Analisis Faktor yang Mempengaruhi Mahasiswa Dalam Keputusan Pembelian Smartphone
BAB 2
LANDASAN TEORI
2.1 Variabel
Variabel adalah konsep yang mempunyai bermacam-macam nilai. Dengan
demikian,variabel adalah merupakan objek yang berbentuk apa saja yang
ditentukan oleh peneliti dengan tujuan untuk memperoleh informasi agar bisa
ditarik suatu kesimpulan. Secara teori, definisi variabel penelitian adalah
merupakan suatu objek, atau sifat, atau atribut atau nilai dari orang, atau kegiatan
yang mempunyai bermacam-macam variasi antara satu dengan lainnya yang
ditetapkan oleh peneliti dengan tujuan untuk dipelajari dan ditarik kesimpula.
Variabel merupakan suatu istilah yang berasal dari kata vary dan able yang
berarti ‘berubah’ dan ‘dapat’. Jadi kata variabel berarti dapat berubah. Oleh sebab
itu, setiap variabel dapat diberi nilai dan nilai itu berubah-ubah. Nilai itu berupa
nilai kuantitatif maupun kualitatif. Dilihat dari segi nilainya, variabel dibedakan
menjadi dua, yaitu variabel diskrit dan variabel kontinu. Variabel diskrit nilai
kuantitatifnya selalu berupa bilangan bulat. Variabel kontinu nilai kuantitatifnya
bisa berupa pecahan.
Menurut hubungan antara suatu variabel dengan variabel lainnya, variabel
terbagi atas beberapa yaitu:
1. Variabel Dependen
Variabel dependen dalam bahasa Indonesia sering disebut sebagai
peubah tak bebas, variabel output, kriteria, atau konsekuen. Variabel ini
juga sering disebut sebagai variabel terikat. Variabel terikat atau peubah
tak bebas ini merupakan variabel yang dipengaruhi atau yang menjadi
akibat, karena adanya variabel sebab atau peubah bebas.
2. Variabel Independen
Variabel independen atau variabel bebas, atau peubah bebas sering juga
disebut dengan variabel stimulus atau predictor, atau variabel
antecedent. Jika diterjemahkan dalam bahasa Indonesia, variabel
Universitas Sumatera Utara
independen disebut juga sebagai peubah bebas. Peubah bebas ini adalah
merupakan peubah yang mempengaruhi atau yang menjadi sebab
terjadinya perubahan terhadap peubah tak bebas. Atau yang
menyebabkan terjadinya variasi bagi peubah tak bebas (variabel
dependen).
2.2 Data
Data merupakan sejumlah informasi yang dapat memberikan gambaran tentang
sesuatu keadaan. Informasi yang diperoleh memberikan keterangan, gambaran, atau
fakta mengenai suatu persoalan dalam bentuk kategori, huruf, atau bilangan. Data
digunakan untuk menyediakan informasi bagi suatu penelitian, pengukuran kinerja,
dasar pembuatan keputusan dan menjawab rasa ingin tahu.
Jenis-jenis data berdasarkan cara memperolehnya yaitu:
1. Data primer
Data primer merupakan data yang didapat dari sumber pertama, baik dari
individu atau perseorangan seperti hasil wawancara atau pengisian kuisioner
yang biasa dilakukan oleh peneliti. Biasanya data primer, peneliti melakukan
observasi sendiri baik di lapangan maupun di laboratorium.
2. Data sekunder
Data sekunder merupakan data primer yang diperoleh oleh pihak lain atau data
primer yang telah diolah lebih lanjut dan disajikan baik oleh pengumpul data
primer atau pihak lain yang pada umumnya disajikan dalam bentuk tabel-tabel
atau diagram-diagram. (Sugiarto, dkk, 2001).
2.3 Skala Pengukuran
Teknik pengukuran data yang digunakan adalah attitude scales, yaitu suatu
kumpulan alat pengukuran yang mengukur tanggapan individu terhadap suatu objek
atau fenomena.
