Proses Analisi faktor I Proses Analisis Faktor III Rotasi

40

3.6 Proses Analisi faktor I

Pada proses awal analisis faktor, dilakukan beberapa tahap sampai dengan diperoleh faktor-faktor baru sebagai dominan yang ingin diperoleh. Prose pertama tabulasi pada data serta melakukan pengolahan dengan software yang telah direfrensikan yaitu dengan program SPSS dengan mengambil versi SPSS 17. Ada beberapa variabel yang memenuhi keputusan remaja menikah di usia muda. Dalam penelitian ini, faktor-faktor tersebut berjumlah 10 varieble yang telah valid. Berdasarkan hasil perhitungan diperoleh nilai KMO and Barlett’s Test sebesar 0,630 dengan signifikan sebesar 0,000. Berdasarkan teori nilai KMO memang harus diatas 0,5 dan signifikan atau probabilitas dibawah 0,5 maka variabel layak dan dapat dianalisa lebih lanjut Santoso, 2002. Tabel 3.9KMO and Bartletts Test Kaiser-Meyer-Olkin Measure of Sampling Adequacy. .630 Bartletts Test of Sphericity Approx. Chi-Square 142.388 Df 45 Sig. .000 Perhitungan selanjutnya adalah dengan melihat nilai MSA. Hasil nilai MSA dapat dilihat pada tabel dibawah. 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 91 responden, diperoleh bahwa nilai MSA yang diperoleh di atas 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 3.10 Measure Of Sampling Adequacy No Variabel Nilai MSA 1 Variabel 1 0,570 2 Variabel 2 0,622 3 Variabel 3 0,644 4 Variabel 4 0,714 5 Variabel 6 0,694 6 Variabel 7 0,514 7 Variabel 8 0,574 Universitas Sumatera Utara 41 8 Variabel 9 0,556 9 Variabel 10 0,686 10 Variabel 11 0,661

3.7 Proses Anlasisi faktor II Ekstraksi

Dalam penelitian ini metode yang akan digunakan adalah Principal Componen Analysis Analisis Komponen Utama. Didalam Principal Componen Analysis jumlah varians data dipertimbangkan yaitu diagonal matriks korelasi, setiap elemennya sebesar satu dan full variance dipergunakan untuk dasar pembentukan faktor, yaitu variabel-variabel lama yang jumlahnya lebih sedikit dan tidak berkorelasi lagi satu samalain, seperti variabel-variebel asli yang memang saling berkorelasi. Communalities adalah jumlah varians yang disumbangkan oleh suatu variabel dengan seluruh variabel lainnya dengan analisis.

3.7.1 Communalities

Communalities pada dasarnya adalah jumlah varians dari suatu variabel awal yang bisa dijelaskan oleh faktor yang ada. Semakin besar communalities sebuah variabel, maka semakin erat hubungannya dengan faktor. Tabel 3.11Communalities No Variabel Initial Extraction 1 Variabel 1 1,000 0,713 2 Variabel 2 1,000 0,586 3 Variabel 3 1,000 0,735 4 Variabel 4 1,000 0,644 5 Variabel 6 1,000 0,531 6 Variabel 7 1,000 0,691 7 Variabel 8 1,000 0,681 8 Variabel 9 1,000 0,650 9 Variabel 10 1,000 0,618 10 Variabel 11 1,000 0,752 Universitas Sumatera Utara 42

3.7.2 Total variance Explained

Total Variance Explaned menerangkan nilai persen dari varainsi yang mampu diterangkan oleh banyaknya faktor yang terbentuk. Nilai ini berdasarkan nilai eigenvalue. Ada 10 variabel yang dimasukkan dalam analisis faktor, dengan masing masing varian memiliki varian 1, maka total varian adalah 10 x 1 = 10. Jika kesepuluh variabel diringkas menjadi 1 faktor, maka varians yang bisa dijelaskan oleh satu faktor tersebut adalah lihat kolom Component 1 pada Tabel : 2 ,422 10 100 = 24,22 Jika 10 variabel diekstrak menjadi 4 faktor, maka: 1. Varian faktor pertama adalah 24,22 2. Varian faktor kedua adalah 16,53 3. Varian faktor ketiga adalah 12,72 4. Varian Faktor keempat adalah 10,55 Total keempat faktor akan menjelaskan 24,22+16,53+12,72 +10,55= 64,02 atau keempat faktor tersebut akan menjelaskan 64,02 dari variabilitas kesepuluh yang asli tersebut. Sedangkan eigenvalue manunjukkan kepentingan relatif masing-masing faktor dalam menghitung varians kesepuluh variabel yang dianlisis. 1. Jumlah angka egenvalue untuk kesepuluh variabel adalah sama dengan total varian kesepuluh variabel atau 2,422 + 1,653 + 1.272 + 1,055 + 0,882 + 0,704 + 0,659 + 0,558 + 0,451 + 0,344 = 10 2. Susunan eigenvalue selalu diurutkan dari yang terbesar sampai dengan yang terkecil, dengan kriteria bahwa angka eigenvalue dibawah 1 tidak digunakan dalam menghitung faktor yang terbentuk. Universitas Sumatera Utara 43 Tabel 3.12 Total Variance Explaained Faktor atau Komponen Initial Eigenvalues Total of Variance Comulative 1 2,422 24,225 24,225 2 1,653 16,525 40,750 3 1,272 12,722 53,472 4 1,055 10,546 64,018 5 0,882 8,816 72,834 6 0,704 7,040 79,874 7 0,659 6,592 86,466 8 0,558 5,582 92,048 9 0,451 4,515 96,563 10 0,344 3,437 100,000 Dari tabel 3.10 diatas menyatakan bahwa hanya 4 faktor yang terbentuk, terlihat dari eigenvalue dengan nilai diatas 1, namun pada faktor yang kelima angka eigenvalue sudah dibawah 1, yakni 0,882 sehingga proses Faktoring seharusnya berhenti pada empat faktor saja, maka dalam penelitian ini hanya empat faktor yang terbentuk.

