konsisten. Alat pengukuran keandalan pada penelitian ini digunakan teknik pengukuran reliabilitas Cronbach
ri =
1
k k
2 2
1 t
b
Di mana: ri
= Reliabilitas instrumen k
= Banyak butir pertanyaan t
2
= Varians total b
2
= jumlah varians butir
3.4.4 Analisis Faktor
Menurut Wibisono 2001: 152, analisis faktor adalah alat yang digunakan untuk mereduksi faktor dan menarik kesimpulan dari faktor
tersebut serta salah satu bagian dari analisis multi vartian analisis yang melibatkan banyak variabel. Adapun fungsi dari analisis faktor
adalah sebagai berikut: 1. Menentukan himpunan dari demensi yang tidak mudah diamati dalam
himpunan variabel R factor analysis. 2. Mengelompokkan orang-orang kedalam kelompok-kelompok yang
berbeda didalam populasi Q factor analysis.
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber
3. Mengidentifikasikan variabel-variabel yang akan digunakan dalam
analisis lanjutan regresi, korelasi, atau diskriminan. 4. Membentuk himpunan dari variabel dengan jumlah lebih sedikit untuk
menggantikan sebagianseluruh himpunan variabel awal. 5. Menganalisis suatu fenomena dengan data yang sangat besar.
6. Menjabarkanmenguraikan suatu kaitan yang kompleks diantara fenomena ke dalam fungsi kesatuan-kesatuan atau ke dalam bagian-bagiannya, dan
dapat mengidentifkasikan pengaruh dari luar independent.
Analisis faktor yang digunakan untuk menjamin bahwa item-item pertanyaan dalam kuesioner dapat merepresentasikan dengan baik
variabel-variabel laten yang diselidiki. Analisis faktor berusaha menyederhanakan hubungan yang kompleks dan beragam diantara
sekumpulan variabel penelitian yang diamati, dengan jalan mengungkapkan dimensi-dimensi atau faktor-faktor yang sama, yang
dapat menghubungkan variabel-variabel tersebut, serta memperhatikan struktur laten dari data penelitian.
Langkah-langkah analisis faktor: 1.
Penentuan Variabel a. Variabel yang dipilih: variabel yang relevan dengan penelitian yang
,
dilakukan. b. Banyaknya variabel: sesuai dengan jumlah variabel yang relevan.
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber
c. Cara pengukuran variabel: 1 Data mentah diasumsikan sebagai hasil pengukuran matriks
2 Dapat digunakan variabel dummy 0-1 d. Ukuranjumlah sample:
1 Sampel berukuran lebih dari 50 observasi, atau hendaknya lebih dari 100 observasi
2 Aturan umum: jumlah observasi empat-lima kali jumlah variabel
2. Matriks Korelasi
Matriks korelasi merupakan matriks yang memuat koefisien korelasi dari pasangan variabel yang terdapat dalam penelitian. Jadi,
matriks ini digunakan untuk mendapatkan nilai kedekatan hubungan antar variabel manifest. Nilai kedekatan ini dapat digunakan untuk
melakukan beberapa pengujian guna melihat kesesuaian dengan nilai korelasi yang diperoleh dari analisis faktor. .
Analisis faktor yang baik memiliki nilai korelasi yang tinggi rata- rata lebih besar dari 0,3. Dalam hal ini, determinan matriks yang
mendekati nol menunjukkan nilai korelasi yang 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 Bartlett Test of Sphericity. Kemudian perlu ditentukan nilai
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber
koefisien dari korelasi parsial, yaitu estimasi antar faktor unik dan nilainya harus mendekati nol untuk memenuhi asumsi analisis faktor.
Untuk menguji kesesuaian penggunaan analisis faktor, digunakan metode Kaiser-Meyer-Olkin KMO. KMO merupakan pembanding
besarnya koefisien korelasi observasi dengan besarnya koefisien korelasi parsial.
Untuk menentukan apakah proses pengambilan sampel telah memadai atau tidak, digunakan pengukuran Measure of Sampling Adequacy
MSA. Nilai MSA dari seluruh indikator tersebut lebih besar dari 0,500 maka tidak ada item yang dihapus atau dihilangkan atau menurut Sofyan Yasmin
dan Heri Kurniawan 2009, nilai MSA yang lebih besar dari 0,500 menunjukkan proses pengambilan sampel telah memadai dan dapat
melakukan analisis faktor.
3. Ekstraksi Faktor
Menentukan jumlah faktor yang diekstrak dapat dianalogikan dengan proses memfokuskan lensa mikroskop. Untuk mengekstraksi faktor, dikenal
dua metode rotasi, yaitu: a. Orthogonal factor. ekstraksi faktor dengan cara merotasikan sumbu
faktor sehingga kedudukanya saling tegak lurus satu dengan yang lainnya. Dengan melakukan rotasi ini, setiap faktor akan independen
terhadap faktor lain, karena sumbunya saling tegak lurus. Orthogonal factor solution digunakan bila analisis bertujuan untuk mereduksi
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber
jumlah variabel tanpa mempertimbangkan seberapa berartinya faktor yang diekstraksi.
b. Oblique factors: ekstraksi faktor dilakukan dengan merotasikan sumbu faktor sehingga kedudukannya saling membentuk sudut dengan besar
sudut tertentu. Dengan rotasi ini, korelasi antar faktor masih diperhitungkan, karena sumbu faktor tidak saling tegak lurus satu
dengan lainnya. Oblique factor solution digunakan untuk memperoleh sejumlah faktor yang secara teoritis cukup berarti.
