mempunyai validasi yang tinggi. Biasanya syarat minimum untuk dianggap memenuhi syarat jika r = 0,30 Sugiyono, 2005 : 106.
Uji validitas data dilakukan untuk menunjukkan sejauh mana suatu alat pengukur itu mengukur apa yang diukur. Valid atau tidaknya alat ukur
tersebut dapat diuji dengan mencari koefisien korelasi dari reliabilitas dibandingkan dengan r tabel bila koefisien korelasi r tabel, maka variabel
tersebut valid dan bila koefisien korelasi ≤ r tabel variabel tersebut tidak
valid. Adapun persamaan rumus yang digunakan, adalah :
r =
[ ]
[ ]
2 2
2 2
Y Y
n X
X n
Y X
XY n
− Σ
Σ −
Σ Σ
Σ −
Σ
Umar, 2002 : 111 Keterangan :
T = Koefisien produk momen X = Skor total tiap – tiap item
Y = Skor total n = Jumlah responden
3.4.3 Uji Reliabilitas
Reliabilitas kepercayaan menunjukkan pada pengertian apakah sebuah instrument dapat mengukur sesuatu yang dapat diukur secara
konsisten dari waktu ke waktu. Reliabilitas adalah untuk menguji sejauh mana hasil suatu pengukuran dapat dipercaya. Konsep reliabilitas dapat
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber
dipahami melalui ide dasar konsep tersebut, yaitu konsisten. Alat pengukuran keandalan pada penelitian ini digunakan teknik pengukuran reliabilitas
Cronbach. Uji reliabilitas dilakukan dengan koefisien alpha cronbach yang
didasarkan pada rerata korelasi butir dalam instrumen pengukuran. Menurut Malhotra 2002 suatu instrumen dikatakan andal bila nilai alpha a 0,6.
Pada uji reliabilitas diperoleh standardized item alpha sebesar 0,623. Hal ini menunjukkan bahwa instrumen yang digunakan mempunyai keandalan yang
cukup yang berarti bahwa jika instrumen akan diulang dengan populasi yang sama
maka hasil yang diperoleh relatif sama.
ri =
− 1
k k
∑ −
2 2
1 t
b σ
σ
Dimana: ri
= Reliabilitas instrumen k
= Banyak butir pertanyaan σ
t
2
= Varians total Σσ
b
2
= jumlah varians butir
3.4.4 Analisis Faktor
Menurut Wibisono 2000 : 268, analisis faktor adalah alat yang digunakan untuk mereduksi faktor dan menarik kesimpulan dari faktor
tersebut serta salah satu bagian dari analisis multivariat analisis yang
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber
melibatkan banyak variabel. Adapun fungsi dari analisis faktor adalah sebagai berikut :
1. Menentukan himpunan dari demensi yang tidak mudah diamati dalam himpunan variabel R factor analysis.
2. Mengelompokkan orang – orang kedalam kelompok – kelompok yang berbeda didalam populasi Q factor analysis.
3. Mengidentifikasikan variabel – variabel yang akan digunakan dalam analisis lanjutan regresi, korelasi, atau diskriminan.
4. Membentuk himpunan dari variabel dengan jumlah lebih sedikit untuk menggantikan sebagianseluruh himpunan variabel awal.
5. Menganalisis suatu fenomena dengan data yang sangat besar. 6. Menjabarkan atau menguraikan suatu kaitan yang kompleks diantara
fenomena ke dalam fungsi kesatuan – kesatuan atau ke dalam bagian- bagiannya, dan dapat mengidentifkasikan pengaruh dari luar independent.
Analisis faktor yang digunakan untuk menjamin bahwa item – item pertanyaan dalam kuesioner dapat merepresentasikan dengan baik variabel –
variabel laten yang diselidiki. Analisis faktor berusaha menyederhanakan hubungan yang kompleks dan beragam diantara sekumpulan variabel penelitian
yang diamati, dengan jalan mengungkapkan dimensi – dimensi atau faktor – faktor yang sama, yang dapat menghubungkan variabel – variabel tersebut, serta
memperhatikan struktur laten dari data penelitian.