3.7.3 Scree Plot

Jika Tabel 3.10 Menjelaskan dasar jumlah faktor yang didapat dengan perhitungan angka, maka scree plot menunjukkan dengan grafik bahwa pada sumbu X component number faktor 5 sudah dibawah 1 dari sumbu Y angka eigenvalue. Hal ini menunjukkan bahwa 4 faktor adalah paling tepat untuk meringkas ke 10 variabel tersebut. Universitas Sumatera Utara 44 Gambar 3.1 Scree Plot Suatu Scree plot adalah plot dari eigen value melawan banyaknya faktor yang bertujuan untuk melakukan ekstraksi agar diperoleh jumlah faktor. Scree plot berupa suatu kurva yang diperoleh dengan memplot eigen value sebagai sumbu vertikal dana banyaknya faktor sebagai sumbu horizontal. Bentuk kurva atau plotnya dipergunakan untuk menentukan banyaknya faktor. Jika tabel total variansi menjelaskan dasar jumlah faktor yang didapat dengan perthitungan angka, maka scree plot memperlihatkan hal tersebut dengan grafik. Terlihat bahwa dari suatu ke dua faktor baris dari sumbu Component 1 ke- 2, arah garis cukup menurun tajam. Kemudian dari 2 ,3 dan 4 garis juga menurun. Pada faktor 5 sudah dibawah angka 1 dari sumbu eigen value. Hal ini menunjukkan bahwa ada 4 faktor yang mnempengaruhi pernikahan di usia muda, yang dapat diekstraksi berdasarkan scree plot. Universitas Sumatera Utara 45

3.8 Proses Analisis Faktor III Rotasi

Hasil ekstraksi faktor awal memberikan informasi bahwa terdapat 4 faktor dari 10 variabel yang dapat diolah dengan variansi kumulatif sebesar 64,02. Korelasi antara variabel-variabel dan faktor Faktor Loading hasil ekstarksi tersebut dapat dilihat pada tabel berikut. Tabel 3.13 Faktor Loading Variabel Penelitian Faktor 1 2 3 4 1 0,316 0,259 0,605 -0,424 2 0,481 -0,086 0,589 0,003 3 0,454 0,006 -0,011 0,727 4 0,680 0,205 -0,288 -0,238 6 0,436 -0,347 0,004 0,143 7 -0,141 0,722 0,018 0,388 8 -0,112 0,605 -0,472 0,281 9 0,023 0,695 0,393 0,107 10 0,713 0,210 -0,247 0,069 11 0,831 -0,033 -0,191 -0,152 Dari Tabel diatas dapat dilihat bahwa variabel-variabel berkorelasi kuat dengan lebih dari satu faktor, sehingga sulit untuk menginterpretasikan faktor-faktor tersebut. Dalam hal ini, faktor loading perlu dirotasi agar masing-masing variabel berkorelasi kuat hanya pada satu faktor. Berikut ini adalah Faktor Loading setelah dirotasi Rotated Faktor Loading. Tabel 3.14 Rotated Factor Loading Variabel Penelitian Faktor 1 2 3 4 1 0,139 0,112 0,806 -0,178 2 0,127 -0,056 0,666 0,352 3 0,256 0,237 -0,117 0,774 4 0,795 -0,008 0,091 -0,065 6 0,261 -0,305 0,075 0,405 7 -0,032 0,822 -0,117 0,029 8 0,305 0,398 -0,294 -0,586 9 0,013 0,718 0,363 -0,047 10 0,749 0,115 0,026 0,209 11 0,809 -0,196 0,176 0,166 Faktor Loading hasil rotasi menunjukkan bahwa variabel-variabel berkorelasi kuat hanya pada satu faktor tertentu, misalnya korelasi antara variabel X 1 dan Universitas Sumatera Utara 46 faktor 3 sebesar 0,806 Korelai kuat, sedangkan korela dengan faktor 1, 2, dan 4 masing-masing 0,139, 0,112, dan -0,178 korelasi lemah.

3.9 Proses Analisis Faktor IV Interpretasi Faktor Faktor Pertama