Analisis Faktor Metode Analisis Data .1 Analisis Regresi Linier Berganda
j k
2 jk
j k
2 jk
j k
2 jk
p r
r KMO
r = korelasi antara dua variabel p = korelasi parsial
H = sampel atribut variabel belum layak ntuk dianalisis lebih lanjut
H
1
= sampel atribut variabel layak untuk dianalisis lebih lanjut Kriteria dalam melihat nilai probabilitas tingkat signifikansi:
Angka Sig 0,005 maka H diterima
Angka Sig ≥ 0,05 maka H
ditolak Angka MSA Measurement of Sampling Adequency berkisar antara 0 hingga
1, dengan rumus dan kriteria:
j k
2 jk
j k
2 jk
j k
2 jk
j
p r
r MSA
r = korelasi antara dua variabel p = korelasi parsial
MSA ≥ 0,5 – 1, atribut variabel dapat diprediksi tanpa kesalahan oleh
variabel lain dan dapat dianalisis lebih lanjut MSA 0,5, atribut variabel tidak dapat diprediksi dan tidak dapat
dianalisis lebih lanjut Angka MSA pada uji
KMO and Bartlett’s Test digunakan untuk menguji dan mengukur hubungan antar semua indikator yang digunakan.
2. Melakukan ekstraksi terhadap sekumpulan variabel yang ada, sehingga terbentuk satu atau lebih faktor. Menggunakan Metode PCA Principal
Component Analyze untuk menyederhanakan variabel yang diamati. Menurut Soemartini 2008, PCA merupakan metode yang berfungsi meminimumkan
masalah multikolinearitas tanpa harus mengeluarkan variable bebas yang terlibat hubungan kolinear. Tujuan PCA bertujuan untuk menyederhanakan
variabel yang diamati dengan menyusutkan mereduksi dimensinya. Hal ini
dilakukan dengan cara menghilangkan korelasi diantara variabel bebas melalui transformasi variabel bebas asal ke variabel baru yang tidak
berkorelasi sama sekali. Setelah beberapa komponen hasil PCA yang bebas multikolinearitas diperoleh, maka komponen-komponen tersebut menjadi
ariabel bebas baru yang akan diregresikan atau dianalisa pengaruhnya terhadap variabel tak bebas Y dengan menggunakan analisis regresi.
3. Untuk mengetahui isi faktor yang terbentuk sudah berbeda nyata dengan faktor lain secara signifikan maka dilakukan proses rotasi. Proses rotasi
bertujuan untuk memperjelas posisi sebuah variabel, akankah dimasukkan ke dalam faktor yang satu ataukah ke faktor yang lain.
4. Menamakan faktor yang terbentuk berdasarkan variabel yang berada pada faktor tersebut.
5. Faktor yang terbentuk diberi nama sesuai dengan variabel-variabel yang membentuknya.
Logika pengujian adalah, jika sebuah variabel memang mempunyai kecenderungan mengelompok dan membentuk sebuah faktor, maka variabel
tersebut akan mempunyai korelasi yang cukup tinggi dengan variabel lain. Sebaliknya, variabel dengan korelasi yang lemah dengan variabel lain cenderung
tidak akan mengelompok dalam faktor tertentu. Analisis faktor digunakan untuk mengukur persepsi responden terhadap
variabel atribut yang telah ditentukan. Setiap variabel atribut akan diberi nilai 1 sangat tidak setuju sampai 5 sangat setuju dalam skala tingkatan point
itemized roating scale dalam bentuk skala likert, yaitu : 1. Sangat tidak setuju
2. Tidak setuju 3. Netral
4. Setuju 5. Sangat setuju