Berdasarkan tabel di atas, memperlihatkan nilai KMO adalah 0.857 yaitu lebih besar dari 0.5. Dari hasil tersebut maka dapat dikatakan bahwa variabel dan sampel
yang digunakan memungkinkan untuk dilakukan analisis faktor lihat pada output 1tabel pertama.
Untuk melihat nilai MSA pada setiap variabel dapat dilihat pada tabel anti image matrix. Pada kolom anti image matrix dalam tabel di atas, maka nilai MSA
variabel pengetahuan 0.790, pendidikan 0.837, budaya 0.904, ekonomi 0.901, pekerjaan 0.808, kesehatan ibu 0.889, kesehatan bayi 0.868, dan petugas
kesehatan 0.825 maka seluruh variabel independen dapat dianalisis untuk langkah selanjutnya karena masing-masing nilainya 0.5 lihat pada output 4.
Faktor yang nantinya terbentuk mampu menjelaskan variabel, untuk itu perlu dilihat kolom communalities. Faktor mampu menjelaskan variabel pengetahuan
sebesar 0.734 73.4, pendidikan diterangkan sebesar 81.6, budaya diterangkan sebesar 75.4, ekonomi diterangkan sebesar 65,3, pekerjaan diterangkan sebesar
79.3, kesehatan ibu diterangkan sebesar 55.0, kesehatan bayi diterangkan sebesar 74.9, dan petugas kesehatan diterangkan sebesar 57.6 lihat pada output 1 tabel
ke-2.
b. Penentuan Jumlah Faktor
Untuk menentukan jumlah faktor yang terbentuk dapat didasarkan pada nilai eigenvalue. Nilai eigenvalue 1 yang dianggap sebagai suatu faktor.
Pada nilai eigenvalues menunjukkan bahwa jumlah varian yang diperoleh pada hasil output ada dua 2 varian yaitu 4.604 dan 1.021, artinya bahwa faktor yang
Universitas Sumatera Utara
mungkin terbentuk ada dua 2 kelompok. Karena dengan 1 faktor angka eigenvalues masih di atas 1 yaitu 4.604, dengan 2 faktor angka eigenvalues juga masih di atas 1,
yaitu 1.021. Namun untuk 3 faktor angka eigenvalues sudah di bawah 1, yaitu 0.704 lihat pada output 1 tabel ke-3.
Pada nilai extraction sums of squared loadings menunjukkan bahwa nilai total kedua faktor yang terbentuk akan mampu menjelaskan variabel sebesar 70.312
lihat pada output 1 tabel ke-3. Faktor yang terbentuk dapat dilihat pada tabel di bawah ini.
Tabel 4.3 Component Matrix Hasil Aplikasi Analisis Faktor-faktor yang
Memengaruhi Pemberian Makanan Tambahan Pada Bayi Usia 0-6 bulan dengan Metode
Principal Component Analysis. Varibel
Component
1 2
Pengetahuan Pendidikan
Budaya Ekonomi
Pekerjaan Kesehatan Ibu
Kesehatan Bayi Petugas Kesehatan
0.502 0.845
0.826 0.803
0.811 0.735
0.836 0.643
0.695 -0.319
-0.269 -0.093
-0.368
0.097 0.221
0.402
Tabel di atas menunjukkan nilai korelasi antara suatu variabel dengan faktor yang terbentuk. Terlihat pada variabel pengetahuan, korelasi variabel ini dengan
faktor 1 adalah 0.502 dan korelasi pada faktor 2 adalah 0.695, pendidikan dengan nilai faktor 1 adalah 0.845 dan nilai faktor 2 adalah -0.319, budaya dengan nilai
Universitas Sumatera Utara
faktor 1 adalah 0.826 dan nilai faktor 2 adalah -0.269, ekonomi dengan nilai faktor 1 adalah 0.803 dan nilai faktor 2 adalah -0.093, pekerjaan dengan nilai faktor 1 adalah
0.811 dan nilai faktor 2 adalah -0.368, kesehatan ibu dengan nilai faktor 1 adalah 0.735 dan nilai faktor 2 adalah 0.097, kesehatan bayi dengan nilai faktor 1 adalah
0.836 dan nilai faktor 2 adalah 0.221, dan petugas kesehatan dengan nilai faktor 1 adalah 0.643 dan nilai faktor 2 adalah 0.402. Dari penjelasan tersebut, diketahui
bahwa yang masuk dalam faktor 1 hanya variabel pengetahuan, sementara variabel pekerjaan, pendidikan, ekonomi, sosial, budaya, kesehatan ibu, kesehatan bayi, dan
petugas kesehatan masuk dalam faktor 2. Karena distribusi variabel kurang menyebar pada faktor 1 dan faktor 2 maka perlu dilakukan rotasi faktor.
c. Rotasi Faktor