Membentuk Matriks Korelasi Perhitungan Analisis Faktor

32

3.2 Perhitungan Analisis Faktor

Proses untuk mendapatkan model umum dari analisis faktor melalui beberapa tahapan. Dalam penelitian ini menggunakan SPSS 18.0 sebagai alat bantu untuk mempermudah proses perhitungan. Setelah data diolah menggunakan SPSS 18.0 maka akan dilakukan analisis tahap demi tahap dari proses analisis faktor.

3.2.1 Membentuk Matriks Korelasi

Matriks korelasi merupakan matriks yang memuat koefisien-koefisien dari semua pasangan variabel penelitian.Matriks ini digunakan untuk mendapatkan nilai kedekatan hubungan antar variabel, nilai kedekatan ini dapat digunakan untuk melakukan beberapa pengujian untuk melihat kesesuaian dengan nilai korelasi yang diperoleh dari analisis faktor. Adapun korelasi variabel kecelakaan lalu lintas dapat dilihat pada Lampiran 1. Dengan menggunakan rumus 2.7 maka diperoleh hasil perhitungan korelasi sebagai berikut: Korelasi antara Variabel X 1 dengan Variabel X 2 N = 45 = 331 = 85 = 7.225 = 3 = 3 = 11 = 9 2.7 = = Universitas Sumatera Utara 33 33 = = = = 0,241 Korelasi antara Variabel X 1 dengan Variabel X 4 N = 45 = 331 = 85 = 7.225 = 50 = 118 = 121 = 2.500 = = = = 0,254 Maka diperoleh korelasi antara variabel X 1 dengan variabel X 2 sebesar 0,241 dan korelasi antara variabel X 1 dengan variabel X 4 sebesar 0,254. Dengan bantuan program SPSS 18.0 maka diperoleh korelasi antar variabel sebagai berikut: Tabel 3.2 Matriks Korelasi Variabel X 1 X 2 X 3 X 4 X 5 X 6 X 7 X 8 X 9 Universitas Sumatera Utara 34 34 X 1 1 0,241 -0,120 0,254 0,034 0,043 0,008 0,108 0,099 X 2 0,241 1 -0,124 -0,176 0,100 0,291 -0,043 0,333 0,197 X 3 -0,120 -0,124 1 0,422 -0,092 0,055 0,245 0,089 0,537 X 4 0,254 -0,176 0,422 1 -0,215 -0,071 0,059 0,048 0,238 X 5 0,034 0,100 -0,092 -0,215 1 0,256 0,028 -0,089 0,040 X 6 0,043 0,291 0,055 -0,071 0,256 1 0,134 0,014 0,195 X 7 0,008 -0,043 0,245 0,059 0,028 0,134 1 0,039 0,615 X 8 0,108 0,333 0,089 0,048 -0,089 0,014 0,039 1 0,241 X 9 0,099 0,197 0,537 0,238 0,040 0,195 0,615 0,241 1 Dari Tabel 3.2 menunjukkan korelasi yang cukup kuat antara variabel dengan variabel sehingga diharapkan nantinya bahwa variabel-variabel ini akan berkorelasi dengan faktor yang sama. Perhitungan nilai korelasi masing- masing variabel dapat diperoleh dengan menggunakan rumus korelasi. Dalam tahap lain, hal yang perlu dilakukan agar analisis faktor dapat dilaksanakan yaitu dengan melihat nilai uji Bartlett’s test of sphericitydan uji Kaiser Meyer Olkin KMO digunakan untuk mengukur kecukupan sampling dengan cara membandingkan besarnya koefisien korelasi yang diamati dengan koefisien korelasi parsialnya secara keseluruhan. Dengan fungsinya tersebut, uji KMO dapat menentukan layak atau tidaknya analisis faktor terhadap suatu data.Sedangkan Batrlett’s test of sphericity dipergunakan untuk menguji hipotesis bahwa variabel tak berkorelasi di dalam populasi. Kriteria kesesusaian dalam pemakaian analisis faktor adalah: a. Jika harga KMO sebesar 0,9 berarti sangat sangat memuaskan, b. Jika harga KMO sebesar 0,8 berarti memuaskan, c. Jika harga KMO sebesar 0,7 berarti harga menengah, d. Jika harga KMO sebesar 0,6 berarti cukup, e. Jika harga KMO sebesar 0,5 berarti kurang memuaskan, f. Jika harga KMO kurang dari 0,5 tidak dapat diterima. Universitas Sumatera Utara 35 35 Kelengkapan matriks dapat dilihat pada Lampiran 2. Dengan menggunakan rumus 2.5 maka diperoleh hasil perhitungan KMO sebagai berikut: KMO= = 0,509 Dari hasil perhitungan diperoleh nilai KMO lebih besar dari 0,5 yaitu sebesar 0,509 sehingga dapat disimpulkan data layak untuk dianalisis. Untuk menguji apakah matriks korelasi sederhana bukan merupakan suatu matriks identitas, maka digunakan uji Bartlett’s test dengan pendekatan statistik chi square. Dengan menggunakan rumus 2.3 maka diperoleh hasil perhitungan sebagai berikut: 1. Menentukan Hipotesis : Matriks korelasi sederhana merupakan matriks identitas : Matriks korelasi