14
b. Correlation matrix Matriks Korelasi
Matriks korelasi adalah matriks yang menunjukan korelasi sederhana r antara seleruh kemungkinan pasangan variabel yang dilibatkan dalam analisis. Nilai atau
seluruh kemungkinan pasangan variabel yang dilibatkan dalam analisis. Nilai atau angka pada diagonal utama semuanya sama yaitu 1. Jadi kalau ada 3 atau 4
variabel, bentuk matriks korelasi menjadi :
n = 3 → 1
12 13
21
1
23 31
32
1
n = 4 → 1
12 13
14 21
1
23 24
31 32
1
34 41
42 43
1
c. CommunalityKomunitas
Komunalitas adalah jumlah varian yang dikontribusi dari sebuah variabel dengan seluruh variabel lainnya dalam analisis. Ini juga merupakan proporsi dari varians
yang diterangkan oleh komponen faktor. ℎ = �
1 2
+ �
2 2
+ ⋯ + �
2
Dimana : ℎ = communality variabel ke-i ; i = 1,2,3,...m.
� = nilai factor loading
d. Eigenvalue Nilai Eigen
Nilai eigen merupakan jumlah varians yang dijelaskan oleh setiap fator-faktor yang mempunyai nilai eigenvalue 1, maka faktor tersebut akan dimasukkan ke
dalam model. Definisi:
Universitas Sumatera Utara
15 Jika A adalah sebuah matrix n n, maka sebuah vector tak nol pada
disebut vector eigen eigenvector dari jika
adalah sebuah kelipatan skalar dari x, jelasnya,
- �
Untuk skalar sebarang λ, skalar λ disebut nilai eigen eigenvalue dari , dan
disebut sebagai vector eigen dari yang terkait dengan λ. Anton
Howard,2000.
e. Factor loadings Faktor Muatan
Faktor muatan adalah korelasi sederhana antara variabel dengan faktor.
f. Factor Loading Plot Plot Faktor Muatan
Plot faktor muatan adalah suatu plot dari variabel asli dengan menggunakan factor loading sebagai koordinat.
g. Factor Matrix Faktor Matriks
Matriks faktr mengandung factor loading dari seluruh variabel dalam seluruh faktor yang dikembangkan.
h. Kaiser – Meyer – Olkin KMO measure of sampling adequency
Kaiser – Meyer – Olkin KMO merupakan suatu indeks yang digunakan untuk
menguji ketepatan analisis faktor. Nilai yang tinggi antara 0,5 – 1,0
mengidentifikasi analisis faktor tepat. Apabila dibawah 0,5 menunjukkan bahwa analisis faktor tidak tepat untuk diaplikasikan.
= Σ
i=1 p
Σ
k=1 p
r
ik 2
Σ
i=1 p
Σ
k=1 p
r
ik 2
+ Σ
i=1 p
Σ
k=1 p
α
1k 2
, − 1,2, … , ; = 1,2, … ,
Universitas Sumatera Utara
16 Keterangan :
= koefisien korelasi sederhana antara variabel ke- dan ke-k � = koefisien korelasi parsial antara variabel ke- dan ke-
Measure of Sampling Adequency MSA yaitu suatu indeks perbandingan antara koefisienkorelasi parsial untuk setiap untuk variabel. MSA digunakan
untuk mengukur kecukupan sampel.
i. Percentage of variance Persentasi Varians