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber
Langkah – langkah analisis faktor : 1. Penentuan Variabel
a. Variabel yang dipilih : variabel yang relevan dengan penelitian yang
,
dilakukan. b. Banyaknya variabel : sesuai dengan jumlah variabel yang relevan.
c. Cara pengukuran variabel : 1 Data mentah diasumsikan sebagai hasil pengukuran matriks.
2 Dapat digunakan variabel dummy 0 – 1 d. Ukuran atau jumlah sample :
1 Sampel berukuran lebih dari 50 observasi, atau hendaknya lebih dari 100 observasi.
2 Aturan umum : jumlah observasi empat – lima kali jumlah variabel.
2. Matriks Korelasi Matriks korelasi merupakan matriks yang memuat koefisien
korelasi dari pasangan variabel yang terdapat dalam penelitian. Jadi, matriks ini digunakan untuk mendapatkan nilai kedekatan hubungan
antar variabel manifest. Nilai kedekatan ini dapat digunakan untuk melakukan beberapa pengujian guna melihat kesesuaian dengan nilai
korelasi yang diperoleh dari analisis faktor. Analisis faktor yang baik memiliki nilai korelasi yang tinggi rata-
rata lebih besar dari 0,3. Dalam hal ini, determinan matriks yang mendekati nol menunjukkan nilai korelasi yang tinggi.
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber
Selanjutnya, perlu diuji apakah matriks korelasi ini merupakan matriks identitas atau bukan, karena matriks identitas tidak dapat
digunakan untuk analisis berikut. Metode yang biasa dilakukan adalah metode Bartlett Test of Sphericity. Kemudian perlu ditentukan nilai
koefisien dari korelasi parsial, yaitu estimasi antar faktor unik dan nilainya harus mendekati nol untuk memenuhi asumsi analisis faktor.
Untuk menguji kesesuaian penggunaan analisis faktor, digunakan metode Kaiser-Meyer-Olkin KMO. KMO merupakan pembanding
besarnya koefisien korelasi observasi dengan besarnya koefisien korelasi parsial.
Untuk menentukan apakah proses pengambilan sampel telah memadai atau tidak, digunakan pengukuran Measure of Sampling Adequacy
MSA. 3. Ekstraksi Faktor
Menentukan jumlah faktor yang diekstrak dapat dianalogikan dengan proses memfokuskan lensa mikroskop. Untuk mengekstraksi faktor, dikenal
dua metode rotasi, yaitu : a. Orthogonal factor. ekstraksi faktor dengan cara merotasikan sumbu
faktor sehingga kedudukanya saling tegak lurus satu dengan yang lainnya. Dengan melakukan rotasi ini, setiap faktor akan independen
terhadap faktor lain, karena sumbunya saling tegak lurus. Orthogonal factor solution
digunakan bila analisis bertujuan untuk mereduksi
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber
jumlah variabel tanpa mempertimbangkan seberapa berartinya faktor yang diekstraksi.
b. Oblique factors : ekstraksi faktor dilakukan dengan merotasikan sumbu faktor sehingga kedudukannya saling membentuk sudut dengan besar
sudut tertentu. Dengan rotasi ini, korelasi antar faktor masih diperhitungkan, karena sumbu faktor tidak saling tegak lurus satu
dengan lainnya. Oblique factor solution digunakan untuk memperoleh sejumlah faktor yang secara teoritis cukup berarti.
Ekstraksi faktor digunakan untuk menentukan jenis-jenis faktor yang akan Dipakai. Estimasi faktor dapat menggunakan metode principal component
analysis selain itu, terdapat metode common factor analysis. Dengan
metode ini, akan terbentuk kombinasi linier dari variabel – variabel observasi. Dalam analisis faktor, variansi total communality terbentuk
dari : a. Common variasi umum, menunjukkan variansi bersama antara tiap
variabel penelitian. b. Spesific variasi unik, menunjukkan variansi variabel yang spesifik.
c. Error, akibat ketidak andalan dalam proses pengambilan data. Setelah ekstraksi faktor, kemudian dilakukan perhitungan nilai eigen
eigenvalue, yang menyatakan variansi nilai dari variabel manifest.
