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
Kategori