46 g. Pada menu rotation, klik varimax, rotated solution, loading plots,lalu klik
continue h. Pada menu score, klik display factor score coefficient matrix, lalu klik
continue i. Pada menu options, pilih missing value, klik exclude cases listwise, lalu
klik continue,lalu klik OK
4.6.1 Membentuk Matrik Korelasi
Matriks korelasi merupakan matrik yang memuat koefisien-koefisien dari semua pasangan variabel dalam 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. Dengan bantuan program SPSS maka diperoleh korelasi antara variabel sebagai berikut:
Dari tabel 4.9 memperlihatkan korelasi yang cukup kuat antara variabel X
1
dengan X
2
sehingga diharapkan nantinya bahwa variabel-variabel ini akan berkorelasi dengan faktor yang sama.
Prinsip utama analisis faktor adalah kolerasi, maka asumsi-asumsi yang terkait dengan kolerasi akan digunakan, yakni:
Tabel 4.9 matriks korelasi
x1 x2
x3 x4
x5 x6
x7 x8
x9 x1
1,000 0,223
0,368 0,229
0,187 0,265
0,403 0,218
0,345 x2
0,223 1,000 0,107
0,137 0,181
0,242 0,197
0,275 0,297
x3 0,368 0,107
1,000 0,244
0,210 0,451
0,202 0,221
0,454 x4
0,229 0,137 0,244
1,000 0,043
0,487 0,440
-0,024 0,025 x5
0,187 0,181 0,210
0,043 1,000
0,307 0,169
0,329 0,325
x6 0,265 0,242
0,451 0,487
0,307 1,000
0,463 0,264
0,341 x7
0,403 0,197 0,202
0,440 0,169
0,463 1,000
0,195 0,340
x8 0,218 0,275
0,221 -0,024
0,329 0,264
0,195 1,000
0,536 x9
0,345 0,297 0,454
0,025 0,325
0,341 0,340
0,536 1,000
Universitas Sumatera Utara
47 • Besar korelasi atau korelasi antar variabel independen harus cukup kuat,
misalkan di atas 0,5. • Besar korelasi parsial, korelasi antara dua variabel dengan mengganggap
tetap variabel yang lain, justru harus lebih kecil. Pada SPSS data dari 9 variabel yang berasal dari 50 orang responden kemudian di analisa pada
anti image correlation.
Pengujian seluruh matriks korelasi korelasi antar-variabel, yang diukur dengan besaran bartlett test of sphericity dan measure sampling adequacymsa
berkisar antara 0 dan 1 dengan kriteria Santoso, 2005 : 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 di analisis
lebih lanjut. Dalam tahap lain, hal yang perlu dilakukan agar analisis faktor dapat
dilaksanakan yaitu dengan melihat nilai uji Barlett’s test of sphericity dan uji Kaiser Meyer Olkin KMO Measure of Sampling Adequacy.
Hasil output SPSS seperti tabel di atas menunjukkan angka KMO dan Barlett’s test adalah 0,739 lebih besar dari 0,5 dengan signifikansi 0,000 lebih
kecil dari 0,05 maka variabel dan sampel sudah layak untuk dianalisis lebih lanjut. Hipotesis untuk uji diatas adalah :
H
= sampel belum memadai untuk dianalisis lebih lanjut
H
1
= sampel sudah memadai untuk dianalisis lebih lanjut
Tabel 4.10 KMO and Bartletts Test
Kaiser-Meyer-Olkin Measure of Sampling Adequacy. 0,739 Bartletts Test of
Sphericity Approx. Chi-Square
102,296 Df
36 Sig.
0,000
Universitas Sumatera Utara
48
Kriteria dengan melihat probabilitas tingkat signifikansi :
Angka Sig. 0,05, maka H diterima
Angka Sig. 0,05, maka H ditolak
4.6.2 Pengukuran MSA
