Menentukan Banyaknya Faktor Melakukan Rotasi Faktor

3.3.3 Menentukan Banyaknya Faktor

Penentuan banyaknya faktor yang dilakukan dalam analisis faktor maksudnya adalah mencari variabel terakhir yang saling bebas satu sama lain dan tidak berkorelasi, yang jumlahnya lebih sedikit dari variabel awal tetapi masih memiliki informasi variabel asli. Ada beberapa prosedur dalam menentukan banyaknya faktor, yaitu: 1. Dilihat dari Initial Eigenvalues Total Berdasarkan Tabel 3.14 terbentuk 5 faktor atau komponen yang memiliki nilai eigenvalue 1, yaitu sebagai faktor 1 dengan eigenvalue 3,654 dengan varian sebesar 26,102 , faktor 2 dengan eigenvalue 1,564 dengan varian sebesar 11,174, faktor 3 dengan eigenvalue 1,264 dengan varian sebesar 9,028, faktor 4 dengan eigenvalue 1,164 dengan varian sebesar 8,316, faktor 5 dengan eigenvalue 1,069 dengan varian sebesar 7,635. Total sumbangan varian dari 5 faktor tersebut adalah 62,255. 2. Menentukan banyaknya faktor dengan Scree Plot Scree plot merupakan suatu gambaran yang diperoleh dengan membuat eigenvalue sebagai suatu sumbu vertikal dan banyaknya faktor sebagai sumbu horizontal. Bentuk plot dipergunakan untuk menentukan banyaknya faktor. Dengan bantuan SPSS Statistics 17.0 diperoleh Scree plot sebagai berikut: Gambar 3.1 Scree Plot Jika total varian menjelaskan perolehan sejumlah faktor dengan angka, maka Scree plot memperlihatkan hal tersebut melalui grafik yang terbentuk. Dapat dilihat bahwa dari faktor 1 dan faktor 2 garis sumbu dari komponen 1 ke 2 arah garis cukup menurun tajam, dan bergerak menurun secara perlahan sampai pada faktor ke-5. Pada faktor ke-6 garis sudah dibawah angka 1 dari sumbu eigenvalue . Hal tersebut menunjukkan bahwa terbentuk 5 faktor dari 14 variabel awal yang diteliti.

3.3.4 Melakukan Rotasi Faktor

Dalam analisis faktor hal yang sangat penting adalah Matriks Faktor atau disebut juga Komponen Matriks. Matriks Faktor memuat koefisien yang dipergunakan untuk mengekspresikan variabel yang dibakukan dinyatakan dalam faktor. Koefisien ini merupakan factor loading , mewakili koefisien korelasi antara faktor dengan variabel. Koefisien dengan nilai mutlak absolute yang besar menunjukkan bahwa faktor dan variabel sangat terkait. Koefisien dari matriks faktor dapat dipergunakan untuk menginterpretasi faktor. Dengan bantuan SPSS Statistics 17.0 diperoleh Matriks Faktor sebagai berikut: Tabel 3.15 Matriks Faktor a Sebelum Dirotasi Var Faktor Loading1 Faktor Loading 2 Faktor Loading 3 Faktor Loading 4 Faktor Loading 5 Komuna- litas X 1 0,421 -0,324 0,496 0,108 -0,241 0,598 X 2 0,267 -0,106 0,546 0,568 0,245 0,764 X 3 0,578 -0,066 -0,219 0,337 0,004 0,500 X 4 0,322 0,539 0,013 0,227 -0,294 0,557 X 5 0,406 0,229 0,232 -0,643 0,261 0,752 X 6 0,389 0,287 -0,204 0,134 0,695 0,776 X 7 0,352 -0,564 0,124 -0,144 0,395 0,633 X 8 0,676 -0,203 -0,036 0,014 -0,225 0,550 X 9 0,594 -0,130 -0,515 0,177 -0,093 0,675 X 10 0,640 0,095 0,151 -0,365 -0,296 0,663 X 11 0,648 -0,322 0,119 -0,083 -0,038 0,545 X 12 0,678 0,070 -0,358 -0,114 -0,032 0,607 X 13 0,284 0,683 0,359 -0,046 0,011 0,678 X 14 0,590 0,243 0,011 0,026 0,091 0,416 Walaupun matriks faktor komponen awal yang belum dirotasi menunjukkan hubungan antara faktor komponen dengan variabel secara individu, akan tetapi masih sulit diambil kesimpulan tentang banyaknya faktor yang bisa diekstraksi, hal ini disebabkan karena faktor komponen berkorelasi dengan banyak variabel. Misalnya Matriks Faktor sebelum dirotasi bahwa Faktor 1 memiliki korelasi yang kuat dengan variabel X 3 , X 8 , X 9 , X 10 , X 11 , X 12 , X 14 . Untuk mengatasi masalah tersebut dapat dilakukan proses rotasi pada faktor-faktor yang terbentuk agar lebih jelas posisi setiap variabel. Metode yang digunakan adalah Varimax procedure. Varimax procedure adalah metode yang paling banyak digunakan karena rotasi orthogonal dapat meminimumkan banyaknya variabel yang memiliki factor loading yang tinggi pada sebuah faktor, sehingga lebih mudah menginterpretasi faktor. Rotasi orthogonal menghasilkan faktor-faktor yang tidak berkorelasi satu sama lain. Hasil rotasi terhadap faktor dapat dilihat pada Matriks Faktor setelah dirotasi. Dengan bantuan SPSS Statistics 17.0 diperoleh Matriks Faktor sebagai berikut: Tabel 3.16 Matriks Faktor a Setelah Dirotasi Var Faktor Loading 1 Faktor Loading 2 Faktor Loading 3 Faktor Loading 4 Faktor Loading 5 X 1 0,207 0,205 0,644 -0,027 -0,314 X 2 -0,015 -0,132 0,822 0,104 0,244 X 3 0,634 -0,082 0,216 0,090 0,190 X 4 0,254 -0,016 0,060 0,699 0,023 X 5 -0,014 0,840 -0,037 -0,015 0,212 X 6 0,220 0,116 0,020 0,046 0,843 X 7 0,206 0,245 0,355 -0,010 0,679 X 8 0,641 0,237 0,255 -0,002 -0,137 X 9 0,809 -0,072 -0,064 -0,017 0,107 X 10 0,611 0,434 0,106 0,185 -0,218 X 11 0,502 0,346 0,368 -0,184 -0,062 X 12 0,692 0,294 -0,111 0,074 0,157 X 13 -0,091 0,352 0,179 0,679 0,227 X 14 0,393 0,313 0,158 0,258 0,268 Tujuan dilakukannya rotasi faktor adalah untuk memperlihatkan distribusi variabel yang lebih jelas dan nyata. Dapat dilihat perbedaan antara Matriks Faktor sebelum dirotasi dan Matriks Faktor setelah dirotasi.

3.3.5 Interpretasi Faktor