41
BAB IV
HASIL KEGIATAN DAN PEMBAHASAN
4.1 Hasil Kegiatan
Variabel yang digunakan dalam kegiatan ini adalah sebagai berikut. 1
Sub kelompok padi-padian, ubi-ubian dan hasilnya X
1
2 Sub kelompok lemak dan minyak X
2
3 Sub kelompok minuman tak beralkohol X
3
4 Sub kelompok tembakau, rokok dan minuman beralkohol X
4
5 Sub kelompok biaya tempat tinggal X
5
6 Sub kelompok perlengkapan rumah tangga X
6
7 Sub kelompok penyelenggaraan rumah tangga X
7
8 Sub kelompok barang pribadi dan sandang lainnya X
8
9 Sub kelompok jasa perawatan jasmani X
9
10 Sub kelompok sarana dan penunjang lainnya X
10
4.1.1 Setelah dilakukan analisis,langkah-langkah menganalisis faktor sebagai berikut. a.
Klik Start, klik IBM SPSS Statistics. Sehingga akan muncul tampilan seperti pada
Gambar 12.
Gambar 12. Tampilan Sheet Data View b.
Masukkan data tentang Indeks Harga Konsumen pada sub kelompok pengeluaran ke dalam editor SPSS seperti pada Gambar 13.
Gambar 13. Tampilan sheet setelah data dimasukkan c.
Pilih Analyze, pilih sub menu Dimension Reduction, lalu pilih Factor seperti pada
Gambar 14.
Gambar 14. Tampilan langkah Analisis Faktor
d. Menentukan variabel yang akan dianalisis. Masukkan semua variabel seperti pada
Gambar 15.
Gambar 15. Tampilan Factor Analyis e.
Kemudian klik mouse pada tombol Descriptive..., seperti pada Gambar 16.
Gambar 16. Tampilan Discriptive f.
Diperoleh output seperti pada Gambar 17.
Gambar17. KMO and Bartlett’s Test
KMO and Bartletts Test
.522 121.266
45 .000
Kaiser-Meyer-Olkin Measure of Sampling Adequacy.
Approx. Chi-Square df
Sig. Bartletts Test of
Sphericity
BerdasarkanGambar17, terlihat bahwa angka KMO and Barlet’s Test adalah 0,522
dengan nilai signifikansi 0,000. Oleh karena angka tersebut sudah di atas 0,5 dan nilai signifikansi kurang dari 0,05 0,000 0,05, maka variabel yang ada sebenarnya sudah
bisa dianalisis lebih lanjut. Berdasarkan
TabelAnti-image Matrices Lampiran 3, khususnya pada angka korelasi yang bertanda a arah diagonal dari kiri atas ke kanan bawah terlihat bahwa
nilai MSA adalah sebagai berikut :
1 Pada variabel padi adalah 0,095.
2 Pada variabel lemak dan minyak adalah 0,524.
3 Pada variabel minuman tak beralkohol adalah 0,407.
4 Pada variabel tembakau dan minuman beralkohol adalah 0,624.
5 Pada variabel biaya tempat tinggal adalah 0,488.
6 Pada variabel perlengkapan rumah tangga adalah 0,648.
7 Pada variabel penyelenggaraan rumah tangga adalah 0,878.
8 Pada variabel barang pribadi dan sandang lainnya adalah 0,566.
9 Pada variabel jasa perawatan jasmani adalah 0,499.
10 Pada variabel sarana dan penunjang lainnya adalah 0,516.
Karena ada 4 variabel yaitu variabel padi, minuman tak beralkohol, biaya tempat tinggal dan jasa perawatan jasmani yang mempunyai nilai MSA di bawah 0,5 maka
variabel tersebut belum bisa dianalisis lebih lanjut. Sehingga variabel yang nilai MSA nya lebih kecil di antara keempat variabel tersebut harus dikeluarkan. Jadi variabel padi
dikeluarkan dan pengujian akan diulangi lagi.