Berdasarkan skala pengukurannya data dibedakan menjadi 4 macam, yaitu:
1. Skala Nominal
Misalnya: jenis kelamin, agama, dan sebagainya. Sering juga data nominal diberi
simbol bilangan saja. Misalnya: laki-laki diberi nilai 1, perempuan diberi nilai 2.
Universitas Sumatera Utara
2. Skala Ordinal
Data yang diukur menggunakan ordinal selain mempunyai ciri nominal, juga
mempunyai ciri berbentuk peringkat atau jenjang. Misalnya tingkat pendidikan
nilai ujian (dalam huruf).
3. Skala Interval
Data yang diukur menggunakan skala interval selain mempunyai ciri nominal
dan ordinal, juga mempunyai ciri interval yang sama.
4. Skala Rasio
Skala rasio ini selain mempunyai ketiga ciri dan skala pengukuran diatas, juga
mempunyai nilai nol yang bersifat mutlak. Misalnya: umur, berat sesuatu,
pendapatan, dan sebagainya.
2.4 Teknik Sampling
Teknik sampling adalah suatu cara untuk menentukan banyaknya sampel dan
pemilihan calon anggota sampel, sehingga setiap sampel yang terpilih dalam
penelitian dapat mewakili populasinya (representatif) baik dari aspek jumlah
maupun dari aspek karakteristik yang dimiliki populasi. Sampling adalah proses
pemilihan sejumlah elemen dari populasi sehingga dengan meneliti dan memahami
karakteristik sampel dapat digeneralisir untuk karakteristik populasi. Jarang sekali
suatu penelitian dilakukan dengan cara memeriksa semua objek yang diteliti
(sensus), tetapi sering digunakan sampling (Sugiarto, 2001), alasannya adalah:
1. Biaya, waktu dan tenaga untuk menyelidiki melalui sensus.
2. Populasi yang berukuran besar selain sulit untuk dikumpulkan, dicatat dan
dianalisis, juga biasanya akan menghasilkan informasi yang kurang teliti.
Dengan cara sampling jumlah objek yang harus diteliti menjadi lebih kecil,
sehingga lebih terpusat perhatiannya.
3. Percobaan-percobaan yang berbahaya atau bersifat merusak hanya cocok
dilakukan dengan sampling.
Universitas Sumatera Utara
Keuntungan dengan menggunakan teknik sampling antara lain adalah
mengurangi ongkos, mempercepat waktu penelitian dan dapat memperbesar ruang
lingkup penelitian (Sugiarto, 2001). Metode pengambilan sampel yang ideal
memiliki sifat-sifat sebagai berikut:
1. Dapat menghasilkan gambaran yang dapat dipercaya dari seluruh populasi yang
diteliti.
2. Dapat
menentukan
ketepatan
hasil
penelitian
dengan
menentukan
penyimpangan baku dari taksiran yang diperoleh.
3. Sederhana dan mudah diperoleh.
4. Dapat memberikan keterangan sebanyak mungkin dengan biaya serendah
mungkin.
Dalam menentukan besarnya sampel dalam suatu penelitian, ada empat
faktor yang harus dipertimbangkan yaitu:
1. Derajat keseragaman populasi.
2. Ketepatan yang dikehendaki dari penelitian.
3. Rencana analisis.
4. Tenaga, biaya dan waktu.
Teknik sampling dapat dikelompokkan menjadi dua, yaitu:
1. Probability sampling, meliputi:
a. Simple random sampling (populasi homogen) yaitu pengambilan sampel
dilakukan secara acak tanpa memperhatikan strata yang ada. Teknik ini hanya
digunakan jika populasinya homogen.
b. Proportionale stratifiled random sampling (populasi tidak homogen) yaitu
pengambilan sampel dilakukan secara acak dengan memperhatikan strata
yang ada, artinya setiap strata terwakili sesuai proporsinya.
c. Disproportionate stratifiled random sampling yaitu teknik ini digunakan
untuk menentukan jumlah sampel dengan populasi berstrata tetapi kurang
proporsional, artinya ada beberapa kelompok strata yang ukurannya kecil
sekali.
