3.7.1 Analisis Komponen Utama
Ada beberapa variabel yang mempengaruhi tingkat pengangguran khususnya di Kota Medan Kecamatan Medan Selayang, faktor-faktor tersebut
berjumlah 10 variabel yang valid. Berdasarkan hasil perhitungan tabel 3.7 diperoleh KMO and Barlett’s
Test sebesar 0,601 dengan signifikansi sebesar 0,000. Berdasarkan teori nilai KMO memang harus di atas 0,5 dan signifikansi atau probabilitas dibawah 0,05
maka variabel layak dapat dianalisa lebih lanjut Santoso, 2002. Perhitungan selanjutnya adalah dengan melihat nilai MSA.Hasil nilai
MSA dapat dilihat pada tabel. Hasil pada tabel menunjukkan bahwa 10 variabel yang tersisa mempunyai nilai lebih dari 0,5. Berdasarkan 10 variabel yang dinilai
dalam kuesioner yang merupakan jawaban 98 responden, diperoleh bahwa nilai MSA yang diperoleh diatas 0,5. Ini menandakan bahwa semua variabel memiliki
korelasi cukup tinggi dengan variabel lainnya, sehingga selanjutnya dapat dilakukan analisis pada seluruh variabel yang diteliti.
Tabel 3.9 MSA No
Variabel Nilai MSA
1 Variabel 1
0,677 2
Variabel 2 0,529
3 Variabel 3
0,610 4
Variabel 4 0,575
5 Variabel 5
0,540 6
Variabel 6 0,668
7 Variabel 7
0,629 8
Variabel 8 0,696
9 Variabel 9
0,660 10
Variabel 11 0,729
Universitas Sumatera Utara
3.7.2 Hasil Ekstraksi Faktor
Dalam penelitian ini metode ekstraksi yang digunakan adalah Principal Component Analysis Analisis Komponen Utama. Di dalam Principal
Component Analysis jumlah varians data dipertimbangkan yaitu diagonal matriks korelasi, setiap elemennya sebesar satu daan full variance dipergunakan untuk
dasar pembentukan faktor, yaitu variabel-variabel lama yang jumlahnya lebih sedikit dan tidak berkorelasi lagi satu sama lain, seperti variabel-variabel asli yang
memang saling berkorelasi.
Tabel 3.10 Communalities No
Variabel Initial
Extraction
1 Variabel 1
1,000 0,597
2 Variabel 2
1,000 0,723
3 Variabel 3
1,000 0,672
4 Variabel 4
1,000 0,608
5 Variabel 5
1,000 0,618
6 Variabel 6
1,000 0,542
7 Variabel 7
1,000 0,424
8 Variabel 8
1,000 0,739
9 Variabel 9
1,000 0,507
10 Variabel 11
1,000 0,545
Dalam proses pengolahan ekstraksi, rotasi serta nilai terhadap variabel sampai menghasilkan faktor dengan metode Principals Component Analysis dan
metode Explained dari 10 variabel yang dianalisis dengan nilai eigenvalue ≥ 1,
diperoleh 4 faktor yang terbentuk.
Tabel 3.11 Total Variance Explained Faktor atau
Komponen Initial Eigenvalues
Total of Variance
Cumulative
1 2.367
23.669 23.669
Universitas Sumatera Utara
2 1.426
14.259 37.928
3 1.182
11.817 49.745
4 1.002
10.018 59.763
5 .872
8.722 68.486
6 .822
8.223 76.708
7 .732
7.318 84.027
8 .672
6.718 90.745
9 .519
5.192 95.936
10 .406
4.064 100.000
Ada 10 variabel yang dimasukkan dalam analisis faktor. Dengan total variansi masing-masing, maka total variansinya adalah 10 x 1 = 10. Variansi
faktor 1 tersebut adalah 2,36710 x 100 = 23,67, faktor 2 adalah 1,42610 x 100 = 14,26 dan selanjutnya sebagaimana bisa dilihat pada tabel diatas pada
kolom of Variance. Total jumlah keseluruhan variansi dari 4 faktor tersebesar adalah 59,763.
Tabel 3.11 Extraction Sums of Squared Loadings Extraction Sums of Squared Loadings
Total of Variance
Cumulative
2.367 23.669
23.669 1.426
14.259 37.928
1.182 11.817
49.745 1.002
10.018 59.763
Nilai eigenvalues menunjukkan kepentingan relatif masing-masing faktor dalam menghitung varians dari 10 variabel yang di analisis.Susunan eigenvalues
selalu diurutkan dari yang terbesar sampai yang terkecil, dengan kriteria bahwa angka eigenvalues dibawah angka 1 tidak digunakan untuk menghitung faktor
yang terbentuk. Selanjutnya, dari tabel diatas terlihat bahwa 4 faktor yang akan terbentuk yang mempunyai nilai eigenvalues diatas angka 1. Gambar merupakan
hasil plot posisi eigenvalues pada tiap-tiap variabel pembentuk faktor.
Universitas Sumatera Utara
Gambar 3.1 Scree Plot
Suatu Scree Plot adalah plot dari eigenvalue melawan banyaknya faktor yang bertujuan untuk melakukan ekstraksi agar diperoleh jumlah faktor. Scree
Plot berupa suatu kurva yang diperoleh dengan memplot eigenvalue sebagai sumbu vertikal dan banyaknya faktor sebagai sumbu horizontal. Bentuk kurva
atau plotnya dipergunakan untuk menentukan banyaknya faktor. Jika tabel total varians menjelaskan dasar jumlah faktor yang didapat
dengan perhitungan angka, maka Scree Plot memperlihatkan hal tersebut dengan grafik. Terlihat bahwa dari situ kedua faktor garis dari sumbu Component 1 ke 2,
arah garis cukup menurun tajam.Kemudian dari 2 ke 3 garis juga menurun begitupun 3 ke 4.Pada faktor 5 sudah dibawah angka 1 dari sumbu eigenvalue.Hal
ini menunjukkan bahwa ada 4 faktor yang mempengaruhi tingkat pegangguran yang dapat diekstraksi berdasarkan scree plot.
3.7.3 Hasil Rotasi Faktor
Kategori