Proses Analisis faktor I Proses Analisis Faktor III Rotasi

38 � = �� + |�� ��� | � 1 = −2,165 + 3,165 = 1 � 2 = −1,662 + 3,165 = 1,502 � 3 = −0,859 + 3,165 = 2,305 � 4 = 0,506 + 3,165 = 3,671 Selanjutnya dengan melakukan cara yang sama, maka semua variabel akan ditransformasikan ke dalam data interval. Tabel 3.8 Hasil Penskalaan Variabel X 1 X 2 X 5 X 6 X 7 X 8 X 9 X 10 X 11 X 12 X 13 X 14 1 1,000 1,000 1,000 1,000 1,000 1,000 1,000 2 1,000 1,948 1,853 1,918 1,000 1,786 1,000 1,785 1,000 1,918 2,146 1,000 3 1,912 2,691 2,636 2,668 2,200 2,628 1,949 2,360 1,824 2,607 2,884 1,813 4 2,712 3,596 3,450 3,338 3,281 3,468 2,828 3,164 2,577 3,164 3,452 2,419 5 4,075 4,797 4,577 4,349 4,447 4,577 3,974 4,312 3,745 4,179 4,479 3,477

3.6 Proses Analisis faktor I

Pada proses awal analisis faktor, dilakukan beberapa tahap sampai dengan diperoleh faktor-faktor baru sebagai dominan yang ingin diperoleh. Proses pertama tabulasi pada data serta melakukan pengolahan dengan software yang telah direfrensikan yaitu dengan program SPSS dengan mengambil versi SPSS 17. Ada beberapa variabel yang memenuhi perilaku merokok pada siswa SMA.Dalam penelitian ini, faktor-faktor tersebut berjumlah 12 variabel yang telah valid. Berdasarkan hasil perhitungan diperoleh nilai KMO and Barlett’s Test sebesar 0,661 dengan signifikan sebesar 0,000. Berdasarkan teori nilai KMO memang harus diatas 0,5 dan signifikan atau probabilitas dibawah 0,5 maka variabel layak dan dapat dianalisa lebih lanjut Santoso, 2002. Universitas Sumatera Utara 39 Tabel 3.9 KMO and Bartletts Test Kaiser-Meyer-Olkin Measure of Sampling Adequacy. .641 Bartletts Test of Sphericity Approx. Chi-Square 129.970 Df 66 Sig. .000 Perhitungan selanjutnya adalah dengan melihat nilai MSA.Hasil nilai MSA dapat dilihat pada tabel dibawah. Hasil pada tabel menunjukkan bahwa 12 variabel yang tersisa mempunyai nilai lebih dari 0,5 berdasarkan 12 variabel yang dinilai dalam kuesioner yang merupakan jawaban 75 responden, diperoleh bahwa nilai MSA yang diperoleh di atas 0,5. Ini menandakan bahwa semua variabel memiliki korelasi cukup tinggi dengan variabel lainnya, sehingga selanjutnya dapat dilakukan analisis pada seluruh variabel yang diteliti. Tabel 3.10 Measure Of Sampling Adequacy No Variabel Nilai MSA 1 Variabel 1 0,593 0,639 Variabel 2 0,540 0,701 Variabel 5 0,607 0,764 Variabel 6 0,682 0,533 Variabel 7 0,543 0,739 Variabel 8 0,539 0,777 Variabel 9 0,585 0,653 Variabel 10 0,603 0,752 Variabel 11 0,532 0,693 Variabel 12 0,540 0,576 Variabel 13 0,770 12 Variabel 14 0,791

3.7 Proses Analisis faktor II Ekstraksi

Dalam penelitian ini metode yang akan digunakan adalah Principal Componen Analysis Analisis Komponen Utama. Didalam Principal Componen Analysis jumlah varians data dipertimbangkan yaitu diagonal matriks korelasi, setiap elemennya sebesar satu dan full variance dipergunakan untuk dasar pembentukan faktor, yaitu variabel-variabel lama yang jumlahnya lebih sedikit dan tidak berkorelasi lagi satu samalain, seperti variabel-variebel asli yang memang saling Universitas Sumatera Utara 40 berkorelasi. Communalities adalah jumlah varians yang disumbangkan oleh suatu variabel dengan seluruh variabel lainnya dengan analisis.