Universitas Sumatera Utara
d. Cluster sampling (sampling daerah) yaitu teknik ini digunakan untuk
menentukan jumlah sampel jika sumber data sangat luas. Pengambilan
sampel didasarkan daerah populasi yang telah ditetapkan.
2. Non probability sampling, meliputi: sampling sistematis, sampling kuota,
sampling incidental, purposive sampling, sampling jenuh, dan snowball
sampling.
2.5 Metode Pengambilan Sampel
2.5.1
Angket atau kuesioner
Angket atau kuesioner adalah sejumlah pertanyaan tertulis yang digunakan untuk
memperoleh informasi dari responden dalam arti laporan tentang pribadinya atau
hal-hal yang ia ketahui. Metode kuesioner ini digunakan untuk memperoleh
informasi atau keterangan responden mengenai analisis faktor yang mempengaruhi
mahasiswa dalam keputusan pembelian smartphone.
Kuesioner yang digunakan adalah angket tertutup yaitu kuesioner yang
sudah disediakan jawabannya, sehingga responden tinggal memilih jawabannya
saja (Arikunto, 2006:152).
Untuk tiap pertanyaan terdiri atas 5 alternatif jawaban dengan skor:
a. Nilai 1 = STS
(Sangat Tidak Setuju)
b. Nilai 2 = TS
(Tidak Setuju)
c. Nilai 3 = KS
(Kurang Setuju)
d. Nilai 4 = S
(Setuju)
e. Nilai 5 = SS
(Sangat Setuju)
2.5.2
Observasi
Observasi adalah memperhatikan segala sesuatu atau pemuatan perhatian
terhadap sesuatu objek dengan menggunakan seluruh alat indra melalui
penglihatan, penciuman, pendengaran, peraba dan pengecap, dimana sering disebut
pengamatan. Penelitian observasi ini dapat dilakukan dengan tes, kuesioner,
rekaman gambar, rekaman suara dan sebagainya (Arikunto, 2006:156-157).
Dalam penelitian ini metode pengambilan sampel yang digunakan adalah
Proportionale stratifiled random sampling (populasi tidak homogen) yaitu
Universitas Sumatera Utara
pengambilan sampel dilakukan secara acak dengan memperhatikan strata yang ada.
Artinya setiap strata terwakili sesuai proporsinya.
Jumlah sampel menggunakan rumus Slovin:
=
keterangan :
n
: Jumlah sampel
N
: Populasi
e
: Perkiraan tingkat kesalahan
�
(2.1)
+�
2.6 Analisis Data
2.6.1
Uji Validitas
Validitas merupakan alat ukur untuk melihat atau mengetahui apakah kuesioner
dapat digunakan untuk mengukur keadaan responden sebenarnya. Untuk menguji
validitas keadaan responden digunakan rumus korelasi Product Moment Pearsons,
yaitu:
=
keterangan:
: Koefisien
√{ ∑
∑
− ∑
− ∑ .∑
}{ ∑
− ∑
(2.2)
Korelasi antar variabel X dan variabel Y
: Nilai Pertanyaan dari Variabel
: Jumlah Total dari nilai X
n
: Jumlah Respnden
Untuk melakukan uji validitas secara manual dalam penelitian ini
menggunakan tabel t-student untuk menghitung
dengan menggunakan nilai
α = 10% (0,1). Dalam penelitian ini diperoleh dari rumus validitas terbagi atas
empat macam, yaitu:
a. Validitas Isi (Content Validity)
Sebuah tes dikatakan memiliki validitas isi apabila mengukur tujuan khusus
tertentu yang sejajar dengan materi atau isi pelajaran yang diberikan.
Misalnya seorang peneliti ingin mengukur bagaimana persepsi konsumen
terhadap suatu produk.