4.1.2 Pengujian Ulang 1
Pengujian Ulang dilakukan dengan cara membuang variabel yang nilai MSA nya kurang dari 0,5 yaitu variabel padi dengan nilai MSA adalah 0,095. Setelah dilakukan
Pengujian Ulang, langkah-langkah pengujian ulang 1 sebagai berikut. a.
Dari menu Analyze, pilih submenu Data Reduction, lalu pilihan Factor..., seperti
pada Gambar 18.
Gambar 18. Tampilan Factor Analysis Data Reduction b.
Masukkan semua variabel yang ada pada kotak variables, kecuali Variabel Padi karena nilai MSA adalah 0,095. Kemudian klik mouse pada kotak
Descriptives..., seperti pada Gambar 19.
Gambar 19. Tampilan Descriptives
Tampilan Gambar 19 berisi alat-alat statistik yang digunakan untuk menggambarkan variabel-variabel, termasuk pengujiannya. CORRELATION MATRIX
berisi berbagai alat pengujian dengan dasar korelasi antar variabel. Untuk keseragaman,
pilih KMO and Barlett’s test of spericity dan Anti-image, pada saat memilih
CORRELATION MATRIX. c.
Tekan continueuntuk kembali ke menu utama. Dari tampilan menu utama faktor, abaikan juga bagian yang lain dan tekan OK untuk proses data.
d. Sehingga diperoleh output Pengujian Ulang 1 seperti pada Gambar 20.
Gambar 20. KMO and Bartlett’s Test Pengujian Ulang 1 Berdasarkan Gambar 20, terlihat bahwa Angka KMO and Barlet’s Test adalah
0,770 dengan nilai signifikansi 0,000. Oleh karena angka tersebut sudah di atas 0,5 dan nilai signifikansi kurang dari 0,05 0,000 0,05, maka variabel yang ada sebenarnya
sudah bisa dianalisis lebih lanjut. Berdasarkan Tabel Anti-image Matrices Pengujian Ulang 1 Lampiran 4,
khususnya pada angka korelasi yang bertanda a arah diagonal dari kiri atas ke kanan bawah terlihat bahwa nilai MSA adalah sebagai berikut.
1 Pada variabel lemak dan minyak adalah 0,905.
2 Pada variabel minuman tak beralkohol adalah 0,723.
KMO and Bartletts Test
.770 103.875
36 .000
Kaiser-Meyer-Olkin Measure of Sampling Adequacy.
Approx. Chi-Square df
Sig. Bartletts Test of
Sphericity
3 Pada variabel tembakau dan minuman beralkohol adalah 0,878.
4 Pada variabel biaya tempat tinggal adalah 0,761.
5 Pada variabel perlengkapan rumah tangga adalah 0,773.
6 Pada variabel penyelenggaraan rumah tangga adalah 0,798.
7 Pada variabel barang pribadi dan sandang lainnya adalah 0,723.
8 Pada variabel jasa perawatan jasmani adalah 0,735.
9 Pada variabel sarana dan penunjang lainnya adalah 0,295.
Karena ada satu variabel yaitu variabel sarana dan penunjang lainnya yang mempunyai nilai MSA di bawah 0,5 maka variabel tersebut belum bisa dianalisis lebih
lanjut. Sehingga variabel tersebut harus dikeluarkan dan pengujian akan diulangi lagi 4.1.3
Pengujian Ulang 2 Pengujian Ulang dilakukan lagi dengan cara membuang variabel yang memiliki
nilai MSA kurang dari 0,5 yaitu variabel sarana dan penunjang lainnya dengan nilai MSA adalah 0,295. Setelah dilakukan Pengujian Ulang, langkah-langkah pengujian
ulang 2 sebagai berikut. a.
Dari menu Analyze, pilih submenu Data Reduction, lalu pilihan Factor..., seperti
pada Gambar 21.
Gambar 21. Tampilan Factor Analysis Data Reduction b.
Masukkan semua variabel yang ada pada kotak variables, kecuali Variabel Sarana dan Penunjang lainnya karena nilai MSA adalah 0,295. Kemudian klik mouse pada
tombolDescriptives...,seperti pada Gambar 22.
