orthogonal menghasilkan faktor-faktor yang tidak berkorelasi satu sama lain uncorreclated each other antara lain none, equimax, varimax, quartimax, orthomax.
- None adalah pilih tidak untuk melakukan rotasi equimax solusi awal. - Equimax adalah pilih untuk melakukan rotasi equimax solusi awal gamma=jumlah
faktor2. - Varimax adalah pilih untuk melakukan rotasi varimax solusi awal gamma = 1
- Quartimax adalah pilih untuk melakukan rotasi quartimax solusi awal gamma = 0 - Orthomax adalah pilih untuk melakukan rotasi orthomax solusi awal, kemudian
masukkan gamma nilai antara 0 dan 1. 2. Oblique rotation, kalau sumbu tidak dipertahankan harus tegak lurus sesamanya
bersudut 90
o
dan faktor-faktor tidak berkorelasi. Kadang-kadang dengan membolehkan korelasi antar-faktor bisa menyederhanakan matriks faktor pola factor pattern matrix.
Oblique rotation harus dipergunakan kalau faktor dalam populasi berkorelasi sangat kuat Supranto, 2004.
6. Membuat Interpretasi Hasil Rotasi
Interpretasi mengenai faktor bisa dipermudah dengan mengenali mengidentifikasi variabel yang mempunyai nilai loading yang besar pada faktor yang sama. Faktor tersebut
kemudian bisa diinterpretasikan menurut variabel-variabel yang mempunyai nilai loading yang tinggi dengan faktor tersebut. Bantuan di dalam interpretasi yang berguna lainnya ialah
mengeplot variabel dengan menggunakan factor loading sebagai titik koordinat. Variabel yang berada pada ujung atau akhir suatu sumbu ialah, variabel-variabel
yang nilai loadingnya tinggi hanya pada faktor tersebut, katakan faktor 1, 2 atau 3 dan oleh karena itu variabel-variabel tersebut akan memberikan inspirasi tentang nama yang tepat dari
Universitas Sumatera Utara
faktor yang bersangkutan Supranto, 2010. Sedangkan variabel yang dekat dengan titik asal perpotongan sumbu F
1
dan F
2
mempunyai muatan rendah low loading pada kedua faktor. Variabel yang tidak dengan sumbu salah satu faktor berarti berkorelasi dengan kedua
faktor tersebut. Kalau suatu faktor tidak bisa diberi label sebagai faktor tidak teridentifikasi atau faktor umum. Variabel- variabel yang berkorelasi kuat nilai faktor loading yang besar dengan
faktor tertentu dan memberikan inspirasi nama faktor yang bersangkutan Supranto, 2004.
7. Menghitung Skor dan Nilai Faktor
Nilai faktor adalah ukuran yang mengatakan representasi suatu variabel oleh masing- masing faktor. Nilai faktor menunjukkan bahwa suatu data mewakili karakteristik khusus yang
direpresentasikan oleh faktor. Nilai faktor ini selanjutnya digunakan untuk analisis lanjutan. Sebenarnya analisis tidak harus dilanjutkan dengan menghitug skor atau nilai faktor,
sebab tanpa menghitung pun hasil analisis faktor sudah bermanfaat yaitu mereduksi variabel yang banyak menjadi variabel baru yang lebih sedikit dari variabel aslinya.
Masing-masing faktor dapat diekspresikan dengan persamaan sebagai berikut: F
1
= W
i1
X
1
+ W
i2
X
2
+ W
i3
X
3
+.....+ W
ik
X
k
Dimana : F
1
adalah faktor W
i
adalah bobot variabel terhadap faktor
k
adalah jumlah variabel X adalah variabel
Semakin besar bobot W
i
suatu variabel terhadap faktor, maka pengaruh variabel terhadap faktor tersebut semakin erat, yang berarti perubahan variabel memberikan kontribusi
Universitas Sumatera Utara
yang semakin besar pada nilai faktor. Hal ini berlaku untuk keadaan sebaliknya Rangkuti, 2002.
8. Memilih Surrogate Variables
