Penamaan Faktor HASIL PENELITIAN

∑ � �=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