Proses Analisi faktor I Proses Analisis Faktor III Rotasi

39 3 1,000 1,915 2,330 3,959 2,318 4,475 3,428 4 2,372 2,729 3,360 3,600 5 3,749 3,927

3.7 Proses Analisi 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 menyebabkan penyakit diabetes mellitus.. Dalam penelitian ini, faktor-faktor tersebut berjumlah 7 variebel yang telah valid. Berdasarkan hasil perhitungan diperoleh nilai KMO and Barlett’s Test sebesar 0,579 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. Tabel 3.7 KMO and Bartletts Test Kaiser-Meyer-Olkin Measure of Sampling Adequacy. .569 Bartletts Test of Sphericity Approx. Chi-Square 93.129 Df 21 Sig. .000 Perhitungan selanjutnya adalah dengan melihat nilai MSA. Hasil nilai MSA dapat dilihat pada tabel dibawah. Hasil pada tabel menunjukkan bahwa 7 variabel yang tersisa mempunyai nilai lebih dari 0,5 berdasarkan 7 variabel yang dinilai dalam kuesioner yang merupakan jawaban 45 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 3.8 Measure Of Sampling Adequacy No Variabel Nilai MSA 1 Variabel 1 0,665 2 Variabel 2 0,593 Universitas Sumatera Utara 40 3 Variabel 3 0,588 4 Variabel 4 0,574 5 Variabel 5 0,628 6 Variabel 6 0,557 7 Variabel 7 0,552

3.8 Proses Anlasisi 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 berkorelasi. Communalities adalah jumlah varians yang disumbangkan oleh suatu variabel dengan seluruh variabel lainnya dengan analisis.

3.8.1 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 3.9 Communalities No Variabel Initial Extraction 1 Variabel 1 1,000 0,747 2 Variabel 2 1,000 0,679 3 Variabel 3 1,000 0,552 4 Variabel 4 1,000 0,582 5 Variabel 5 1,000 0,716 6 Variabel 6 1,000 0,898 7 Variabel 7 1,000 0,578

3.8.2 Total variance Explained

Total Variance Explaned menerangkan nilai persen dari varainsi yang mampu diterangkan oleh banyaknya faktor yang terbentuk. Nilai ini berdasarkan nilai eigenvalue. Universitas Sumatera Utara 41 Ada 7 variabel yang dimasukkan dalam analisis faktor, dengan masing- masing varian memiliki varian 1, maka total varian adalah 7 x 1 = 7. Jika ketujuh variabel diringkas menjadi 1 faktor, maka varians yang bisa dijelaskan oleh satu faktor tersebut adalah lihat kolom Component 1 pada Tabel : Jika 7 variabel diekstrak menjadi 2 faktor, maka: 1. Varian faktor pertama adalah 34,82 2. Varian faktor kedua adalah 24,28 Total kedua faktor akan menjelaskan 34,82 + 24,28 = 59,10 atau kedua faktor tersebut akan menjelaskan 59,10 dari variabilitas ketujuh yang asli tersebut. Sedangkan eigenvalue manunjukkan kepentingan relatif masing-masing faktor dalam menghitung varians ketujuh variabel yang dianalisis. 1. Jumlah angka eigenvalue untuk ketujuh variabel adalah sama dengan total varian ketujuh variabel atau 2,438 + 1,700 + 0,987 + 0,812 + 0,490 + 0,426 + 0,147 = 7 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. Tabel 3.10 Total Variance Explaained Faktor atau Komponen Initial Eigenvalues Total of Variance Comulative 1 2,438 34,821 34,821 2 1,700 24,286 59,108 3 0,987 14,098 73,206 4 0,812 11,605 84,811 5 0,490 6,999 91,810 6 0,426 6,083 97,893 7 0,147 2,107 100,000 Dari tabel 3.10 diatas menyatakan bahwa hanya 2 faktor yang terbentuk, terlihat dari eigenvalue dengan nilai diatas 1, namun pada faktor yang ketiga angka eigenvalue sudah dibawah 1, yakni 0,987 sehingga proses Faktoring Universitas Sumatera Utara 42 seharusnya berhenti pada dua faktor saja, maka dalam penelitian ini hanya dua faktor yang terbentuk.

3.8.3 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 3 sudah dibawah 1 dari sumbu Y angka eigenvalue. Hal ini menunjukkan bahwa 2 faktor adalah paling tepat untuk meringkas ke 7 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. Universitas Sumatera Utara 43 Jika tabel total variansi menjelaskan dasar jumlah faktor yang didapat dengan perthitungan angka, maka scree plot memperlihatkan hal tersebut dengan grafik. Terlihat bahwa dari satu ke dua faktor baris dari sumbu Component 1 ke- 2, arah garis cukup menurun tajam. Kemudian dari 2 ke 3 juga menurun. Pada faktor 3 sudah dibawah angka 1 dari sumbu eigen value. Hal ini menunjukkan bahwa ada 2 faktor yang menyebabkan penyakit diabetes mellitus, yang dapat diekstraksi berdasarkan scree plot.

3.9 Proses Analisis Faktor III Rotasi

Hasil ekstraksi faktor awal memberikan informasi bahwa terdapat 2 faktor dari 7 variabel yang dapat diolah dengan variansi kumulatif sebesar 59,19. Korelasi antara variabel-variabel dan faktor Faktor Loading hasil ekstarksi tersebut dapat dilihat pada tabel berikut. Tabel 3.11 Faktor Loading Variabel Penelitian Faktor 1 2 0,863 -0,055 -0,174 0,492 -0,231 0,706 0,210 0,576 0,817 0,219 0,947 -0,022 0,024 0,760 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. Tabel 3.12 Rotated Factor Loading Variabel Penelitian Faktor 1 2 0,856 -0,122 -0,136 0,504 -0,176 0,722 0,254 0,558 Universitas Sumatera Utara 44 0,832 0,155 0,943 -0,095 0,082 0,756 Faktor Loading hasil rotasi menunjukkan bahwa variabel-variabel berkorelasi kuat hanya pada satu faktor tertentu, misalnya korelasi antara variabel X 1 dan faktor 1 sebesar 0,856 Korelai kuat, sedangkan korelasi dengan faktor 2 sebesar -0,122 korelasi lemah.

3.10 Proses Analisis Faktor IV Interpretasi Faktor Faktor Pertama