3.7.1 Communalities

Communalities pada dasarnya adalah jumlah varians dari suatu variabel awal yang bisa dijelaskan oleh faktor yang ada.Semakin besar communalities sebuah variabel, maka semakin erat hubungannya dengan faktor. Tabel 3.11Communalities No Variabel Initial Extraction 1 Variabel 1 1,000 0,593 2 Variabel 2 1,000 0,540 3 Variabel 5 1,000 0,607 4 Variabel 6 1,000 0,682 5 Variabel 7 1,000 0,543 6 Variabel 8 1,000 0,539 7 Variabel 9 1,000 0,585 8 Variabel 10 1,000 0,603 9 Variabel 11 1,000 0,532 10 Variabel 12 1,000 0,540 11 Variabel 13 1,000 0,770 12 Variabel 14 1,000 0,791

3.7.2 Total variance Explained

Total Variance Explaned menerangkan nilai persen dari varainsi yang mampu diterangkan oleh banyaknya faktor yang terbentuk.Nilai ini berdasarkan nilai eigenvalue. Tabel 3.12 Total Variance Explaained Faktor atau Komponen Initial Eigenvalues Total of Variance Comulative 1 2,565 21,377 21,137 2 1,958 16,314 37,691 3 1,110 9,252 46,943 4 1,063 8,857 55,799 5 0,982 8,187 63,986 6 0,944 7,869 71,856 7 0,762 6,346 78,202 Universitas Sumatera Utara 41 8 0,732 6,098 84,300 9 0,567 4.726 89,026 10 0,506 4,220 93,246 11 0,414 3,451 96,697 12 0,396 3,303 100,000 Dari tabel Ada 12 variabel yang dimasukkan dalam analisis faktor, dengan masing masing 3.12 menunjukkan bahwa terdapat 12 variabel yang akan dimasukkan kedalam analisis faktor. Dengan masing-masing variabel mempunyai varian 1, maka total varian adalah 12 x 1 = 12. Jika dalam 12 variabel tersebut dapat diringkas menjadi 1 faktor, maka varian yang dapat dijelaskan oleh 1 faktor tersebut adalah: 2,565 12 x 100 = 21,38lihat kolom Component 1 pada Tabel . Jika 12 variabel dapat diekstrak menjadi 4 faktor, maka varian yang dapat dijelaskan oleh 4 faktor tersebut adalah sebagai berikut: 1. Varian faktor pertama adalah 21,38 2. Varian faktor kedua adalah 16,31 3. Varian faktor ketiga adalah 9,25 4. Varian Faktor keempat adalah 8,86 Total keempat faktor akan menjelaskan 21,38+16,31+ 9,25 + 8,86 = 55,80 atau 55,80 dari variabilitas 12 variabel asli tersebut, sehingga dari tabel di atas dapat terlihat 4 faktor yang akan terbentuk. Sedangkan eigenvalue menunjukkan kepentingan relatif masing-masing faktor dalam menghitung varians keduabelas variabel yang dianalisis. 1. Jumlah angka eigenvalue untuk kedua belas variabel adalah sama dengan total varian keduabelas variabel atau 2,565 + 1,958 + 1,110 + 1,063 + 0,982 + 0,944 + 0,762 + 0,732 + 0,567 + 0,506 + 0,414 + 0,396 = 12 2. Susunan eigenvalue selalu diurutkan dari yang terbesar sampai dengan yang terkecil, dengan kriteria bahwa angka eigenvalue dibawah 1 tidak digunakan dalam menghitung faktor yang terbentuk. Dari tabel 3.12 diatas juga menyatakan bahwa hanya 4 faktor yang terbentuk, terlihat dari eigenvalue dengan nilai diatas 1, namun pada faktor yang kelima angka eigenvalue sudah dibawah 1, yakni 0,982 sehingga proses Faktoring Universitas Sumatera Utara 42 seharusnya berhenti pada empat faktor saja, maka dalam penelitian ini hanya empat faktor yang terbentuk.

