d. Dalam beberapa kasus, setiap variabel yang akan dianalisis dengan
menggunakan analisis faktor harus menyebar secara normal.
2.2 Metode Pendugaan Parameter Principal Component Analysis PCA
Secara sederhana, sebuah variabel akan mengelompok ke suatu faktor yang terdiri atas variabel-variabel yang lainnya pula jika variabel tersebut berkorelasi
dengan sejumlah variabel lain yang masuk dalam kelompok faktor tertentu. Ketika sebuah variabel berkorelasi dengan variabel lain, variabel tersebut berbagi varians
dengan variabel lain tersebut, dengan jumlah varians yang dibagikan adalah besar korelasi pangkat dua
�
2
. Varians adalah akar dari standar deviasi, yakni jumlah penyimpangan data dari rata-ratanya Santoso, 2012.
Dengan demikian, varians total pada sebuah variabel dapat dibagi menjadi tiga bagian:
1. Common variance, yakni varians yang dibagi dengan varians lainnya atau
jumlah varians yang dapat diekstrak dengan proses factoring. 2.
Specific variance, yakni varians yang berkaitan dengan variabel tertentu saja. Jenis varians ini tidak dapat dijelaskan dengan korelasi hingga menjadi bagian
dari variabel lain. Namun varians ini masih berkaitan secara unik dengan satu variabel.
3. Error variance, yakni varians yang tidak dapat dijelaskan lewat korelasi. Jenis
ini muncul karena proses pengambilan data yang salah, pengukuran variabel yang tidak tepat dan sebagainya.
Universitas Sumatera Utara
Dari penjelasan tersebut di atas, dapat dikatakan jika sebuat variabel berkorelasi dengan variabel lain, maka common variance disebut juga communality
akan meningkat. Proses common analysis hanya berhubungan denngan common variance, sedangkan proses component analysis akan mengaitkan semua varians
tersebut. Pada umumnya, component analysis akan digunakan jika tujuan utama analisis faktor adalah data reduction, dan beranggapan bahwa sejumlah specific
variance dan error variance berjumlah kecil. Principal component analysis menggunakan total varians dalam analisisnya.
Metode ini menghasilkan faktor yang memiliki specific variance dan error variance yang lebih kecil. Kalau ada beberapa faktor yang dihasilkan, faktor yang duluan
dihasilkan adalah yang memiliki common variance terbesar, sekaligus specific dan error variance terkecil Simamora, 2004.
2.3 Metode Pendugaan Parameter Maximum Likelihood
