X.1.8 1.000
.989 X.2.1
1.000 .982
Lanjutan Tabel 5.8.
Initial Extraction
X.2.2 1.000
.881 X.2.3
1.000 .759
X.2.4 1.000
.989 X.2.5
1.000 .853
X.2.6 1.000
.857 X.2.7
1.000 .972
X.2.8 1.000
.902 X.2.9
1.000 .974
X.2.10 1.000
.670 X.3.1
1.000 .883
X.3.2 1.000
.932 X.3.3
1.000 .925
X.3.4 1.000
.815 X.4.1
1.000 .636
X.4.2 1.000
.625 X.4.3
1.000 .735
X.4.4 1.000
.927 X.4.5
1.000 .816
X.4.6 1.000
.709 Extraction Method: Principal Component
Analysis.
5.3.2. Total Variance Explained
Dari Tabel communalities dinyatakan bahwa terdapat sebanyak 28 variabel
yang dapat diteruskan untuk analisis faktor, maka akan terdapat 28 component atau 28 faktor awal yang diusulkan dalam analisis faktor. Kemampuan setiap faktor
menjelaskan atau mewakili variabel-variabel penelitian, ditunjukkan dengan besa varians yang dijelaskan atau initial eigenvalue. Komponen atau faktor yang akan
Universitas Sumatera Utara
dipilih adalah faktor dengan nilai eigenvalue lebih besar dari 1, dimana hanya faktor yang mampu menjelaskan variabel dengan baik saja.
Pada Tabel 5.9, dari 28 komponen hanya 4 faktor yang terbentuk karena nilai eigenvalue yang lebih besar dari 1. Sedangkan 23 faktor lainnya tidak diikutsertakan
dalam analisis faktor karena tidak mampu menjelaskan variabel dengan baik. Pada kolom extraction sums of squared loadings, terdapat kolom of variance yang
menunjukkan persentase varians yang dapat dijelaskan oleh faktor, sementara cumulative merupakan persentase varians yang dijelaskan oleh setiap faktor. Dari
4 faktor yang terbentuk akan mampu menjelaskan varians secara total sebesar 86,256 variabel. Jika hanya 1 faktor faktor pertama maka hanya dapat menjelaskan
varians total variabel sebesar 67,184 .
Tabel 5.9 Total Variance Explained
Initial Eigenvalues Extraction Sums of Squared
Loadings Rotation Sums of
Squared Loadings Com
pone nt
Total of
Variance Cumulative
Total of
Variance Cumulative
Total of
Variance Cumul
ative 1
18.812 67.184
67.184 18.812
67.184 67.184 13.778
49.207
49.207
2 2.413
8.617 75.801
2.413 8.617
75.801 4.204
15.014
64.221
3 1.744
6.229 82.030
1.744 6.229
82.030 4.139
14.783
79.004
4 1.183
4.225 86.256
1.183 4.225
86.256 2.031
7.252
86.256
5 .863
3.081 89.337
6 .851
3.040 92.377
7 .683
2.439 94.815
8 .361
1.288 96.103
9 .305
1.088 97.191
10 .187
.669 97.860
11 .149
.533 98.392
12 .138
.494 98.886
Universitas Sumatera Utara
Lanjutan Tabel 5.9.
Initial Eigenvalues Extraction Sums of Squared
Loadings Rotation Sums of
Squared Loadings Com
pone nt
Total of
Variance Cumulative
Total of
Variance Cumulative
Total of
Variance Cumul
ative 13
.089 .318
99.204 14
.059 .211
99.415 15
.050 .179
99.595 16
.043 .152
99.757 17
.028 .101
99.848 18
.013 .048
99.896 19
.011 .041
99.937 20
.007 .023
99.960 21
.006 .020
99.980 22
.003 .012
99.992 23
.001 .004
99.996 24
.001 .003
99.998 25
.000 .001
100.000 26
.000 .000
100.000 27
6.765E -16
2.416E- 15
100.000 28
1.402E -18
5.007E- 18
100.000
5.3.3 .
Component Matrix, Rotated Component Matrix dan Component Transformation Matrix
Setelah membuang faktor yang memiliki eigenvalue kurang dari 1 maka
hanya akan ada 4 empat faktor baru yang terbentuk dalam analisis faktor, sehingga pada Tabel 5.10 component matrix akan terdapat 4 empat kolom component. Nilai-
nilai yang terdapat dalam kolom tersebut menunjukkan factor
Extraction Method: Principal Component Analysis.
Universitas Sumatera Utara
loading, dimana factor loading ini menunjukkan korelasi antara satu variabel dengan faktor yang terpilih. Nilai factor loading yang besar menunjukkan variabel tersebut
masuk dalam komponen faktor yang terbentuk.