Universitas Sumatera Utara
b. Validitas Konstruk (Construct Validity)
Sebuah tes dikatakan memiliki validitas konstruksi apabila butir-butir soal
yang membangun tes tersebut mengukur setiap aspek berpikir seperti yang
disebutkan dalam tujuan instruksional khusus.
c. Validitas “ada sekarang” (Concurrent Validity)
Validitas ini lebih umum dikenal dengan validitas empiris. Sebuah tes
dikatakan memiliiki validitas empiris jika hasilnya sesuai dengan
pengalaman.Misalnya seorang guru ingin mengetahui apakah tes sumatif
yang disusun sudah valid atau belum.
d. Validitas Prediksi (Predictive Validity)
Memprediksi artinya meramal, dan meramal selalu mengenai hal yang akan
datang, sehingga sekarang ini belum terjadi. Sebuah tes dikatakan memiliki
validitas prediksi apabila mempunyai kemampuan untuk meramalkan apa
yang akan terjadi pada masa yang akan datang.
2.6.2
Uji Reliabilitas
Realibilitas merupakan indeks yang menunjukkan sejauh mana suatu alat ukur
dapat dipercaya atau dapat diandalkan. Pengukuran yang memiliki realibilitas
tinggi disebut sebagai pengukuran yang reliabel.
Nilai Cronbach Alpha diperoleh dengan menggunakan rumus sebagai
berikut:
keterangan:
α
�=
−
−
∑�
(2.3)
��
: nilai koefisien Cronbach Alpha
: banyaknya variabel penelitian
∑
: jumlah varians skor total
: varians skor masing masing item
Adapun teknik perhitungan reliabel ada beberapa cara, yaitu sebagai berikut:
a. Teknik Pengukuran Ulang (Testretest)
Teknik ini meminta kepada responden yang sama untuk menjawab pertanyaan
dalam alat pengukuran sebanyak dua kali. Caranya perhitungannya adalah
Universitas Sumatera Utara
dengan mengkorelasikan jawaban pada wawancara pertama dengan jawaban
pada wawancara kedua.
b. Teknik Belah Dua
Untuk menggunakan teknik belah dua sebagai cara menghitung reliabilitas
alat pengukur, maka alat pengukur yang disusun harus memiliki cukup banyak
item pertanyaan yang mengukur aspek yang sama.
c. Teknik Bentuk Paralel
Perhitungan reliabilitas dilakukan dengan membuat dua jenis alat pengukur
yang mengukur aspek yang sama. Kedua alat ukur tersebut diberikan pada
responden yang sama, kemudian dicari validitasnya untuk masing-masing
jenis.
d. Internal Consistency Reliability
Internal consistency reliability berisi tentang sejauh mana item-item instrumen
bersifat homogen dan mencerminkan konstruk yang sama sesuai dengan yang
melandasinya. Suatu variabel dikatakan reliabel jika memberikan nilai
cronbach alpha > 0,60 atau nilai cronbach alpha > 0,80 (Husnaini Usman,
2003).
2.7 Transformasi Data Ordinal Menjadi Interval
Proses transformasi merupakan upaya yang dilakukan untuk merubah data ordinal
menjadi data interval misalnya analisis faktor dimana variabel bebasnya harus
berskala interval. Data ordinal yang ditransformasikan menjadi data interval adalah
data penelitian yang diperoleh menggunakan instrumen berupa angket yang
memiliki jawaban berupa skala likert. Cara melakukan proses transformasi data
ordinal menjadi data interval menggunakan MSI (Method of Successive Interval),
(Jonathn Sarwono, 2013:265). Adapun langkahnya sebagai berikut:
1. Mencari F (Frekuensi) jawaban responden.
2. Setiap frekuensi dibagi dengan banyaknya responden dan hasilnya disebut
proporsi.
3. Menentukan nilai proporsi kumulatif dengan menjumlahkan nilai proporsi
berurutan perkolom skor.
4. Menghitung nilai Z untuk setiap proporsi dengan menggunakan tabel distribusi
normal.
Universitas Sumatera Utara
5. Menentukan nilai densitas untuk setiap nilai Z yang diperoleh dengan
menggunakan tabel densitas.
