37
BAB 4 HASIL ANALISIS DAN PEMBAHASAN
4.1. Hasil Analisis
Analisis faktor dimaksudkan untuk menemukan variabel baru yang disebut faktor yang jumlahnya lebih sedikit dibandingkan dengan jumlah variabel
asli yang tidak berkorelasi satu sama lain. Variabel yang digunakan dalam analisis ini adalah sebagai berikut:
1. Usia KK X1
2. Jenis Kelamin KK X2
3. Pekerjaan KK X3
4. Tingkat Pendidikan KK X4
5. Jumlah anggota keluarga X5
6. Jumlah Anggota Keluarga Usia Produktif yang Bekerja X6
7. Keluarga Peserta KB Tidak X7
8. Tingkat Kesejahteraan Masyarakat Y
4.1.1. Validitas dan Reliabilitas
Reliability Statistics
,460 ,490
7 Cronbachs
Alpha Cronbachs
Alpha Based on
Standardized Items
N of Items
Dari hasil analisis di atas terlihat bahwa nilai alpha lebih dari nilai r tabel yaitu 0,460 0,1654. Jadi dapat dikatakan bahwa variabel yang digunakan untuk
penulisan Tugas Akhir sudah valid dan reliabel
4.1.2. Analisis
Faktor
Setelah dilakukan analisis diperoleh output sebagai berikut:
38
a. Menguji variabel-variabel yang telah ditentukan dengan menggunakan metode
Bartlett’s Test of sphericity serta mengukur MSA Measure of Sampling
Adequacy Berdasarkan hasil analisis dengan menggunakan program komputer SPSS
didapat output sebagai berikut:
Pada tabel output terlihat bahwa angka KMO and Bertlet’s Test adalah 0,566 dengan nilai Sig. 0,000, oleh karena angka sudah diatas 0,5 dan nilai sig.
0,05, maka variabel dan sampel yang ada sebenarnya sudah bisa dianalisis lebih lanjut.
Pada tabel Anti-image Matrices khususnya pada angka korelsi yang bertanda a arah diagonal dari kiri atas ke kanan bawah terlihat bahwa MSA untuk
39
semua variabel telah mempunyai nilai MSA diatas 0,5, dengan demikian semua variabel tersebut bisa dianalisis lebih lanjut.
b. Melakukan proses inti pada analisis faktor, yakni factoring atau menurunkan
satu atau lebih faktor variabel-variabel yang telah lolos pada uji variabel sebelumnya.
Dari tabel Total Variance Explained diatas ada 7 variabel yang dimasukkan dalam analisis faktor yakni Kepala Keluarga Menurut Umur,
Kepala Keluarga Menurut Jenis Kelamin, Kepala Keluarga Menurut Tingkat Pendidikan, Kepala Keluarga Menurut Pekerjaan, Jumlah Angora Keluarga,
Jumlah Keluarga Usia Produktif yang bekerja, peserta KB atau tidak. Dan terlihat bahwa hanya 3 faktor yang terbentuk, karena dengan satu faktor nilai
Eigenvalue diatas 1, dengan dua faktor nilai Eigenvalue masih diatas diatas 1, dengan tiga faktor nilai Eigenvalue masih diatas diatas 1 yakni 1,217. namun
untuk empat faktor nilai eigenvalues sudah dibawah 1 yakni 0,359, sehingga proses factoring berhenti pada tiga faktor saja.
Selain dengan tabel Total Variance Explained mengenai berapa faktoryang bisa terbentuk bisa dilihat pada grafik Scree Plot.
40
Terlihat pada grafik diatas bahwa garis dari satu ke dua faktor garis menurun cukup tajam, kemudian garis dari dua ke tiga menurun tajam
begitujuga garis dari tiga ke empat. Terlihat juga pada sumbu Y eignvalue bernilai dibawah 1, hal ini menunjukkan bahwa 3 faktor adalah paling bagus
untuk ‘meringkas’ ketujuh variabel tersebut.
41
Setelah diketahui bahwa tiga faktor adalah jumlah yang paling optimal, maka tabel Component Matrix menunjukkan distribusi ketujuh variabel
tersebut pada tiga faktor yang terbentuk. Sedangkan angka-angka yang ada pada tabel Component Matrix adalah factor loadings, yang menunjukkan
besar korelasi antar suatu variabel dengan faktor 1, faktor 2, faktor 3. Proses penentuan variabel mana akan masuk ke faktor yang mana. Dilakukan dengan
melakukan perbandingan besar korelasi pada setiap baris dengan membandingkan nilai = 0,5. pada tabel tiatas terliat bahwa:
1. Variabel umur Kepala Keluarga masuk pada faktor 1, angka korelasinya 0,684
2. Variabel jenis kelamin Kepala Keluarga masuk pada faktor 2, angka korelasinya 0,607
3. Variabel tingkat Pendidikan Kepala Keluarga masuk pada faktor 1, angka korelasinya 0,747
4. Variabel Pekerjaan Kepala Keluarga masuk pada faktor 1, angka korelasinya 0,625
5. Variabel jumlah anggota keluarga masuk pada faktor 2, angka korelasinya 0,817
6. Variabel jumlah anggota keluarga usia produktif yang bekerja masuk pada faktor 2, angka korelasinya 0,689
7. Variabel peserta KB YaTidak masuk pada faktor 3, angka korelasinya 0,627.
Perlu diadakan proses rotasi agar semakin jelas variabel apa masuk kedalam faktor mana.
42
c. Proses Rotasi
Componen Matrix hasil proses rotasi memperlihatkan variabel yang lebih jelas dan nyata, dari tabel diatas terlihat bahwa:
1. Variabel Umur Kepala Keluarga masuk pada faktor 3, angka korelasinya 0,694
2. Variabel Jenis Kelamin Kepala Keluarga masuk pada faktor 3, angka korelasinya 0,562
3. Variabel Tingkat Pendidikan Kepala Keluarga masuk pada faktor 2, angka korelasinya 0,856
4. Variabel Pekerjaan Kepala Keluarga masuk pada faktor 2 angka korelasinya 0,896
5. Variabel Jumlah Anggota Keluarga masuk pada faktor 1 angka korelasinya 0,866
6. Variabel Jumlah Anggota Keluarga Usia Produktif yang bekerja masuk pada faktor 1 angka korelasinya 0,823
7. Variabel peserta KB YaTidak masuk pada faktor 3, angka korelasinya 0,772.
43
Dengan demikian, ketujuh variabel tadi telah direduksi menjadi tiga faktor:
a. Faktor 1 terdiri dari variabel jumlah anggota keluarga, jumlah anggota
keluarga usia produktif yang bekerja. b.
Faktor 2 terdiri dari variabel tingkat pendidikan Kepala Keluarga, pekerjaan Kepala Keluarga.
c. Faktor 3 terdiri dari variabel umur Kepala Keluarga, jenis kelamin Kepala
Keluarga, Peserta KBtidak.
4.1.3. Validasi Faktor
Kategori