karena metode ini sangat cocok digunakan pada skor berbentuk skala 1- 5. Dwi Priyatno,2008:25. Adapun rumus metode Alpha Cronbachs
adalah :
r11 =
⎥⎦ ⎤
⎢⎣ ⎡
−1 k
k ⎥
⎥ ⎦
⎤ ⎢
⎢ ⎣
⎡ −
∑
2 1
2
1 σ
σ
b
r11 = Reliabilitas instrumen
k = banyaknya butir pertanyaan ∑σ b2 = jumlah varian butir
σ 12 = Varian total Reliabilitas suatu instrument dapat diterima jika memiliki koefisien
Alpha Cronbachs dengan batasan 0,6 adalah kurang baik, sedangkan 0,7 dapat diterima dan di atas 0,8 adalah baik.
2. Analisis Kuantitatif
2.1. Konsep Dasar Analisis Faktor Dalam penelitian ini, peneliti akan menganalisis data dengan
menggunakan metode analisis faktor. Analisis faktor merupakan sebuah analisis yang mencari
hubungan interpedensi antar variabel, sehingga mampu mengidentifikasikan dimensi-dimensi atau faktor-faktor yang
menyusunnya Ety Rochaety,dkk.2009:188. Analisis faktor merupakan bagian dari metode analisis data
multivariate yang digunakan untuk mengurangi reduction dan meringkas summarization semua variabel terikat dan saling
ketergantungan Ujianto Abdurachman; 2004:41. 68
Analisis faktor adalah salah satu teknik statistik untuk mengidentifikasikan jumlah faktor yang relatif kecil yang dapat
digunakan untuk menggambarkan hubungan diantara beberapa variabel yang saling berkaitan Malhotra,1996. dikutip dari Hasbi
Ramli 2004. 2.2. Fungsi Analisis Faktor
Malhotra yang dikutip oleh Ujianto, dkk 2004:41, menjelaskan kegunaan analisis faktor adalah sebagai berikut :
a. Mengidentifikasikan dimensi-dimensi atau faktor-faktor yang mendasari dan menerangkan korelasi diantara satu set variabel.
b. Mengidentifikasi suatu variabel atau faktor baru yang lebih kecil, menetapkan variabel-variabel yang semula berkorelasi dengan
analisis multivarian atau analisis regresi atau diskriminan. c. Mengidentifikasi tidak tepat kecil variabel penting dari tidak tepat
besar variabel, untuk digunakan dalam analisis multivarian selanjutnya, model analisis faktor dinyatakan dengan rumus
sebagai berikut : Xi = Aij + Ai2F2 + Ai3F3 +.................+AimFm +ViUi
Dimana : Xi = variabel stabdar ke – i
Aij = Koefisien multipel regresi standar dari variabel ke-i pada common factor j.
F = Common Factor
69
Vi = Koefisisn regresi berganda standar dari variabel ke-i pada faktor unik – i.
Ui = Faktor unik variabel-i. m = Banyaknya common factor.
Faktor unik berkorelasi satu dengan yang laindan dengan common factor, common factor
dapat dinyatakan sebagai kombinasi dari variabel yang diteliti dengan persamaan :
Fi = WiX1 + WiX2 + WiX3 + ...........+WiXk Dimana :
Fi = Faktor ke-i yang diestimasi Wi = Bobot atau koefisien Core Factor
Xk =banyaknya variabel X pada faktor ke-k 2.3. Proses dan Prosedur Analisis Faktor
Proses dan prosedur untuk menganalisis faktor adalah sebagai berikut :
a. Formulate the problem perumusan masalah. Terdiri dari mengidentifikasi sasaran atau tujuan analisis faktor dan
pengukuran variabel-variabel atas dasar likert atau interval. b. Construct the corelation Matrix penyusunan Matrik Korelasi.
Data disusun dalam matrik korelasi, proses analitik didasarkan pada korelasi matrik antara variabel-variabel yang ada. Apabila
antar variabel tersebut saling berkorelasi maka analisis faktor adalah tepat untuk digunakan. Pengujian Bartles test of sphericity
70
dapat dipakai untuk menguji ketepatan model faktor. KMO berguna untuk pengukuran kelayakan sampel.
c. Determine the number of factors Penentuan banyaknya faktor. d. Rotate factors melakukan rotasi terhadap faktor. Hasil paling
penting dari analisis faktor adalah matriks faktor, yang disebut juga pattern matrix matrik pola faktor, berisi kofisien yang
digunakan untuk menunjukan variabel-variabel yang distandarisasi dalam batasan sebagai faktor. Didalam suatu
matriks yang kompleks sulit untuk menginterpertasikan suatu faktor. Oleh karena itu, melalui rotasi matriks, faktor
ditransformasikan ke dalam bentuk yang sederhana yang lebih mudah untuk diinterpretasikan, dengan harapan setiap faktor
memiliki nilai non zero tidak 0 atau signifikan. Rotasi tidak berpengaruh tehadap communalities dan prosentase variance
total yang dijelaskan. Tetapi prosentase variance yang diperhitungkan untuk setiap faktor tidak berubah. Variance yang
dijelaskan oleh faktor individual diretribusikan melalui rotasi. Perbedaan metode rotasi akan menghasilkan identifikasi faktor
yang berbeda. Metode yang digunakan untuk rotasi dalam penelitian varimax procedure yang meminimalkan banyaknya
variabel dengan loading tinggi pada faktor, sehingga meningkatkan kemampuan meninterpretasikan faktor-faktor yang
ada.