6. Menentukan SV (Scale Value = nilai skala) dengan rumus sebagai berikut:
=
�
� � −
� � −
�
� �
� �
keterangan:
SV
= interval rata-rata
Density at lower limit
= kepadatan batas bawah
Density at upper limit
= kepadatan batas atas
Area below upper limit
= daerah dibawah batas bawah
Area below lower limit
= Daerah diatas batas bawah
7. Menentukan nilai transformasi dengan rumus:
keterangan:
=
+|
|
: Nilai hasil Penskalaan akhir
: Nilai Skala
|
i
|
: Nilai Skala minimum
2.8 Analisis Faktor
Menurut J. Supranto (2004), analisis faktor merupakan teknik statistika yang
utamanya dipergunakan untuk mereduksi atau meringkas data dari variabel yang
banyak diubah menjadi sedikit variabel, misalnya dari 15 variabel yang lama diubah
menjadi 4 atau 5 variabel yang baru yang disebut faktor dan masih memuat sebagian
besar informasi yang terkandung dalam variabel asli (original variable).
Dalam analisis faktor tidak ada variabel dependen dan independen, proses
analisis faktor sendiri mencoba menemukan hubungan (interrelationship) antara
sejumlah variabel yang saling dependen dengan yang lain sehingga bisa dibuat satu
atau beberapa kumpulan variabel yang lebih sedikit dari jumlah awal. Analisis
faktor digunakan di dalam situasi sebagai berikut:
Universitas Sumatera Utara
a. Mengenali atau mengidentifikasi dimensi yang mendasari (underlying
dimensions) atau faktor yang menjelaskan korelasi antara suatu set variabel.
b. Mengenali dan mengidentifikasi suatu set variabel baru yang tidak berkorelasi
(independent) yang lebih sedikit jumlahnya untuk menggantikan suatu set
variabel asli yang saling berkorelasi di dalam analisis multivariat selanjutnya.
c. Mengenali atau mengidentifikasi suatu set variabel yang penting dari suatu set
variabel yang lebih banyak jumlahnya untuk dipergunakan di dalam analisis
multivariat selanjutnya.
Faktor yang tidak berkorelasi dengan sesama faktor dan juga tidak
berkorelasi dengan common factor. Common factor sendiri bisa dinyatakan sebagai
kombinasi linier dari variabel-variabel yang terlihat/terobservasi (the observed
variables) hasil penelitian lapangan.
� =
keterangan:
+
+
+
+
(2.4)
i
: 1, 2, 3, ..., k
k
: Banyaknya variabel.
�
: Perkiraan faktor ke-i (didasarkan pada nilai variabel X
dengan koefisiennya Wi).
: Timbangan/bobot atau koefisien nilai faktor ke-i.
: Variabel ke
yang sudah dibakukan (standardized).
Menurut Johnson dan Wichern (1982), Secara umum analisis faktor atau
analisis
komponen
utama
bertujuan
untuk
mereduksi
data
dan
menginterprestasikannya sebagai suatu variabel baru yang berupa variabel
bentukan. Andaikan dari p buah variabel awal/asal terbentuk k buah
faktor/komponen di mana k < p, misalkan dari sejumlah variabel p sebanyak 10
variabel terbentuk k = 2 buah faktor/komponen yang dapat menerangkan kesepuluh
variabel awal/asal tersebut. K buah faktor/komponen utama dapat mewakili p buah
variabel aslinya sehingga lebih sederhana .
2.9
Langkah-langkah Analisis Faktor
Universitas Sumatera Utara
2.9.1
Tabulasi Data
Data yang telah diperoleh dari penyusunan serta penyebaran kuesioner di tempat
yang telah ditentukan, kemudian data-data ini dikumpulkan serta ditabulasikan
pada kolom-kolom agar mempermudah untuk dikonversi pada software yang akan
digunakan.
