Factor loadings Faktor Muatan Factor loading plot Plot Faktor Muatan Factor matrix Faktor Matriks Kaiser - Meyer - Olkin KMO measure of sampling adequency Percentage of variance Persentase Varians Residuals Penentuan Secara A priori

d. Eigenvalue Nilai Eigen

Nilai eigen merupakan jumlah varians yang dijelaskan oleh setiap faktor-faktor yang mempunyai nilai eigenvalue 1, maka faktor tersebut akan dimasukkan ke dalam model. Definisi: Jika A adalah sebuah matriks n x n, maka sebuah vector tak nol x pada � � disebut vektor eigen eigenvector dari A jika Ax adalah sebuah kelipatan skalar dari x; jelasnya, Ax = �� Untuk skalar sebarang �, skalar �disebut nilai eigen eigenvalue dari A, dan x disebut sebagai vektor eigen dari A yang terkait dengan �. 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 faktor 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. Universitas Sumatera Utara ��� = ∑ ∑ � �� 2 � �=1 � �=1 ∑ ∑ � �� 2 � �=1 � �=1 + ∑ ∑ � �� 2 � �=1 � �=1 , � = 1,2, … , � ; � = 1,2, … , � Keterangan : � �� = koefisien korelasi sederhana antara variabel ke-i dan ke-k � �� = koefisien korelasi parsial antara variabel ke-i dan ke-k Measure of Sampling Adequacy MSA yaitu suatu indeks perbandingan antara koefisien korelasi parsial untuk setiap variabel. MSA digunakan untuk mengukur kecukupan sampel. ��� � = ∑ ∑ � �� 2 � �=1 � �=1 ∑ ∑ � �� 2 � �=1 � �=1 + ∑ ∑ � �� 2 � �=1 � �=1 , � = 1,2, … , � ; � = 1,2, … , �

i. Percentage of variance Persentase Varians

Persentase varians adalah persentase total varians yang disumbangkan oleh setiap fakto

j. Residuals

Residuals adalah selisih antara korelasi yang terobservasi berdasarkan input correlation matrix dan korelasi hasil reproduksi yang diestimasi dari matriks faktor.

k. Scree plot

Scree plot adalah sebuah plot dari eigenvalue untuk menentukan banyaknya faktor.

2.4.4. Langkah-Langkah Analisis Faktor

Langkah-langkah dalam analisis faktor adalah sebagai berikut : 1. Merumuskan masalah 2. Membentuk matriks korelasi Universitas Sumatera Utara 3. Menentukan metode analisis faktor 4. Menentukan banyaknya faktor 5. Melakukan rotasi terhadap faktor 6. Membuat intrepretasi hasil rotasi terhadap faktor 7. Menentukan ketepatan model model fit

1. Merumuskan Masalah

Merumuskan masalah meliputi beberapa kegiatan. Pertama, tujuan analisis faktor harus diidentifikasi. Variabel yang akan digunakan dalam analisis faktor harus dispesifikasi berdasarkan penelitian sebelumnya, teori dan pertimbangan subjektif dari peneliti. Pengukuran variabel berdasarkan skala interval dan rasio. Besarnya sampel harus tepat, sebagai petunjuk umum besarnya sampel paling sedikit empat atau lima kali banyaknya variabel.

2. Membentuk Matriks Korelasi

Proses analisis didasarkan pada suatu matriks korelasi antar variabel. Agar analisis faktor menjadi tepat, variabel-variabel yang dikumpulkan harus berkorelasi.Dilakukan perhitungan matriks korelasi ∑ �×� . Matriks korelasi digunakan sebagai input analisis faktor. Tabel 2.1Korelasi Antar Variabel � � � � � � ... � � � � 1 � � � �� 1 Universitas Sumatera Utara � � � �� � �� 1 ... ⋮ ⋮ ⋮ 1 � � � �� � �� � �� ⋯ 1

3. Menghitung nilai karakteristik eigenvalue

Perhitungan nilai karakteristik eigenvalue, dimana perhitungan ini berdasarkan persamaan karakteristik : ���⁡� − �� = 0 dengan : �= matriks korelasi �= eigenvalue �= matriks identitas Eigenvalue adalah jumlah varian yang dijelaskan oleh setiap faktor. Anton Howard, 2000

4. Menghitung vektor karakteristik eigenvector

Penentuan vektor karakteristik eigenvector yang bersesuaian dengan nilai karakteristik eigenvalue, yaitu dengan persamaan : Ax = �� dengan : x = eigenvector, Anton Howard, 2000 Universitas Sumatera Utara

5. Menentukan Banyaknya Faktor

Ada beberapa prosedur yang dapat dipergunakan dalam menentukan banyaknya faktor yaitu, penentuan secara a priori, penentuan berdasarkan pada eigenvalue, penentuan berdasarkan Scree plot, penentuan berdasarkan persentase varians, penentuan berdasarkan Split-Half Reliability, dan penentuan berdasarkan uji signifikan.

a. Penentuan Secara A priori

Kadang-kadang karena adanya dasar teori atau pengalaman sebelumnya, peneliti sudah dapat menentukan banyaknya faktor yang akan diekstraksi. Hampir sebagaian besar program komputer memungkinkan peneliti untuk menentukan banyaknya faktor yang diinginkan dengan pendekatan ini.

b. Penentuan Berdasarkan Eigenvalue