Gambar 22. Tampilan Discriptives Tampilan Gambar 22 berisi alat-alat statistik yang digunakan untuk
menggambarkan variabel-variabel, termasuk pengujiannya. CORRELATION MATRIX berisi berbagai alat pengujian dengan dasar korelasi antar variabel. Untuk keseragaman,
pilih KMO and Barlett’s test of spericity dan Anti-image, pada saat memilih
CORRELATION MATRIX. c.
Abaikan bagian yang lain dan tekan continueuntuk kembali ke menu utama. Dari tampilan menu utama faktor, abaikan juga bagian yang lain dan tekan OK untuk
proses data. d.
Sehingga diperoleh output Pengujian Ulang 2 seperti pada Gambar 23
Gambar 23. KMO and Bartlett’s Test Pengujian Ulang 2 BerdasarkanGambar23, terlihat bahwa Angka KMO and Barlet’s Test adalah
0,800 dengan nilai signifikansi 0,000. Oleh karena angka tersebut sudah di atas 0,5 dan nilai signifikansi kurang dari 0,05 0,000 0,05, maka variabel yang ada sebenarnya
sudah bisa dianalisis lebih lanjut. BerdasarkanTabel Anti Image Matrices Pengujian Ulang 2 Lampiran 5,
khususnya pada angka korelasi yang bertanda a arah diagonal dari kiri atas ke kanan bawah terlihat bahwa nilai MSA adalah sebagai berikut.
1 Pada variabel lemak dan minyak adalah 0,878.
2 Pada variabel minuman tak beralkohol adalah 0,709.
3 Pada variabel tembakau dan minuman beralkohol adalah 0,913.
4 Pada variabel biaya tempat tinggal adalah 0,815.
5 Pada variabel perlengkapan rumah tangga adalah 0,836.
6 Pada variabel penyelenggaraan rumah tangga adalah 0,792.
7 Pada variabel barang pribadi dan sandang lainnya adalah 0,711.
8 Pada variabel jasa perawatan jasmani adalah 0,753.
KMO and Bartletts Test
.800 100.188
28 .000
Kaiser-Meyer-Olkin Measure of Sampling Adequacy.
Approx. Chi-Square df
Sig. Bartletts Test of
Sphericity
Karena nilai MSA untuk semua variabel sudah di atas 0,5. Dengan demikian, semua variabel tersebut bisa dianalisis lanjut.
4.1.4 Proses Inti Pada Analisis Faktor
Langkah-langkah proses inti pada analisis faktor, sebagai berikut. 1.
Dari menu Analyze, pilih submenu Data Reduction, lalu pilihan Factor..., seperti pada Gambar 24.
Gambar 24. Tampilan Factor Analysis Data Reduction 2.
Masukkan semua variabel yang ada pada kotak variables. Kemudian klik
mouse pada kotak Extration..., seperti pada Gambar 25.
Gambar 25. Tampilan Extraction
Pengisian pada tampilan Extraction. 6
METHOD atau metode pembuatan factor ekstraksi variabel. Jika kotak combo method di buka, tampak berbagai metode factoring. Untuk
keseragaman pilih Principal components.
7 ANALYZE. Tetap pada pilihan Correlation matrix.
8 DISPLAY. Aktifkan semua pilihan, yakni Unrotated factor solution dan
Scree plot .
9 EIGENVALUES OVER. Tetap pada angka yang ada, yakni 1.
10 MAXIMUM ITERATIONS FOR CONVERGENCE. Tetap pada angka
25. 3.
Klik Continue untuk kembali ke menu utama.
4. Kemudian klik mouse pada tombolRotation..., seperti pada Gambar26.
Gambar 26. Tampilan Rotation Pengisian pada tampilan Rotation.
4 METHOD atau metode rotasi. Terlihat berbagai macam metode rotasi,
untuk keseragaman pilih Varimax.
5
DISPLAY aktifkan semua kotak, yakni Rotated solution dan Loading plots
. 6
Maximum Iterations for Convergence, tetap pada angka 25.
5.
Tekan continue untuk kembali ke menu utama. Dari tampilan menu utama faktor, abaikan juga bagian yang lain dan tekan OK untuk proses data.