2.9.2
Pembentukan Matriks Korelasi
Matriks korelasi adalah matriks yang menunjukkan korelasi sederhana (r) antara
seluruh kemungkinan pasangan variabel yang dilibatkan kedalam analisis. Nilai
atau angka pada diagonal utama semuanya sama yaitu 1. Jika banyak variabel
sebanyak n maka terdapat matriks n x n sebagai berikut:
…
…
= [
…
]
(2.5)
Dalam tahap ini, ada dua hal yang perlu dilakukan agar analisis faktor dapat
dilaksanakan yaitu:
a. Penentukan besaran nilai Barlett Test of Sphericity, yaitu suatu uji statistik yang
dipergunakan untuk menguji hipotesis bahwa variabel tidak saling berkorelasi
(uncorrelated) dalam populasi. Dengan kata lain, matriks korelasi populasi
merupakan matriks identitas (identity matrix), setiap variabel berkorelasi dengan
dirinya sendiri secara sempurna dengan (r = 1) akan tetapi sama sekali tidak
berkorelasi dengan lainnya (r = 0).
Statistik uji Bartlett’s Test of Sphericity (Hardius dan Nurdin, 2013:35), adalah:
= −[
−
−
+
] ln | |
dengan derajat kebebasan (degree of freedom) df =
(2.6)
−
keterangan :
: Jumlah observasi
: Jumlah variabel
| | : Determinan matriks korelasi
Universitas Sumatera Utara
1. Penentuan Keiser-Meyesr-Olkin (KMO) Measure of Sampling Adequacy,
yang digunakan untuk mengukur kecukupan sampel dengan cara
membandingkan besarnya koefisien korelasi yang diamati dengan koefisien
korelasi parsialnya (Hardius dan Nurdin, 2013:38).
�
=
�
�
∑= ∑ ≠
�
�
�
�
∑= ∑ ≠
+∑ = ∑ ≠
(2.7)
keterangan:
rij
: Koefisien korelasi sederhana antara ke-i dan ke-j.
aij
: Koefisien korelasi parsial antara variabel ke-i dan ke-j.
i
: 1,2,3,...,p dan j = 1,2,3,...,p
MSA digunakan untuk mengukur kecukupan sampel.
keterangan:
p
�=
�
�
∑= ∑ ≠
�
�
∑=
+∑ =
(2.8)
: Jumlah variabel
: Kuadrat matriks korelasi sederhana
: Kuadrat matriks korelasi parsial.
i
: 1,2,3,...,p dan j = 1,2,3...,p
Kriteria kesesuaian dalam pemakaian analisis faktor adalah:
1. Jika harga KMO sebesar 0,9 berarti sangat memuaskan
2. Jika harga KMO sebesar 0,8 berarti memuaskan
3. Jika harga KMO sebesar 0,7 berarti harga menengah
4. Jika harga KMO sebesar 0,6 berarti cukup
5. Jika harga KMO sebesar 0,5 berarti kurang memuaskan
6. Jika harga KMO kurang dari 0,5 tidak dapat diterima
Angka MSA bekisar antara 0 sampai dengan 1, dengan kriteria yang
digunakan untuk intepretasi adalah sebagai berikut:
Universitas Sumatera Utara
1. Jika MSA = 1 maka variabel tersebut dapat diprediksi tanpa kesalahan oleh
variabel yang lainnya.
2. Jika MSA lebih besar dari setengah 0,5 maka variabel tersebut masih dapat
diprediksi dan bisa dianalisis lebih lanjut.
Jika MSA lebih kecil dari 0,5 dan atau mendekati nol (0), maka variabel
tersebut tidak dapat dianalisis lebih lanjut, atau dikeluarkan dari variabel lainnya.
2.9.3 Ekstraksi Faktor
Pada tahap ini, akan dilakukan proses inti dari analisis faktor, yaitu melakukan
ekstrasi terhadap sekumpulan variabel yang ada KMO>0,5 sehingga terbentuk satu
atau lebih faktor. Metode yang digunakan untuk maksud ini adalah Principal
Component Analysis dan rotasi faktor dengan metode Varimax (bagian dari
orthogonal).
