e. Factor loadings Faktor Muatan
Faktor muatan adalah korelasi sederhana antara variabel dengan faktor.
f. Factor loading plot Plot Faktor Muatan
Plot faktor muatan adalah suatu plot dari variabel asli dengan menggunakan factor loading sebagai koordinat.
g. Factor matrix Faktor Matriks
Matriks faktor mengandung factor loading dari seluruh variabel dalam seluruh faktor yang dikembangkan.
h. Kaiser - Meyer - Olkin KMO measure of sampling adequency
Kaiser – Meyer – Olkin KMO merupakan suatu indeks yang digunakan untuk menguji
ketepatan analisis faktor. Nilai yang tinggi antara 0,5 – 1,0 mengidentifikasi analisis
faktor tepat. Apabila dibawah 0,5 menunjukkan bahwa analisis faktor tidak tepat untuk diaplikasikan.
∑ ∑ ∑ ∑
∑ ∑ Keterangan :
= koefisien korelasi sederhana antara variabel ke-
dan ke- =
koefisien korelasi parsial antara variabel ke- dan ke-
Measure of Sampling Adequacy MSA yaitu suatu indeks perbandingan antara koefisien korelasi parsial untuk setiap variabel. MSA digunakan untuk mengukur
kecukupan sampel. ∑
∑ ∑
i. Percentage of variance Persentase Varians
Persentase varians adalah persentase total varians yang disumbangkan oleh setiap faktor.
Universitas Sumatera Utara
j. Residuals
Residuals adalah selisih antara korelasi yang terobservasi berdasarkan input correlation matrix dan korelasi hasil reproduksi yang diestimasi dari matriks faktor.
k. Scree plot
Scree plot adalah sebuah plot dari eigenvalue untuk menentukan banyaknya faktor.
2.6.4 Langkah-Langkah Analisis Faktor
Langkah-langkah dalam analisis faktor adalah sebagai berikut : 1.
Merumuskan masalah 2.
Membentuk matriks korelasi 3.
Menentukan metode analisis faktor 4.
Menentukan banyaknya faktor 5.
Melakukan rotasi terhadap faktor 6.
Membuat intrepretasi hasil rotasi terhadap faktor 7.
Menentukan ketepatan model model fit
Secara skematis langkah-langkah dalam analisis faktor dapat digambarkan sebagai berikut :
Universitas Sumatera Utara
Merumuskan masalah
Membentuk matriks korelasi
Menghitung nilai karakteristik eigenvalue
Menghitung vektor karakteristik eigenvector
Menentukan banyaknya faktor
Menghitung matriks factor loading
Melakukan rotasi faktor
Interpretasi faktor
Menentukan ketepatan model model fit
Gambar 2.1 Langkah-langkah dalam analisis faktor
1. Merumuskan Masalah
Merumuskan masalah meliputi beberapa kegiatan. Pertama, tujuan analisis faktor harus diidentifikasi. Variabel yang akan digunakan dalam analisis faktor harus dispesifikasi
berdasarkan penelitian sebelumnya, teori dan pertimbangan subjektif dari peneliti. Pengukuran variabel berdasarkan skala interval dan rasio. Besarnya sampel harus tepat,
sebagai petunjuk umum besarnya sampel paling sedikit empat atau lima kali banyaknya variabel.
2. Membentuk Matriks Korelasi
Proses analisis didasarkan pada suatu matriks korelasi antar variabel. Agar analisis faktor menjadi tepat, variabel-variabel yang dikumpulkan harus berkorelasi.
Universitas Sumatera Utara
Dilakukan perhitungan matriks korelasi . Matriks korelasi digunakan sebagai input
analisis faktor.
Korelasi antar Variabel
3. Menghitung nilai karakteristik eigenvalue
Perhitungan nilai karakteristik eigenvalue, dimana perhitungan ini berdasarkan persamaan karakteristik :
dengan : = matriks korelasi
= matriks identitas = eigenvalue
Eigenvalue adalah jumlah varian yang dijelaskan oleh setiap faktor.
Anton Howard, 2000
4. Menghitung vektor karakteristik eigenvector
Penentuan vektor karakteristik eigenvector yang bersesuaian dengan nilai karakteristik eigenvalue, yaitu dengan persamaan :
Universitas Sumatera Utara
dengan : = eigenvector, Anton Howard, 2000
5. Menentukan Banyaknya Faktor
Ada beberapa prosedur yang dapat dipergunakan dalam menentukan banyaknya faktor yaitu, penentuan secara a priori, penentuan berdasarkan pada eigenvalue, penentuan
berdasarkan Scree plot, penentuan berdasarkan persentase varians, penentuan berdasarkan Split-Half Reliability, dan penentuan berdasarkan uji signifikan.
a. Penentuan Secara A priori
Kadang-kadang karena adanya dasar teori atau pengalaman sebelumnya, peneliti sudah dapat menentukan banyaknya faktor yang akan diekstraksi. Hampir sebagaian besar
program komputer memungkinkan peneliti untuk menentukan banyaknya faktor yang diinginkan dengan pendekatan ini.
b. Penentuan Berdasarkan Eigenvalue
Pada pendekatan ini, hanya faktor dengan eigenvalue lebih besar dari satu yang dipertahankan. Eigenvalue merepresentasikan besarnya sumbangan dari faktor terhadap
varians seluruh variabel aslinya. Hanya faktor dengan varians lebih besar dari satu yang dimasukkan dalam model. Faktor dengan varians lebih kecil dari satu tidak lebih dari
variabel asli, sebab variabel yang dibakukan distandarisasi yang berarti rata-ratanya nol dan variansinya satu.
c. Penentuan Berdasarkan Sree Plot
Kategori