67 16. Variabel X16 Saya merasa penerapan peraturan perundangan sulit
saya lakukan Jawaban responden pada variabel ini yaitu 48 menjawab skor 4 dan
49 menjawab skor 5 yang artinya 97 responden cenderung menyetujui bahwa penerapan peraturan perundangan sulit dilakukan
dalam penyusunan APBD.
4.2.2. Analisis Faktor
4.2.2.1. Analisis Faktor Putaran Pertama
Variabel yang diikutkan dalam analisis faktor putaran pertama terdiri dari 16 enambelas variabel. Berikut hasil analisis faktor putaran pertama
ini adalah :
1. KMO dan Bartlett’s Test
KMO Measure of Sampling Adequacy adalah angka indeks untuk
menggantikan besarnya koefisien korelasi observasi dengan besarnya koefisien parsial.
KMO Measure of Sampling Adequacy kurang dari 0,50 maka
menunjukkan bahwa korelasi antar variabel dan analisis faktor tidak sesuai untuk diterapkan.
Barlett’s Test adalah tes yang digunakan untuk menguji interdependensi antara butir-butir yang menjadi indikator suatu variabel
atau faktor. Berikut ini hasil KMO dan Bartlett’s Test :
Tabel 4.3 : KMO dan
Bartlett’s Test Putaran Pertama
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber
68
KMO and Bartletts Test
.608 282.733
120 .000
Kaiser-Meyer-Olkin Measure of Sampling Adequacy.
Approx. Chi-Square df
Sig. Bartletts Test of
Sphericity
Sumber : Lampiran 3 Berdasarkan
tabel 4.3 di atas nilai KMO
Measure of Sampling Adequacy yang dihasilkan sebesar 0,608 yang artinya bahwa antar
variabel mempunyai korelasi yang cukup tinggi, sehingga variabel tersebut mempunyai kecenderungan mengelompok dan membentuk
sebuah faktor. Nilai pada uji
Barlett’s Test yang dihasilkan sebesar 282,733 dengan tingkat signifikansi dibawah 5 sebesar 0,000 maka variabel dan
sampel yang ada sudah bisa dianalisis lebih lanjut.
2. Anti Image Matrices
Besar korelasi parsial, korelasi antara dua variabel dengan menganggap tetap variabel yang lain. Deteksi terhadap besarnya
korelasi parsial dapat dilihat Anti Image Correlation. Adapun kriteria dari
MSA adalah : a. MSA = 1, variabel tersebut dapat diprediksi tanpa kesalahan oleh
variabel yang
lain b.
MSA 0,5 variabel masih bisa diprediksi dan bisa dianalisis lebih
lanjut.
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber
69 c.
MSA 0,5 variabel tidak bisa diprediksi dan tidak bisa dianalisis lebih
lanjut, atau dikeluarkan dari variabel lainnya. Hasil
anti image matrices adalah sebagai berikut : Tabel
4.4 : Hasil Anti Image Matrices Putaran Pertama
No. Variabel Anti Image Matrices MSA
1. 2.
3. 4.
5. 6.
7. 8.
9.
10. 11.
12. 13.
14. 15.
16 X
1
X
2
X
3
X
4
X
5
X
6
X
7
X
8
X
9
X
10
X
11
X
12
X
13
X
14
X
15
X
16
0,518 0,599
0,583 0,589
0,459 0,579
0,667 0,405
0,494 0,648
0,666 0,723
0,676 0,593
0,699 0,508
Sumber : Lampiran 3 Berdasarkan tabel 7 di atas dapat disimpulkan bahwa variabel X
5
, X
8
dan X
9
tidak bisa diprediksi dan tidak bisa dianalisis lebih lanjut, atau dikeluarkan karena nilai MSA yang dihasilkan variabel tersebut kurang
dari 0,50.
4.2.2.2. Analisis Faktor Putaran Kedua
