1.000 .692
1.000 .394
1.000 .509
1.000 .551
1.000 .693
1.000 .588
1.000 .552
1.000 .517
1.000 .271
1.000 .738
x1 x2
x3 x4
x6 x7
x10 x11
x12 x13
x14 x15
x16 Initial
Extraction
Extraction Method: Principal Component Analysis.
Sumber : Lampiran 4 Interpretasi dari tabel 4.7 di atas adalah :
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber
73 1.
Variabel X
1
didapat nilai extraction sebesar 0,703 dapat diartikan
70,3 varians dari variabel X
1
dapat dijelaskan oleh 4 faktor yang terbentuk.
2. Variabel
X
2
didapat nilai extraction sebesar 0,585 dapat diartikan
58,5 varians dari variabel X
2
dapat dijelaskan oleh 4 faktor yang terbentuk.
3. Variabel
X
3
didapat nilai extraction sebesar 0,602 dapat diartikan
60,2 varians dari variabel X
3
dapat dijelaskan oleh 4 faktor yang terbentuk.
4. Variabel
X
4
didapat nilai extraction sebesar 0,692 dapat diartikan
69,2 varians dari variabel X
4
dapat dijelaskan oleh 4 faktor yang terbentuk.
5. Variabel
X
6
didapat nilai extraction sebesar 0,394 dapat diartikan
39,4 varians dari variabel X
6
dapat dijelaskan oleh 4 faktor yang terbentuk.
6. Variabel
X
7
didapat nilai extraction sebesar 0,509 dapat diartikan
50,9 varians dari variabel X
7
dapat dijelaskan oleh 4 faktor yang terbentuk.
7. Variabel
X
10
didapat nilai extraction sebesar 0,551 dapat diartikan
55,1 varians dari variabel X
10
dapat dijelaskan oleh 4 faktor yang terbentuk.
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber
74 8.
Variabel X
11
didapat nilai extraction sebesar 0,693 dapat diartikan
69,3 varians dari variabel X
11
dapat dijelaskan oleh 4 faktor yang terbentuk.
9. Variabel
X
12
didapat nilai extraction sebesar 0,588 dapat diartikan
58,8 varians dari variabel X
12
dapat dijelaskan oleh 4 faktor yang terbentuk.
10. Variabel X
13
didapat nilai extraction sebesar 0,552 dapat diartikan
55,3 varians dari variabel X
13
dapat dijelaskan oleh 4 faktor yang terbentuk.
11. Variabel X
14
didapat nilai extraction sebesar 0,517 dapat diartikan
51,7 varians dari variabel X
14
dapat dijelaskan oleh 4 faktor yang terbentuk.
12. Variabel X
15
didapat nilai extraction sebesar 0,271 dapat diartikan
27,1 varians dari variabel X
15
dapat dijelaskan oleh 4 faktor yang terbentuk.
13. Variabel X
16
didapat nilai extraction sebesar 0,738 dapat diartikan
73,8 varians dari variabel X
16
dapat dijelaskan oleh 4 faktor yang terbentuk.
Berdasarkan uraian di atas dapat disimpulkan bahwa tiga variabel yang memiliki nilai komunalitas tertinggi adalah :
a. X
16
dengan nilai extraction sebesar 0,738
b. X
1
dengan nilai extraction sebesar 0,703
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber
75 c.
X
11
dengan nilai extraction sebesar 0,693
tiga variabel yang memiliki nilai komunalitas terendah adalah : a.
X
7
dengan nilai extraction sebesar 0,509
b. X
6
dengan nilai extraction sebesar 0,394
c. X
15
dengan nilai extraction sebesar 0,271
4. Total Variance Explained
Kategori