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
Kategori