71
e. Interpret Factors Meinterpretasikan Faktor. Interpretasi dipercepat melalui variabel-variabel yang memiliki loading lebih
besar pada faktor yang sama yang kemudian dapat diinterpretasikan dalam batasan variabel-variabel yang
loadingnya tinggi.
Dalam penelitian ini proses analisis dilakukan hanya sampai pada langkah meninterpretasikan faktor yang telah terbentuk dan
memberikan nama atas faktor yang terbentuk. Karena tujuan dari penelitian ini adalah hanya sebatas ingin mengetahui faktor-faktor
yang akan terbentuk atas variabel-variabel yang telah ada. 2.4. Persyaratan Dalam Analisis Faktor
Dalam menggunakan analisis faktor, maka yang perlu diperhatikan yaitu nilai-nilai dari :
a. Bartles test of Sphericity BTS Bartles test of Sphericity
digunakan untuk mengetahui apakah data-data yang terdapat pada analisis faktor memiliki hubungan
satu dengan yang lainnya atau tidak. Nilai Bartles test of Sphericity
dikatakan signifikan apabila maksimum sebesar 0,05. Ketentuan tersebut didasarkan pada kriteria sebagai berikut : Ety
Rohaeti dkk. 2009:190. 1. Jika probabilitas sig 0,05 maka variabel penelitian dapat
dianalisis lebih lanjut. 2. jika probabilitas sig 0,05 maka variabel tidak dapat
dianalisis lebih lanjut. 72
b. Keiser-Meyer-Olkin KMO Kaiser-Meyer-Olkin memiliki tujuan untuk menganalisis
kecukupan sampel atau data yang digunakan dalam analisis faktor. Bertujuan untuk mengetahui apakah pengambilan sampel
sudah mencukupi atau tidak. Jika sampel yang digunakan semakin cukup, maka berarti analisis faktor baik untuk
digunakan atau matriks korelasi yang terbentuk semakin baik. Persyaratan yang harus dipenuhi agar data dapat dianalisa lebih
lanjut adalah angka Measure of Sampling adequacy MSA harus diatas 0,5.
Besarnya MSA ialah antara 0 – 1. Jika digunakan dalam menentukan penggabungan variabel maka ketentuannya sebagai
berikut : 1. Jika MSA = 1 maka variabel tersebut dapat diprediksi tanpa
kesalahan. 2. Jika MSA
≥ 0,05 maka varuiabel tersebut masih dapat diprediksi dan dapat dianalisis lebih lanjut.
3. Jika MSA 0,05 maka variabel tersebut tidak dapat diprediksi dan tidak dapat dianalisis lebih lanjut sehingga
variabel tersebut harus dikeluarkan atau dibuang. c. Eigen Value
Eigen Value digunakan untuk mengkaji serta melihat layak
suatu faktor baru. Syarat layak menjadi suatu faktor baru. Syarat layak menjadi suatu faktor baru adalah eigen value
≥1. 73
sedangkan apabila terdapat faktor yang memiliki eigen value 1 maka faktor tersebut akan dikeluarkan atau tidak digunakan.
d. Kumulatif Varians Nilai kumulatif varians menunjukan besarnya tingkat
keterwakilan faktor baru yang terbentuk terhadap faktor awal atau semula. Syarat apabila faktor baru yang terbentuk mampu
mewakili faktor awal atau semula maka nilai kumulatif varians 60. Nilai kumulatif varians menunjukan besarnya tingkat
keterwakilan faktor baru yang terbentuk terhadap faktor awal atau semula. Syarat apabila faktor baru yang terbentuk mampu
mewakili faktor awal atau semula maka nilai kumulatif varians 60.
e. Nilai Loading Bertujuan untuk mengetahui layak atau tidaknya suatu varian
masuk dalam faktor baru .Nilai Loading ini dapat dilihat dari, jika nilai eigen value 1 maka suatu varian layak masuk kedalam
faktor baru. 2.5. Model Analisis Faktor
Pada dasarnya model analisis faktor dapat dikelompokkan menjadi dua, yaitu sebagai berikut :
a. Principal Component Analysis Principal Component Analysis
adalah model dalam analisis faktor tujuannya untuk melakukan prediksi terhadap sejunlah
faktor yang dihasilkan. Model principal analysis : 74
Fm = ℓm1X1+ℓm2X2+.............+ℓmpXp
Syarat m ≤ p
Jika ditulis dalam bentuk matriks adalah : F=
ℓX, dimana: F = faktor principal components unobservable
X = variabel yang diteliti ℓ = bobot dari kombinasi linier loading
b. Common Factors Common Factors
adalah model dalam analisis faktotr yang tujuannya untuk mengetahui struktur dari variabel yang diteliti
karakteristik dari observasi. Model Common Factors
Xp = ℓp1F1 + ℓp2F2 +.................... ℓpmFm+εm
Syarat : m ≤ p
X = ℓF + ε, dimana :
F = common Factors unobsevabel X = variabel yang diteliti observable
ℓ = Bobot dari kombinasi linier loading ε = specifict factor
75
F. Operasional Variabel Penelitian