Tabel 5.10. Component Matrix
Component 1
2 3
4 X.1.1
.937 -.074
-.253 .151
X.1.2 .961
-.192 -.139
.077 X.1.3
.938 -.165
-.178 .046
X.1.4 .942
.017 -.186
-.082 X.1.5
.887 .166
-.295 .120
X.1.6 .961
-.191 -.094
.054 X.1.7
.618 .361
-.246 -.185
X.1.8 .967
-.192 -.117
.063 X.2.1
.958 -.192
-.150 .075
X.2.2 .892
-.189 .185
.122 X.2.3
.635 .389
-.432 -.136
X.2.4 .967
-.192 -.117
.063 X.2.5
.879 -.178
-.192 .111
X.2.6 .705
.441 -.242
-.326 X.2.7
.966 -.189
-.057 -.006
X.2.8 .915
-.104 .152
-.176 X.2.9
.957 -.189
-.047 .143
X.2.10 .749
-.125 .289
.100 X.3.1
.616 .416
.146 -.556
X.3.2 .905
-.107 .290
-.135 X.3.3
.863 -.086
.311 -.277
X.3.4 .826
-.001 .205
-.301 X.4.1
.590 .421
.305 .132
X.4.2 .239
.563 -.299
.403 X.4.3
.575 .238
.479 .343
X.4.4 .433
.786 .248
.245 X.4.5
.770 -.170
.435 .065
X.4.6 .713
.372 .230
.100
Pada Tabel 5.10 dapat diketahui bahwa nilai korelasi variabelnya masih sangat merata, dimana besar korelasi suatu variabel di komponen faktor yang satu
Universitas Sumatera Utara
masih relatif sama dengan besar korelasi variabel tersebut pada komponen faktor lainnya. Untuk itu dilakukan rotasi pada dimensi faktor, sehingga diperoleh matrik
rotated component seperti pada Tabel 5.11. Rotasi dilakukan dengan metode varimax, dimana rotasi varimax dipilih karena lebih mudah dianalisis secara teori.
Tabel 5.11. Rotated Component Matrix
Component 1
2 3
4 X.1.1
.894 .167
.249 .284
X.1.2 .936
.198 .240
.111 X.1.3
.907 .160
.274 .129
X.1.4 .805
.190 .464
.174 X.1.5
.740 .201
.376 .431
X.1.6 .923
.228 .251
.074 X.1.7
.364 .127
.595 .323
X.1.8 .934
.213 .250
.091 X.2.1
.936 .188
.242 .116
X.2.2 .816
.441 .133
-.052 X.2.3
.411 .012
.605 .474
X.2.4 .934
.213 .250
.091 X.2.5
.877 .141
.196 .159
X.2.6 .376
.153 .775
.302 X.2.7
.909 .242
.294 .021
X.2.8 .755
.370 .417
-.144 X.2.9
.922 .289
.175 .097
X.2.10 .640
.489 .110
-.100 X.3.1
.197 .349
.847 -.068
X.3.2 .726
.486 .359
-.201 X.3.3
.654 .454
.459 -.284
X.3.4 .601
.383 .521
-.190 X.4.1
.244 .666
.289 .223
X.4.2 .051
.193 .104
.758 X.4.3
.316 .787
.006 .129
X.4.4 -.035
.739 .329
.522 X.4.5
.643 .583
.101 -.226
X.4.6 .381
.624 .348
.232
Universitas Sumatera Utara
Dari Tabel 5.11 dapat dikelompokan variabel ke dalam faktor yang baru terbentuk. Berikut adalah kelompok variabel dalam faktor tersebut :
Faktor 1 : Kemampuan untuk belajar X1.1, Inisiatif X1.2, Kesempatan
untuk mengembangkan diri X1.3, Pelatihan X1.4, Komunikasi X1.5, Kerjasama X1.6, Kehandalan X1.8, Tercapainya tujuan
pelaksanaan tugas sesuai dengan yang diharapkan X2.1, Kesesuaian fasilitas dengan yang diharapkan X2.2, Terpenuhinya
kebutuhan X2.4, Penghargaan atas keberhasilan X2.5, Menentukan batas waktu pengerjaan X2.7, Penyusunan anggaran
X2.8, Pengelolaan anggaran X2.9, Pelaporan anggaran X2.10, Menerima tujuan instansi X3.2, Rela berusaha untuk mencapai
tujuan instansi X3.3, Memiliki keinginan yang kuat untuk tetap bekerja di instansi sekarang X3.4, Sasaran anggaran X4.5.
Faktor 2 : Tanggungjawab X4.1, Pelaksanaan tugas X4.3, Memperbagus
anggaran X4.4, Rincian anggaran X4.6 Faktor 3
: Kualitas kerja X17 Dorongan yang kuat untuk menyelesaikan tugas X2.3, Menyusun rencana pencapaian tugas X2.6, Percayakepada
instansi X3.1 Faktor 4
: Kesesuaian X4.2. Component transformation matrix adalah matrik pengali dari component
matrix menjadi rotated component matrix, rumus mencari rotated component matrix sebagai berikut:
Universitas Sumatera Utara
Rotated component matrix = Component matrix x Component transformation matrix
Tabel 5.12. Component Transformation Matrix
Component 1
2 3
4 1
.835 .375
.388 .111
2 -.486
.394 .490
.607 3
-.211 .787
-.147 -.561
4 .152
.291 -.767
.552 Extraction Method: Principal Component Analysis.
Rotation Method: Varimax with Kaiser Normalization.
5.4. Pengujian Hipotesis
