c. Klik Dimention Reduction, pilih factor
d. Masukkan variabel-variabel yang akan dianalisis faktor X
1
sampai X
10
ke kolom variables
e. Pada menu descriptive, klik initial solution, coefficients, significance
levels, determinant, KMO adn Barlett’s test of sphericity, reproduced, dan
anti image, lalu klik continu. f. Pada menu extraction, pilih principal components, klik correlation matrix,
unrotated factor solution dan scree plot, lalu klik continue g.
Pada menu rotation, klik varimax, rotated solution, loading plots,lalu klik continue
h. Pada menu score, klik display factor score coefficient matrix, lalu klik
continue i.
Pada menu options, pilih missing value, klik exclude cases listwise, lalu klik continue,lalu klik OK
4.5.1 Membentuk matriks korelasi
Matriks korelasi merupakan matrik yang memuat koefisien-koefisien dari semua pasangan variabel dalam penelitian. Matriks ini digunakan untuk mendapatkan
nilai kedekatan hubungan antar variabel, nilai kedekatan ini dapat digunakan untuk melakukan beberapa pengujian untuk melihat kesesuaian dengan nilai
korelasi yang diperoleh dari analisis faktor. Dengan bantuan program SPSS maka diperoleh korelasi antara variabel sebagai berikut :
Tabel 4.8 Matriks korelasi
X
1
X
2
X
3
X
4
X
5
X
6
X
7
X
8
X
9
X
10
X
1
1,000 0,282 0,390 0,231 0,174 0,368 0,346 0,082 0,288 0,513 X
2
0,282 1,000 0,122 0,114 0,133 0,194 0,231 0,105 0,163 0,370 X
3
0,390 0,122 1,000 0,244 0,130 0,435 0,256 0,157 0,387 0,364
Universitas Sumatera Utara
X
4
0,231 0,114 0,244 1,000 0,139 0,508 0,454 0,028 0,038 0,277 X
5
0,174 0,133 0,130 0,139 1,000 0,273 0,176 0,226 0,192 0,018 X
6
0,368 0,194 0,435 0,508 0,273 1,000 0,555 0,107 0,112 0,483 X
7
0,346 0,231 0,256 0,454 0,176 0,555 1,000 0,068 0,247 0,420 X
8
0,082 0,105 0,157 0,028 0,226 0,107 0,068 1,000 0,363 0,009 X
9
0,288 0,163 0,387 0,038 0,192 0,112 0,247 0,363 1,000 0,301 X
10
0,513 0,370 0,364 0,277 0,018 0,483 0,420 0,009 0,301 1,000
Dari tabel 4.8 memperlihatkan korelasi yang cukup kuat antara variabel X
1
dengan X
2
sehingga diharapkan nantinya bahwa variabel-variabel ini akan berkorelasi dengan faktor yang sama. Perhitungan nilai korelasi masing-masing variabel dapat
diperoleh dengan menggunakan rumus korelasi product moment. Perhitungan korelasi antara variabel X
1
dengan X
2
dapat dilihat pada lampiran.
Dalam tahap lain, hal yang perlu dilakukan agar analisis faktor dapat dilaksanakan yaitu dengan melihat nilai uji
Barlett’s test of sphericity dan uji Kaiser Meyer Olkin KMO Measure of Sampling Adequacy.
Tabel 4.9 Kaiser-Meyer- Olkin KMO dan Barlett’s Test
Kaiser-Meyer-Olkin Measure of Sampling Adequacy. 0,738
Bartletts Test of Sphericity Approx. Chi-Square
215,393 Df
45 Sig.
0,000
Dari tabel 4.9 menunjukkan besaran nilai Barlett’s test of sphericity adalah
215,393 pada signifikan 0,000 yang berarti pada penelitian ini ada korelasi yang sangat signifikan antar variabel dan hasil perhitungan KMO sebesar 0,738
Universitas Sumatera Utara
sehingga kecukupan sampel sudah memadai, maka variabel dan sampel sudah layak untuk dianalisis lebih lanjut.
Kemudian perhatikan dari Tabel 4.10 berikut yaitu nilai matriks anti image
correlation khususnya nilai pada angka koefisien korelasi yang berada pada off diagonal nilai yang ditebalkan. Apabila nilai matriks anti image correlation
lebih kecil dari 0,5, maka variabel tersebut harus dikeluarkan atau dieliminasi dari analisis faktor. Perhatikan nilai yang diberi tanda dengan
a
atau yang ditebalkan.
Tabel 4.10 anti-image matrices X
1
X
2
X
3
X
4
X
5
X
6
X
7
X
8
X
9
X
10
X
1
0,849
a
-0,095 -0,186
-0,026 -0,115
-0,008 -0,079
0,015 -0,061
-0,310
X
2
-0,095 0,787
a
0,049 0,016
-0,102 0,042
-0,073 -0,083
0,010 -0,264
X
3
-0,186 0,049
0,757
a
-0,092 0,055
-0,298 0,121
-0,006 -0,323
-0,039
X
4
-0,026 0,016
-0,092 0,786
a
-0,027 -0,246
-0,271 -0,035
0,203 -0,028
X
5
-0,115 -0,102
0,055 -0,027
0,623
a
-0,238 0,001
-0,121 -0,145
0,221
X
6
-0,008 0,042
-0,298 -0,246
-0,238 0,731
a
-0,338 -0,093
0,220 -0,289
X
7
-0,079 -0,073
0,121 -0,271
0,001 -0,338
0,787
a
0,065 -0,231
-0,077
X
8
0,015 -0,083
-0,006 -0,035
-0,121 -0,093
0,065 0,588
a
-0,338 0,138
X
9
-0,061 0,010
-0,323 0,203
-0,145 0,220
-0,231 -0,338
0,579
a
-0,212
X
10
-0,310 -0,264
-0,039 -0,028
0,221 -0,289
-0,077 0,138
-0,212 0,750
a
a
Measures of Sampling Adequacy MSA Dari tabel 4.10 menunjukkan kriteria angka MSA lebih besar dari 0,5 yang berarti
semua variabel masih bisa diprediksi untuk dianalisa lebih lanjut.
4.5.2 Ekstraksi Faktor