sederhana bukan merupakan matriks identitas 2. Statistik Uji 3. Taraf nyata α dan nilai dari tabel diperoleh: α = 5 = 0,05 dengan df = 50,998 4. Kriteria pengujian: H ditolak apabila H diterima apabila 5. Det R = 0,145 Universitas Sumatera Utara 36 36 77,634 Dari hasil perhitungan diperoleh sehingga H ditolak.Dengan demikian, dapat disimpulkan matriks korelasi sederhana bukan merupakan matriks identitas. Kaiser-Meyer-Olkin KMO digunakan untuk mengukur kecukupan sampling sampling adequacy sedangkan Bartlett’s test of sphericity dipergunakan untuk menguji hipotesis bahwa variabel tak berkorelasi di dalam populasi. Dengan menggunakan SPSS 18.0 diperoleh hasil KMO dan Bartlett’s test sebagai berikut: Tabel 3.3 Pengujian KMO dan Bartlett’stest Tingkat Kecelakaan Lalu Lintas Kaiser-Meyer-Olkin Measure of Sampling Adequacy. 0,509 Bartletts Test of Sphericity Approx. Chi-Square 77,634 Df 36 Sig. 0,000 Pada Tabel 3.3 diperoleh nilai KMO sebesar 0,509. Hal ini menunjukkan bahwa nilai KMO yang diperoleh tersebut lebih besar dari 0,5. Dengan demikian dapat disimpulkan bahwa variabel indikator yang mempengaruhi perhitungan Jumlah tingkat kecelakaan lalu lintas sudah memenuhi syarat yang berimplikasi data dapat dianalisis lebih lanjut menggunakan analisis faktor.Kemudian untuk menguji korelasi data dengan menggunakan Bartl ett’s test diperoleh hasil sig level of significance sebesar 0,000. Hal ini mengidentifikasikan bahwa matriks korelasi antar variabel tidak sama dengan matriks identitas atau dengan kata lain ada korelasi antar variabel. Universitas Sumatera Utara 37 37 Menurut Santoso 2005 Angka MSA Measure of Sampling Adequency berkisar antara 0 sampai 1 dengan kriteria sebagai berikut: MSA = 1, variabel dapat diprediksi tanpa kesalahan oleh variabel lain. MSA ≥ 0,5, variabel masih bisa diprediksi dan bisa dianalisis lebih lanjut. MSA 0,5, variabel tidak bisa diprediksi dan tidak bisa dianalisis lebih lanjut. Hipotesis untuk uji di atas adalah: : Sampel belum memadai untuk dianalisis lebih lanjut : Sampel sudah memadai untuk dianalisis lebih lanjut Kriteria untuk melihat probabilitas tingkat signifikansi adalah sebagai berikut: Angka Sig ≥ 0,05, maka diterima Angka Sig 0,05, maka ditolak Dari Tabel 3.3 menunjukkan besaran nilai Bartletts Test of Sphericity adalah 77,634 pada signifikan 0,000 yang berarti pada penelitian ini ada korelasi yang sangat signifikan antar variabel. Hal ini mengidentifikasikan bahwa matriks korelasi antar variabel tidak sama dengan matriks identitas atau dengan kata lain ada korelasi antar variabel. Hasil perhitungan KMO sebesar 0,509 sehingga kecukupan sampel sudah memadai, maka variabel dan sampel sudah layak untuk dianalisis lebih lanjut. Tabel 3.4 berikut yaitu nilai matriks anti image correlation khususnya nilai pada angka koefisien korelasi yang berada pada off diagonal nilai yang ditebalkan . Apabila nilai matriks anti image correlation lebih kecil dari 0,5 maka variabel tersebut harus dikeluarkan atau dieliminasi dari analisis faktor. Tabel 3.4Anti Image Matrices Variabel X 1 X 2 X 3 X 4 X 5 X 6 X 7 X 8 X 9 X 1 -0,224 0,270 -0,382 -0,076 0,024 0,003 -0,011 -0,088 X 2 -0,224 0,167 0,227 0,023 -0,269 0,245 -0,283 -0,291 Universitas Sumatera Utara 38 38 X 3 0,270 0,167 -0,347 0,042 -0,054 0,155 -0,008 -0,497 X 4 -0,382 0,227 -0,347 0,195 0,007 0,107 -0,015 -0,089 X 5 -0,076 0,023 0,042 0,195 -0,224 0,046 0,104 -0,089 X 6 0,024 -0,269 -0,054 0,007 -0,224 -0,076 0,089 -0,040 X 7 0,003 0,245 0,155 0,107 0,046 -0,076 0,069 -0,627 X 8 -0,011 -0,283 -0,008 -0,015 0,104 0,089 0,069 -0,160 X 9 -0,088 -0,291 -0,497 -0,089 -0,089 -0,040 -0,627 -0,160 aMeasure of Sampling Adequacy MSA Dari Tabel 3.4 menunjukkan ada 6 variabel yang memenuhi kriteria angka MSA lebih besar dari 0,5 yang berarti ada 3 variabel yang tereduksi dan 6 variabel masih bisa diprediksi untuk dianalisa lebih lanjut. Perhitungan nilai MSA secara manual dapat dilihat pada Lampiran 2.

3.2.2 Ekstraksi Faktor