∑
� �=ℎ
y ᵼ − ýᵼ ² = 0.048² + 0.004² + 0.041² + 0.129² + -0.111² +
-0.131² + -0.192² = 0.086988
Maka, RMSE ={ √
1 52
0.086988} = √0.0016728 = 0.0409
Nilai RMSE pada metode principal component analysis adalah sebesar 0.0409.
Selanjutnya menghitung RMSE dari hasil analisis faktor dengan metode maximum likelihood, maka diketahui nilai residu:
∑
� �=ℎ
y ᵼ − ýᵼ ² = -0.045² + -0.080² + 0.060² + 0.030² + -0.019² +
-0.004² + 0.111² = 0.025623
Maka, RMSE ={ √
1 52
0.025623} = √0.00049275 = 0.0222
Nilai RMSE pada metode maximum likelihood adalah sebesar 0.0222. Dari hasil perhitungan nilai RMSE berdasarkan metode principal component
analysis dan maximum likelihood, maka dapat disimpulkan bahwa RMSE principal component analysis sebesar 0.0409 nilai RMSE maximum likelihood sebesar
0.0222 yang artinya bahwa metode yang terbaik adalah metode maximum likelihood.
4.5 Penamaan Faktor
Untuk menamai faktor yang terbentuk dalam analisis faktor, maka dapat dilakukan dengan cara memberikan nama faktor yang dapat mewakili nama-nama
variabel yang membentuk faktor tersebut.
Universitas Sumatera Utara
Berikut ringkasan kedua faktor yang terbentuk dengan metode principal component analysis dan maximum likelihood dengan model rotasi menggunakan
metode varimax, equamax, quartimax, promax, dan direct oblimin.
Tabel 4.13 Faktor yang Terbentuk Hasil Rotasi Faktor Berdasarkan Metode
Principal Component Analysis dan Maximum Likelihood
Metode Rotasi
Faktor Metode
principal component analysis
Metode maximum likelihood
Varimax
Equamax
Quartimax
Promax
Direct Oblimin
1
2
1
2
1
2 1
2
1
2
- Pendidikan - Budaya - Ekonomi - Pekerjaan
- Kesehatan ibu
- Pengetahuan - Kesehatan bayi
- Petugas kesehatan - Pendidikan - Budaya
- Ekonomi - Pekerjaan - Kesehatan Ibu
- Pengetahuan - Kesehatan Bayi
- Petugas kesehatan - Pendidikan - Budaya
- Ekonomi - Pekerjaan - Kesehatan ibu
- Kesehatan bayi - Pengetahuan
- Petugas kesehatan - Pendidikan - Budaya
- Ekonomi - Pekerjaan - Kesehatan ibu
- Pegetahuan - Kesehatan bayi
- Petugas kesehatan - Pendidikan - Budaya
- Ekonomi - Pekerjaan - Kesehatan ibu
Pengetahuan Kesehatan bayi
Petugas kesehatan - Pendidikan - Budaya
- Ekonomi - Pekerjaan - Pengetahuan - Kesehatan bayi
- Kesehatan ibu - Petugas kesehatan
- Pendidikan - Budaya - Ekonomi - Pekerjaan
- Pengetahuan - Kesehatan ibu - Kesehatan bayi
- Petugas kesehatan - Pengetahuan
- Kesehatan ibu - Kesehatan bayi
- Petugas kesehatan - Pendidikan - Budaya
- Ekonomi - Pekerjaan - Pendidikan - Budaya
- Ekonomi - Pekerjaan - Pengetahuan - Kesehatan ibu
- Kesehatan bayi - Petugas kesehatan
- Pengetahuan - Kesehatan ibu - Kesehatan bayi
- Petugas kesehatan - Pendidikan - Budaya
- Ekonomi - Pekerjaan
Universitas Sumatera Utara
Tabel di atas menunjukkan bahwa dengan berbagai metode rotasi faktor yang digunakan, beberapa faktor berpindah-pindah dari faktor 1 ke faktor 2 dan sebaliknya.
Hanya pada metode varimax dan equamax yang menunjukkan hasil yang sama. Dari hasil rotasi faktor tersebut, maka penamaan faktor 1 dan 2 dapat
digolongkan sebagai berikut: 1. Metode principal component analysis
- Faktor 1 termasuk pada faktor tidak langsung, kecuali variabel kesehatan ibu - Faktor 2 termasuk pada faktor langsung
2. Metode maximum likelihood - Faktor 1 termasuk pada faktor tidak langsung
- Faktor 2 termasuk pada faktor langsung
Universitas Sumatera Utara
BAB V PEMBAHASAN
5.1 Perbandingan Hasil Analisis Faktor dengan Metode Principal Component
Analysis dan Maximum Likelihood
Berdasarkan hasil analisis faktor dengan metode principal component analysis dan maximum likelihood menunjukkan bahwa ada perbedaan yang dapat
dilihat dari nilai communalities, extraction sums of squared loadings, factor transformation matrix, dan faktor yang dihasilkan. Walaupun nilai-nilai tersebut
berbeda, tetapi asumsi analisis faktor dari kedua metode tersebut tetap terpenuhi. Hanya saja berbeda pada faktor yang dihasilkan.
Berikut merupakan tabel ringkasan beberapa indikator yang dijadikan sebagai perbandingan hasil analisis faktor dengan metode principal component analysis dan
metode maximum likelihood.
Tabel 4.14 Ringkasan hasil perbandingan metode principal component
analysis dan metode maximum likelihood.
Variabel Metode
principal component analysis
Metode maximum likelihood
Communalities Extraction sums of
squared loadings
Korelasi hasil
rotasi varimax
Nilai RMSE
Communalities Extraction sums of
squared loadings
Korelasi hasil
rotasi varimax
Nilai RMSE
Pengetahuan Pendidikan
Budaya Ekonomi
Pekerjaan Kesehatan
Ibu Kesehatan
Bayi Petugas
Kesehatan 0.734
0.816 0.754
0.653 0.793
0.550 0.749
0.576 70.312
0.837 0.0409 0.235
0.788 0.653
0.564 0.876
0.518 0.851
0.391 60.950
0.790 0.0222
Universitas Sumatera Utara