3.7.3 Scree Plot

Jika Tabel 3.10 Menjelaskan dasar jumlah faktor yang didapat dengan perhitungan angka, maka scree plot menunjukkan dengan grafik bahwa pada sumbu X component number faktor 5 sudah dibawah 1 dari sumbu Y. Hal ini menunjukkan bahwa 4 faktor adalah paling tepat untuk meringkas ke 12 variabel tersebut. Gambar 3.1 Scree Plot Suatu Scree plot adalah plot dari eigen value melawan banyaknya faktor yang bertujuan untuk melakukan ekstraksi agar diperoleh jumlah faktor. Scree plot berupa suatu kurva yang diperoleh dengan memplot eigen value sebagai sumbu vertikal dana banyaknya faktor sebagai sumbu horizontal. Bentuk kurva atau plotnya dipergunakan untuk menentukan banyaknya faktor. Jika tabel total variansi menjelaskan dasar jumlah faktor yang didapat dengan perthitungan angka, maka scree plot memperlihatkan hal tersebut dengan grafik. Terlihat bahwa dari suatu ke dua faktor baris dari sumbu Component 1 ke- 2, arah garis cukup menurun tajam. Kemudian dari 2 ,3 dan 4 garis juga menurun. Pada faktor 5 sudah dibawah angka 1 dari sumbu eigen value.Hal ini Universitas Sumatera Utara 43 menunjukkan bahwa ada 4 faktor yang mnempengaruhi perilaku merokok pada siswa SMA, yang dapat diekstraksi berdasarkan scree plot.

3.8 Proses Analisis Faktor III Rotasi

Hasil ekstraksi faktor awal memberikan informasi bahwa terdapat 4 faktor dari 12 variabel yang dapat diolah dengan variansi kumulatif sebesar 56,60. Korelasi antara variabel-variabel dan faktor Faktor Loading hasil ekstarksi tersebut dapat dilihat pada tabel berikut. Tabel 3.13 Faktor Loading Variabel Penelitian Faktor 1 2 3 4 � 1 0,584 0,423 0,270 -0,014 � 2 0,264 -0,335 0,198 0,478 � 5 0,695 0,331 -0,050 -0,108 � 6 0,147 0,641 0,344 0,362 � 7 0,557 0,081 0,004 0,162 � 8 0,582 0,004 -0,283 -0,143 � 9 0,551 -0,184 0,031 0,383 � 10 0,637 -0,293 -0,313 -0,111 � 11 0,118 0,596 -0,051 -0,400 � 12 -0,260 0,565 0,022 -0,116 � 13 - 0,385 0,556 -0,067 0,556 � 14 0,249 0,192 0,831 -0,048 Dari Tabel diatas dapat dilihat bahwa variabel-variabel berkorelasi kuat dengan lebih dari satu faktor, sehingga sulit untuk menginterpretasikan faktor-faktor tersebut.Dalam hal ini, faktor loading perlu dirotasi agar masing-masing variabel berkorelasi kuat hanya pada satu faktor.Berikut ini adalah Faktor Loading setelah dirotasi Rotated Faktor Loading. Universitas Sumatera Utara 44 Tabel 3.14 Rotated Factor Loading Variabel Penelitian Faktor 1 2 3 4 � 1 0,507 0,166 -0,074 0,550 � 2 0,068 0,005 0,654 0,131 � 5 0,717 0,092 -0,113 0,266 � 6 0,313 0,750 -0,134 -0,062 � 7 0,504 0,098 0,212 0,186 � 8 0,650 -0,101 -0,008 -0,083 � 9 0,424 0,050 0,538 0,115 � 10 0,662 -0,292 0,203 -0,195 � 11 0,262 0,156 -0,633 0,195 � 12 -0,147 0,351 -0,487 0,136 � 13 - 0,306 0,822 -0,028 0.002 � 14 -0,029 -0,099 0,045 0,882 Faktor Loading hasil rotasi menunjukkan bahwa variabel-variabel berkorelasi kuat hanya pada satu faktor tertentu, misalnya korelasi antara variabel X 1 dan faktor 4 sebesar 0,550 Korelasi kuat, sedangkan korelasi dengan faktor 1, 2, dan 3 masing-masing 0,507, 0,166, dan -0,074 korelasi lemah.

3.9 Proses Analisis Faktor IV Interpretasi Faktor Faktor Pertama