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.
∑ ∑ ∑ ∑
∑ ∑
Keterangan : =
koefisien korelasi sederhana antara variabel ke- dan ke-
= koefisien korelasi parsial antara variabel ke-
dan ke-
Measure of Sampling Adequacy MSA yaitu suatu indeks perbandingan antara koefisien korelasi parsial untuk setiap variabel. MSA digunakan untuk mengukur
kecukupan sampel. ∑
∑ ∑
i. Percentage of variance Persentase Varians
Persentase varians adalah persentase total varians yang disumbangkan oleh setiap faktor.
j. Residuals
Residuals adalah selisih antara korelasi yang terobservasi berdasarkan input correlation matrix dan korelasi hasil reproduksi yang diestimasi dari matriks
faktor.
Universitas Sumatera Utara
k. Scree plot
Scree plot adalah sebuah plot dari eigenvalue untuk menentukan banyaknya faktor.
2.8.4 Langkah-Langkah Analisis Faktor
Langkah-langkah dalam analisis faktor adalah sebagai berikut : 1.
Merumuskan masalah 2.
Membentuk matriks korelasi 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 Secara skematis langkah-langkah dalam analisis faktor dapat digambarkan sebagai
berikut :
Merumuskan masalah
Membentuk matriks korelasi
Menghitung nilai karakteristik eigen value
Menghitung vektor karakteristik eigen vector
Menentukan banyaknya faktor
Menghitung matriks factor loading
Melakukan rotasi faktor
Universitas Sumatera Utara
Interpretasi faktor
Menentukan ketepatan model model fit
Gambar 2.1 Langkah-langkah dalam analisis faktor
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.
Korelasi antar Variabel
Universitas Sumatera Utara
3. Menghitung nilai karakteristik eigen value
Perhitungan nilai karakteristik eigen value , dimana perhitungan ini berdasarkan persamaan karakteristik :
dengan = matriks korelasi
= matriks identitas = eigen value
Eigen value adalah jumlah varian yang dijelaskan oleh setiap faktor.
4. Menghitung vektor karakteristik eigen vector
Penentuan vektor karakteristik eigen vector yang bersesuaian dengan nilai karakteristik eigen value, yaitu dengan persamaan :
dengan = eigen vector
5. Menentukan Banyaknya Faktor
Ada beberapa prosedur yang dapat dipergunakan dalam menentukan banyaknya faktor yaitu, penentuan secara a priori, penentuan berdasarkan
pada eigen value, penentuan berdasarkan Screen 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 Eigen value
Pada pendekatan ini, hanya faktor dengan eigenvalue lebih besar dari satu yang dipertahankan. Eigen value merepresentasikan besarnya sumbangan
dari faktor terhadap varians seluruh variabel aslinya. Hanya faktor dengan
Universitas Sumatera Utara
varians lebih besar dari satu yang dimasukkan dalam model. Faktor dengan varians lebih kecil dari satu tidak lebih dari variabel asli, sebab variabel yang
dibakukan distandarisasi yang berarti rata-ratanya nol dan variansinya satu.
c. Penentuan Berdasarkan Screen Plot
Screen Plot merupakan plot dari nilai eigen value terhadap banyaknya faktor dalam ekstraksinya. Bentuk plot yang dihasilkan, digunakan untuk
menentukan banyaknya faktor. Biasanya plot akan berbeda antara slope tegak faktor, dengan eigen value yang besar dan makin kecil pada sisa faktor yang
tidak perlu diekstraksi.
d. Penentuan Berdasarkan Persentase Varians
Dalam pendekatan ini, banyaknya faktor yang diekstraksi ditentukan berdasarkan persentasi kumulatif varians mencapai tingkat yang memuaskan
peneliti. Tingkat persentase kumulatif yang memuaskan peneliti tergantung kepada permasalahannya. Sebagai petunjuk umum bahwa ekstraksi faktor
dihentikan kalau kumulatif persentase varians sudah mencapai paling sedikit 60 atau 75 dari seluruh varians variabel asli.
e. Penentuan Split-Half Reliability
Kategori