3. Common factor selalu dianggap tidak berkorelasi dengan faktor unik.
Faktor unik biasanya juga dianggap saling tidak berkorelasi, akan tetapi common factor mungkin atau tidak mungkin berkorelasi satu sama lainnya.
4. Umumnya dianggap bahwa jumlah common factor lebih sedikit dari jumlah
variabel asli. Akan tetapi banyaknya faktor unik biasanya dianggap sama dengan banyaknya variabel asli Supranto, 2010.
2.5.4 Mekanisme Analisis Faktor
Langkah-langkah analisis faktor menurut Supranto 2010, yang diperlukan didalam analisis faktor bisa dilihat pada gambar dibawah ini :
2.5.4.1. Merumuskan Masalah
Merumuskan masalah meliputi beberapa hal : a.
Tujuan analisis faktor harus diidentifikasi b.
Variabel yang akan dipergunakan didalam analisis faktor dispesifikasi berdasarkan penelitian sebelumnya, teori dan pertimbangan dari peneliti
c. Pengukuran variabel berdasarkan skala interval dan rasio
d. Banyaknya elemen sampel n harus cukupmemadai, sebagai petunjuk kasar,
kalau k banyaknya jenis variabel maka n = 4 atau 5 kali k. Artinya kalau variabel 5, banyaknya responden minimal 20 atau 25 orang sampel acak Supranto, 2010.
2.5.4.2 Bentuk Matriks Korelasi
Matriks korelasi merupakan matriks yang memuat koefisien korelasi dari semua pasangan variabel dalam penelitian. Jadi, matriks ini digunakan untuk
mendapatkan nilai kedekatan hubungan antar variabel. Nilai kedekatan ini dapat
Universitas Sumatera Utara
digunakan untuk melakukan beberapa pengujian untuk melihat kesesuain dengan nilai korelasi yang diperoleh dari analisis faktor.
Analisis faktor yang baik memiliki nilai korelasi tinggi rata-rata lebih besar dari |0.3| . Dalam hal ini, determinan matriks yang mendekati nol menunjukkan nilai
korelasi tinggi. Selanjutnya perlu diuji apakah matriks korelasi ini merupakan matriks
identitas atau bukan karena matriks identitas tidak dapat digunakan untuk analisis berikut. metode yang biasa dilakukan adalah metode Barlett Test of Spherecity.
Kemudian perlu ditentukan niali koefisien korelasi parsial, yaitu estimasi antar faktor unik yang nilainya harus mendekati nol untuk memenuhi asumsi analisis faktor.
Untuk menguji kesesuaian pemakaian analisis faktor, digunakan metode Kaiser-Meyer-Olkin KMO. KMO adalah indek pembanding besarnya koefisien
korelasi observasi dengan besarnya koefisien korelasi parsial. Jika nilai kuadrat koefisien korelasi parsial dari semua pasangan variabel lebih kecil dari pada jumlah
kuadrat korelasi parsial, maka harga KMO akan mendekati satu, yang menunjukkan kesesuain penggunaan analisis faktor. Menurut Kaiser 1974 dalam Wibowo 2006:
a. Harga KMO sebesar 0,9 adalah sangat memuaskan.
b. Harga KMO sebesar 0,8 adalah memuaskan.
c. Harga KMO sebesar 0,7 adalah harga menengah.
d. Harga KMO sebesar 0,6 adalah cukup.
e. Harga KMO sebesar 0,5adalah kurang memuaskan.
f. Harga KMO sebesar 0,4 tidak dapat diterima.
Universitas Sumatera Utara
Untuk menentukan apakah proses pengambilan sampel telah memadai atau tidak, digunakan pengukuran Measure of Sampling Adequacy MSA. Nilai MSA
yang rendah merupakan pertimbangan untuk membuang variabel tersebut pada tahap analisis selanjutnya. Sering kali karena jumlah data yang banyak perhitungan KMO
dan MSA hanya dimungkinkan dengan bantuan komputer Wibisono, 2003
2.5.4.3 Menentukan Metode Analisis Faktor