4. Matriks Faktor setelah dirotasi Matrik faktor ini bertujuan untuk mempermudah interprestasi dalam
menentukan variabel – variabel mana saja yang tercantum dalam suatu
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber
faktor. Beberapa metode yang digunakan untuk merotasikan faktor, antara lain :
a. Metode quartimax : bertujuan untuk merotasikan faktor awal hasil ekstraksi, sehingga pada akhirnya diperoleh hasil rotasi, di mana
setiap variabel memberi bobot yang tinggi di satu faktor dan sekecil mungkin pada faktor lain.
b. Metode varimax : be rtujuan untuk merotasi faktor awal hasil ekstraksi,
sehingga pada akhirnya diperoleh hasil rotasi, di dalam satu kolom, nilai yang ada banyak mungkin mendekati nol. Hal ini berarti di dalam
setiap faktor tercakup sesedikit mungkin variabel. c. Metode equimax :
bertujuan untuk mengkombinasikan metode quartimax dan varimax.
Kelanjutan dari rotasi faktor adalah tahap interprestasi faktor berdasarkan bobot masing-masing variabel dalam setiap faktor. Tahapan interpretasi :
1 Dimulai dari variabel pada urutan pertama. Interpretasi dimulai dengan bergerak dari faktor paling kiri ke faktor paling kanan pada setiap baris
untuk mencari bilangan yang nilai mutlaknya paling besar dalam baris tersebut.
2 Bilangan yang paling besar menunjukkan dalam faktor mana setiap variabel termasuk dengan demikian dapat diketahui variabel – variabel
mana yang masuk dalam suatu faktor. 3 Poin 1 dan 2 dilakukan berulang kali, sehingga semua variabel telah
tercakup dalam faktor – faktor hasil ekstraksi.
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber
4 Bila ada variabel yang belum termasuk dalam salah satu faktor karena bobotnya kurang dari batas keberartian, terdapat dua pilihan yang biasa
dilakukan : a. Menginterpretasikan solusi apa adanya tanpa mengikutkan variabel
yang bobotnya tidak signifikan. b. Mengevaluasi variabel yang tidak memiliki bobot signifikan
tersebut. Tujuan dari evalusi ini adalah untuk mengetahui relevansi variabel dalam penelitian yang dilakukan.
Dari hasil pembobotan faktor awal, biasanya akan diperoleh bahwa kontribusi variabel pada faktor kesamaan pertama sangat besar. Dalam hal
ini, matriks faktor awal yang belum dirotasi akan menunjukkan bahwa pola pembobotan pertama menggambarkan pola terbesar mengenai
hubungan dengan data clan seterusnya, dimana pola – pola ini tidak saling berkorelasi satu sama lain.
Metode rotasi yang digunakan adalah rotasi varimax selain itu terdapat metode rotasi quantimax dan equimax. Tujuan rotasi varimax ini adalah
untuk mencari harga maksimum dari kontribusi variabel manifest pada salah satu variabel laten tersebut.
Rotasi varimax dilakukan jika pada proses pembobotan faktor masih terdapat variabel manifest yang menyebar di antara lebih dari satu faktor,
atau jika sebagian bobot faktor dari faktor dari variabel memiliki nilai bawah terkecil yang telah ditetapkan.
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber
5. Menentukan Bobot Faktor Bobot faktor menunjukkan bahwa suatu data memiliki karakteristik khusus
yang direpresentasikan oleh faktor. Bobot faktor menunjukkan kedekatan hubungan antara variabel dengan
faktornya atau dapat dikatakan kontribusi dari variabel manifest terhadap variabel laten. Faktor dengan bobot faktor tinggi untuk suatu variabel,
menunjukkan tingginya hubungan faktor itu dengan variabelnya.
3.4.5 Model Analisis Faktor