6. Setelah dilakukan pengujian proses inti pada analisis faktor, output akan
ditampilkan satu persatu dan langsung dianalisis, sebagai berikut. a.
Communalities Tabel 2. Communalities
Communalities pada dasarnya adalah jumlah varian bisa dalam
persentase dari suatu variabel mula-mula yang bisa dijelaskan oleh faktor
yang ada. Angka initial disini untuk mengetahui varians dari suatu faktor
dengan masing-masing variabel mempunyai angka 1 yang menunjukkan jumlah varians faktor tersebut. Sedangkan angka extraction adalah untuk
mengetahui jumlah varians dari suatu faktor mula-mula yang bisa dijelaskan oleh terbentuk.
Communalities
1.000 .857
1.000 .870
1.000 .763
1.000 .828
1.000 .711
1.000 .857
1.000 .698
1.000 .632
Lemak dan Minyak Tembakau dan Minuman
alkohol Biaya Tempat Tinggal
Perlengkapan Rumah Tangga
Penyelenggaraan Rumah Tangga
Barang Pribadi dan Sandang lainnya
Jasa Perawatan Jasmani Minuman tak beralkohol
Initial Extraction
Extraction Method: Principal Component Analysis.
Berdasarkan Tabel 2 Communalities maka dapat disimpulkan hal- hal sebagai berikut.
1 Untuk variabel lemak dan minyak, angkanya adalah 0.857. Hal ini
berarti sekitar 85.7 varians dari variabel lemak dan minyak bisa dijelaskan oleh faktor yang terbentuk.
2 Untuk variabel tembakau dan minuman alkohol, angkanya adalah
0.870. Hal ini berarti sekitar 87.0 varians dari variabel tembakau dan minuman alkohol bisa dijelaskan oleh faktor yang terbentuk.
3 Untuk variabel biaya tempat tinggal, angkanya adalah 0.763. Hal ini
berarti sekitar 76.3 varians dari variabel biaya tempat tinggal bisa dijelaskan oleh faktor yang terbentuk.
4 Untuk variabel perlengkapan rumah tangga, angkanya adalah 0.828.
Hal ini berarti sekitar 82.8 varians dari variabel perlengkapan rumah tangga bisa dijelaskan oleh faktor yang terbentuk.
5 Untuk variabel penyelenggaraan rumah tangga, angkanya adalah
0.711. Hal ini berarti sekitar 71.1 varians dari variabel penyelenggaraan rumah tangga bisa dijelaskan oleh faktor yang
terbentuk. 6
Untuk variabel barang pribadi dan sandang lainnya, angkanya adalah 0.857. Hal ini berarti sekitar 85.7 varians dari variabel barang
pribadi dan sandang lainnya bisa dijelaskan oleh faktor yang terbentuk.
7 Untuk variabel jasa perawatan jasmani, angkanya adalah 0.698. Hal ini
berarti sekitar 69.8 varians dari variabel perawatan jasmani bisa dijelaskan oleh faktor yang terbentuk.
8 Untuk variabel minuman tak beralkohol, angkanya adalah 0.632. Hal
ini berarti sekitar 63.2 varians dari variabel minuman tak beralkohol bisa dijelaskan oleh faktor yang terbentuk.
b.
Total Variance Explained Tabel 3. Total Variance Explained
Berdasarkan Tabel 3 Total Variance Explained, ada 8 variabel component yang dimasukkan dalam analisis faktor. Yakni variabel
lemak dan minyak, tembakau dan minuman alkohol, biaya tempat tinggal, perlengkapan rumah tangga, penyelenggaraan rumah tangga,
barang pribadi dan sandang lainnya, jasa perawatan jasmani, dan minuman tak beralkohol. Dengan masing-masing variabel mempunyai
varians 1, maka total varians adalah 8 x 1 = 8. 1
Jika 8 variabel diekstrak menjadi 1 faktor, maka:
Total Variance Explained
6.216 77.697
77.697 6.216
77.697 77.697
.841 10.517
88.214 .547
6.837 95.051
.195 2.438
97.488 .103
1.292 98.780
.047 .585
99.365 .033
.414 99.779
.018 .221
100.000 Component
1 2
3 4
5 6
7 8
Total of Variance
Cumulative Total
of Variance Cumulative
Initial Eigenvalues Extraction Sums of Squared Loadings
Extraction Method: Principal Component Analysis.
