Pada tabel 4.10 dapat dilihat nilai korelasi hasil rotasi pada principal component analysis sebesar 0.837 lebih kuat merangkum ke-8 variabel,
dibandingakan nilai korelasi hasil rotasi maximum likelihood sebesar 0.790. Selain nilai pada tabel di atas, terdapat perbedaan pada faktor yang terbentuk
hasil analisis faktor dengan metode principal component analysis dan maximum likelihood, dapat dilihat pada tabel berikut.
Tabel 4.11 Faktor yang terbentuk hasil analisis faktor berdasarkan metode
principal component analysis dan maximum likelihood. Faktor
Metode principal component analysis Metode maximum likelihood
1
2 Pendidikan
Budaya Ekonomi
Pekerjaan Kesehatan ibu
Pengetahuan Kesehatan bayi
Petugas kesehatan Pendidikan
Budaya Ekonomi
Pekerjaan Pengetahuan
Kesehatan bayi Kesehatan ibu
Petugas kesehatan
4.4 Uji Kesesuaian Model Dengan Metode Principal Component Analysis dan
Metode Maximum Likelihood
Untuk mengetahui ketepatan dalam memilih teknik analisis faktor antara principal component analysis dan maximum likelihood yaitu dengan melihat jumlah
residual antara korelasi yang diamati observed correlation dengan korelasi yang diproduksi reproduced correlation.
Universitas Sumatera Utara
Untuk menghasilkan uji kesesuaian model tersebut, digunakan rumus matematika Root Mean Squared Error RMSE.
RMSE = �
1 �
∑ �
�
− ý
�
²
� �=ℎ
Dimana, N
= banyak sampel y
ᵼ = nilai anktual indeks
ý ᵼ
= nilai prediksi indeks y
ᵼ - ýᵼ = nilai residual Untuk menyelesaikan perhitungan RMSE di atas, maka nilai residu variabel
dapat dilihat pada tabel di bawah ini diambil dari tabel reproduced correlation.
Tabel 4.29 Nilai Residual dari hasil reproduced correlation untuk metode
principal component analysis dan maximum likelihood. Variabel
Nilai Residu Principal
component analysis
Maximum Likelihood
Pengetahuan Pendidikan
Budaya Ekonomi
Pekerjaan Kesehatan Ibu
Kesehatan Bayi Petugas Kesehatan
- 0.048
0.004 0.041
0.129
-0.111 -0.131
-0.192 -
-0.045 -0.080
0.060 0.030
-0.019 -0.004
0.111
Dari tabel di atas, maka diketahui nilai residu untuk metode principal component analysis adalah:
Universitas Sumatera Utara
∑
� �=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