Ekstraksi faktor digunakan untuk menentukan jenis-jenis faktor yang akan Dipakai. Estimasi faktor dapat menggunakan metode principal component
analysis selain itu, terdapat metode common factor analysis. Dengan metode ini, akan terbentuk kombinasi linier dari variabel-variabel
ohservasi. Dalam analisis faktor, variansi total communality terbentuk dari :
a. Common variasi umum, menunjukkan variansi bersama antara tiap variabel penelitian.
b. Spesific variasi unik, menunjukkan variansi variabel yang spesifik. c. Error, akibat ketidak andalan dalam proses pengambilan data.
Setelah ekstraksi faktor, kemudian dilakukan perhitungan nilai eigen eigenvalue, yang menyatakan variansi nilai dari variabel manifest.
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber
4. Matriks Faktor setelah dirotasi
Matrik faktor ini bertujuan untuk mempermudah interprestasi dalam menentukan variabel-variabel mana saja yang tercantum dalam suatu
faktor. Beberapa metode yang digunakan untuk merotasikan faktor, antara lain:
a. Metode quartimax: bertujuan untuk merotasikan faktor awal hasil ekstraksi, sehingga pada akhirnya diperoleh hasil rotasi, di mana
setiap variabel memberi bobot yang tinggi di satu faktor dan sekecil mungkin pada faktor lain.
b. Metode varimax:
bertujuan untuk merotasi faktor awal hasil ekstraksi, sehingga pada akhirnya diperoleh hasil rotasi, di dalam satu kolom,
nilai yang ada banyak mungkin mendekati nol. Hal ini berarti di dalam setiap faktor tercakup sesedikit mungkin variabel.
c. Metode equimax: bertujuan untuk mengkombinasikan metode - quartimax dan varimax.
Kelanjutan dari rotasi faktor adalah tahap interprestasi faktor berdasarkan bobot masing-masing variabel dalam setiap faktor. Tahapan interpretasi:
1 Dimulai dari variabel pada urutan pertama. Interpretasi dimulai dengan bergerak dari faktor paling kiri ke faktor paling kanan pada setiap baris
untuk mencari bilangan yang nilai mutlaknya paling besar dalam baris tersebut:
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber
2 Bilangan yang paling besar menunjukkan dalam faktor mana setiap variabel termasuk dengan demikian dapat diketahui variabel-variabel
mana yang masuk dalam suatu faktor, 3 Poin 1 dan 2 dilakukan berulang kali, sehingga semua variabel telah
tercakup dalam faktor-faktor hasil ekstraksi. 4 Bila ada variabel yang belum termasuk dalam salah satu faktor karena
bobotnya kurang dari batas keberartian, terdapat dua pilihan yang bias dilakukan:
a. Menginterpretasikan solusi apa adanya tanpa mengikutkan variabel yang bobotnya tidak signifikan.
b. Mengevaluasi variabel yang tidak memiliki bobot signifikan
tersebut. Tujuan dari evalusi ini adalah untuk mengetahui relevansi variabel dalam penelitian yang dilakukan.
Dari hasil pembobotan faktor awal, biasanya akan diperoleh bahwa kontribusi variabel pada faktor kesamaan pertama sangat besar. Dalam hal
ini, matriks faktor awal yang belum dirotasi akan menunjukkan bahwa pola pembobotan pertama menggambarkan pola terbesar mengenai
hubungan dengan data clan seterusnya, dimana pola-pola ini tidak saling berkorelasi satu sama lain.
Metode rotasi yang digunakan adalah rotasi varimax selain itu terdapat metode rotasi quantimax dan equimax. Tujuan rotasi varimax ini adalah
untuk mencari harga maksimum dari kontribusi variabel manifest pada salah satu variabel laten tersebut.
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber
Rotasi varimax dilakukan jika pada proses pembobotan faktor masih terdapat variabel manifest yang menyebar di antara lebih dari satu faktor,
atau jika sebagian bobot faktor dari faktor dari variabel memiliki nilai bawah terkecil yang telah ditetapkan.
5. Menentukan Bobot Faktor
Bobot faktor menunjukkan bahwa suatu data memiliki karakteristik khusus yang direpresentasikan oleh faktor.
Bobot faktor menunjukkan kedekatan hubungan antara variabel dengan faktornya atau dapat dikatakan kontribusi dari variabel manifest terhadap
variabel laten. Faktor dengan bobot faktor tinggi untuk suatu variabel, menunjukkan tingginya hubungan faktor itu dengan variabelnya.
3.4.5 Model Analisis