7 ,
77 100
8 216
, 6
= x
2 Jika 8 variabel diekstrak menjadi 2 faktor maka:
51 ,
10 100
8 841
, =
x
Total kedua faktor akan bisa menjelaskan 77,7 + 10,51 atau 88,21 dari variabilitas kedelapan variabel asli tesebut.
Eigenvalues menunjukkan kepentingan relatif masing-masing faktor
dalam menghitung varians kedelapan variabel yang dianalisis. Dari tabel 3 terlihat bahwa hanya ada satu faktor yang terbentuk, karena dengan
satu faktor angka eigenvalues adalah 6,216 diatas 1. Namun untuk dua faktor angka eigenvalues sudah dibawah 1 yakni 0,841. Sehingga proses
factoring seharusnya berhenti pada satu faktor saja.
c.
Scree Plot
Gambar 27. Hasil Output Scree Plot
Scree Plot
Component Number
8 7
6 5
4 3
2 1
Eigenvalue
7 6
5 4
3 2
1
Jika Tabel 3 Total Variance Explained menjelaskan dasar jumlah faktor yang didapat dengan perhitungan angka, maka Scree Plot
menampakkan hal tersebut dengan grafik. Terlihat bahwa dari satu ke dua faktor garis dari sumbu component number = 1 ke 2, arah grafik
menurun dengan cukup tajam. Kemudian dari angka 2 ke 3, garis masih menurun. Demikian pula dari angka 3 ke 4 sudah dibawah angka 1 dari
sumbu Y Eigenvalues. Hal ini menunjukkan bahwa satu adalah yang paling bagus untuk meringkas kesembilan variabel tersebut.
d.
Component Matrix Tabel 4. Component Matrix
Setelah diketahui satu faktor adalah jumlah yang paling optimal, maka Tabel 4 Component Matrix menunjukkan distribusi kedelapan
variabel tersebut pada satu faktor yang terbentuk. Sedangkan angka-
Component Matrix
a
.926 .933
.874 .910
.843 .926
.835 -.795
Lemak dan Minyak Tembakau dan Minuman
alkohol Biaya Tempat Tinggal
Perlengkapan Rumah Tangga
Penyelenggaraan Rumah Tangga
Barang Pribadi dan Sandang lainnya
Jasa Perawatan Jasmani Minuman tak beralkohol
1 Compone
nt
Extraction Method: Principal Component Analysis. 1 components extracted.
a.
angka yang ada pada tabel tersebut adalah factor loading, yang menunjukkan besar korelasi antar suatu variabel dengan satu faktor.
Besar korelasi pada setiap baris yang ada di dalam Tabel 4 Component Matrix adalah sebagai berikut.
1 Korelasi antara variabel lemak dan minyak dengan komponen
adalah 0.926 korelasi kuat karena diatas 0.5. 2
Korelasi antara variabel tembakau dan minuman alkohol dengan komponen adalah 0.933 korelasi kuat karena diatas 0.5.
3 Korelasi antara variabel biaya tempat tinggal dengan komponen
adalah 0.874 korelasi kuat karena diatas 0.5. 4
Korelasi antara perlengkapan rumah tangga dengan komponen adalah 0.910 korelasi kuat karena diatas 0.5.
5 Korelasi antara variabel penyelenggaraan rumah tangga dengan
komponen adalah 0.843 korelasi kuat karena diatas 0.5. 6
Korelasi antara variabel barang pribadi dan sandang lainnya dengan komponen adalah 0.926 korelasi kuat karena diatas 0.5.
7 Korelasi antara variabel jasa perawatan jasmani dengan komponen
adalah 0.835 korelasi kuat karena diatas 0.5. 8
Korelasi antara variabel minuman tak beralkohol dengan komponen adalah -0.795 korelasi kuat karena diatas 0.5.
4.2 Pembahasan
