Component Number
12 11
10 9
8 7
6 5
4 3
2 1
E ige
nva lue
5 4
3 2
1
Scree Plot
Gambar 4.1. Scree Plot Factor
4.3.4. Component Matrix
Tabel 4.9 menunjukkan distribusi kedua belas variabel pada 3 faktor yang terbentuk. Sedangkan angka-angka yang ada pada tabel tersebut adalah factor
loadings, yang menunjukkan besar korelasi antara suatu variabel dengan faktor 1, faktor 2 atau faktor 3. Proses penentuan variabel mana akan masuk ke faktor yang
mana dilakukan dengan melakukan perbandingan besar korelasi pada setiap baris.
Universitas Sumatera Utara
Tabel 4.9. Component Matrix Faktor
Variabel 1 2 3
Pengetahuan petugas 0.496
0.554 -0.387
Jumlah petugas pelaksana 0.368
0.596 -0.447
Pelatihan 0.210 0.552
0.594 Pengelolaan Rantai Vaksin
0.715 -0.208
-0.057 Peralatan Rantai Vaksin
0.705 -0.127
0.181 Peralatan Suntik
0.707 -0.122
0.100 Kerjasama Lintas Program
0.744 -0.248
0.087 Kerjasama Lintas Sektoral
0.587 -0.332
-0.047 Pencatatan dan Pelaporan
0.747 -5.1E-005
0.001 PWS 0.668
0.041 -0.051
Pengetahuan Ibu hamil 0.428
0.317 0.499
Kendaraan Operasional 0.603
-0.113 -0.235
4.3.5. Rotated Component Matrix
Component matrix hasil dari proses rotasi Rotated Component Matrix memperlihatkan distribusi variabel yang lebih jelas dan nyata dari ketiga komponen.
Terlihat bahwa nilai faktor faktor loading yang sebelumnya kecil semakin diperkecil dan faktor loading yang besar semakin diperbesar.
Universitas Sumatera Utara
Tabel 4.10. Rotated Component Matrix Faktor
Variabel 1 2 3
Pengetahuan petugas 0.210
0.802 0.124
Jumlah petugas pelaksana 0.075
0.825
0.067 Pelatihan -0.040
0.106 0.830
Pengelolaan Rantai Vaksin 0.735
0.131 0.020 Peralatan Rantai Vaksin
0.693 0.041 0.251
Peralatan Suntik
0.693
0.094 0.190 Kerjasama Lintas Program
0.779
0.025 0.120 Kerjasama Lintas Sektoral
0.672 -0.008 -0.073
Pencatatan dan Pelaporan 0.676
0.256 0.189 PWS
0.587 0.290 0.150
Pengetahuan ibu hamil 0.257
0.071
0.679
Kendaraan Operasional
0.592
0.269 -0.097
4.3.6. Component Transformation Matrix
Tabel Component Transformation Matrix menunjukkan ketiga faktor yang terbentuk sudah tepat, karena mempunyai korelasi yang tinggi masing-masing
component.
Tabel 4.11. Component Transformation Matrix Komponen 1
2 3
1 0.905 0.343 0.252
2 -0.426
0.716 0.553
3 0.009 -0.608 0.794
Universitas Sumatera Utara
BAB V PEMBAHASAN
Berdasarkan hasil penelitian yang dilakukan dengan menggunakan analisis faktor telah diketahui bahwa dari 17 faktor yang mempengaruhi cakupan imunisasi
TT ibu hamil di Kota Jambi menjadi 3 faktor yang mempengaruhi pencapaian cakupan imunisasi TT ibu hamil.
5.1. Analisis Uji Kelayakan 5.1.1. Analisis Uji Kelayakan I
a. Pada uji kelayakan I angka KMO Kaiser-Meyer-Olkin Measure of Sampling Adequacy MSA adalah 0.693, oleh karena angka KMO di atas
0.5, menunjukkan kecukupan sampling telah memadai maka kumpulan variabel dapat diproses lebih lanjut.
b. Pada tabel 4.1 Anti Image Matrices I terlihat sejumlah angka yang membentuk diagonal dari kiri atas kekanan bawah yang menandakan
besaran KMO variabel. Ada 5 variabel yang mempunyai nilai KMO MSA di bawah 0.5 yaitu pendidikan petugas 0.459, lama kerja 0.376, pelatihan
0.491, waktu pelayanan 0.427 dan stok vaksin 0.447. Dari ke 5 variabel
tersebut, variabel yang mempunyai KMO MSA terkecil adalah variabel lama kerja 0.376. Maka variabel lama kerja dikeluarkan dari pemilihan
variabel dan variabel yang tersisa menjadi 16 variabel.
56
Universitas Sumatera Utara
