merupakan pertimbangan untuk membuang variabel tersebut pada tahap analisis selanjutnya Wibisono, 2003.
Angka MSA berkisar 0-1 menunjukkan apakah sampel bisa dianalisis lebih lanjut Wibowo, 2006.
a. MSA = 1, variabel tersebut dapat diprediksi tanpa kesalahan oleh variabel lain. b. MSA 0.5 variabel masih dapat diprediksi dan dapat dianalisis lebih lanjut.
c. MSA 0.5 variabel tidak dapat diprediksi dan tidak dapat dianalisis lebih lanjut.
3. Menentukan Metode Analisis Faktor
Setelah ditetapkan bahwa analisis faktor merupakan teknik yang tepat untuk menganalisis data yang sudah dikumpulkan, kemudian ditentukan atau dipilih metode yang tepat untuk
analisis faktor. Ada dua cara atau metode yang bisa dipergunakan dalam analisis faktor, khususnya untuk menghitung koefisien skor faktor, yaitu analisis komponen utama Principal
Component Analysis dan analisis faktor umum Common Factor Analysis. Di dalam principal component analysis, jumlah varian dalam data dipertimbangkan.
Principal component analysis direkomendasikan kalau hal yang pokok adalah menentukan bahwa banyaknya faktor harus minimum dengan memperhitungkan varian maksimum dalam
data untuk dipergunakan di dalam analisis multivariat lebih lanjut. Faktor-faktor tersebut dinamakan Principal Components.
Di dalam Common Factor Analysis, faktor diestimasi didasarkan pada Common variance, communalities dimasukkan di dalam matriks korelasi. Metode ini dianggap tidak tepat kalau
tujuan utamanya ialah mengenali mengidentifikasi dimensi yang mendasari dan Common variance yang menarik perhatian. Metode ini juga dikenal sebagai principal axis factoring
Supranto, 2004.
Universitas Sumatera Utara
Communalities ialah jumlah varian yang disumbangkan oleh suatu variabel dengan seluruh variabel lainnya dalam analisis. Bisa juga disebut proporsi atau bagian variabel yang
dijelaskan common factor, atau besarnya sumbangan suatu faktor terhadap varian seluruh variabel. Semakin besar Communalities sebuah variabel, berarti semakin kuat hubungannya
dengan faktor yang dibentuknya. Eigenvalue merupakan jumlah varian yang dijelaskan oleh setiap faktor. Eigenvalue akan
menunjukkan kepentingan relatif masing-masing faktor dalam menghitung varian yang dianalisis Wibowo, 2006.
4. Menentukan Banyaknya Faktor
Sebetulnya bisa juga diperoleh, banyaknya faktor atau principal component sama dengan banyaknya variabel asli awal yaitu 7 buah, akan tetapi tidak didapat sifat hemat. Agar dapat
meringkas informasi yang terdapat atau terkandung di dalam data asli awal, banyaknya faktor yang disarikan to be extracted dari variabel asli harus lebih sedikit daripada banyaknya
variabel. Pertanyaan yang timbul kemudian, berapa faktor yang harus disarikan?. Ada beberapa prosedur yang diusulkan disarankan di dalam menentukan banyaknya faktor. Prosedur ini
termasuk penentuan secara a priori a priori determination dan pendekatan berdasarkan pada eigen values, scree plot, percentage of variance accounted for, spil-half-releability dan
significances test. Penentuan banyaknya faktor lebih bersifat subyektif daripada ilmiah Supranto, 2010.
5. Melakukan Rotasi Faktor-faktor