Setelah sejumlah variabel terpilih, maka dilakukan ekstrasi variabel tersebut
sehingga menjadi beberapa faktor. Setelah memproses variabel-variabel yang
layak, maka dengan program SPSS versi 22 akan diperoleh nilai hasil statistik yang
menjadi indikator utama yaitu tabel communalities, tabel Total Variance Explained,
Grafik Scree Plot, tabel component matrix dan tabel rotated component matrix.
Tabel Communalities merupakan tabel yang menunjukkan persentase
variansi dari tiap variabel yang dapat dijelaskan oleh faktor yang terbentuk.Nilai
yang dilihat adalah extraction yang terdapat pada tabel communalities.Makin kecil
nilainya, makin lemah hubungan antara variabel yang terbentuk. Perhitungan
communality setiap variabel dengan persamaan:
ℎ� =
+
+
+
(2.9)
Universitas Sumatera Utara
keterangan:
ℎ�
= communality variabel ke-i
= Nilai faktor Loading
Communality adalah jumlah varian yang disumbangkan oleh suatu variabel
dengan seluruh variabel lainnya dalam analisis. Bisa juga disebut proporsi atau
bagian varian yang dijelaskan oleh common faktor atau besarnya sumbangan suatu
faktor terhadap varian seluruh variabel.
Tabel Total Variance Explained, menunjukkan persentase variance yang
dapat dijelaskan oleh faktor secara keseluruhan. Nilai yang menjadi indikatornya
eigenvalues yang telah mengalami proses ekstrasi. Pada tabel akan tercantum nilai
extraction sum of square loading. Hal ini disebabkan nilai eigenvalues tidak lain
merupakan jumlah kuadrat dari faktor loading dari setiap variabel yang termasuk
ke dalam faktor. Factor Loading ini merupakan nilai yang menghubungkan faktorfaktor dengan variabel-variabel.Variabel yang masuk ke dalam faktor adalah yang
nilainya lebih dari satu ( ≥ ). Dari sini akan terlihat pula jumlah faktor yang akan
terbentuk.
Grafik Scree Plot menggambarkan tampilan grafik dari tabel Total Variance
Explained. Grafik ini sebenarnya menunjukkan peralihan dari satu faktor ke faktor
lainnya garis menurun disepanjang sumbu y. Sumbu x menunjukkan jumlah
komponen faktor yang terbentuk, sedangkan sumbu y menunjukkan nilai
eigenvalues.
Tabel component matrix menunjukkan kategori variabel-variabel ke dalam
komponen faktor, atau dengan kata lain menunjukkan distribusi variabel-variabel
pada faktor yang terbentuk. Bila yang dijadikan acuan adalah nilai faktor loading
yang ada dalam tabel, dimana nilai lebih besar menunjukkan korelasi yang cukup
kuat antara variabel-variabel tersebut dengan komponen faktor. Jumlah jasa kuadrat
faktor loading dari tiap variabel tidak lain merupakan nilai extraction untuk tiap
variabel yang tercantum dalam tabel communalities.
Universitas Sumatera Utara
2.9.4
Rotasi Faktor
Pada rotasi faktor, matrik faktor ditransformasikan ke dalam matrik yang lebih
sederhana, sehingga lebih mudah diinterpretasikan. Dalam analisis ini rotasi faktor
dilakukan dengan metode rotasi varimax. Hasil dari rotasi ini terlihat pada tabel
Rotated Component Matrix, dimana dengan metode ini nilai total variansi dari tiap
variabel yang ada di tabel component matriks tidak berubah. Yang berubah
hanyalah komposisi dari nilai faktor Loading dari tiap variabel. Interpretasi hasil
dilakukan dengan melihat Faktor Loading.
Faktor Loading adalah angka yang menunjukkan besarnya korelasi antara
suatu variabel dengan faktor satu, faktor dua, faktor tiga, faktor empat atau faktor
lima yang terbentuk. Proses penentuan variabel mana akan masuk ke faktor yang
mana, dilakukan dengan melakukan perbandingan besar korelasi pada setiap baris
di dalam setiap tabel.
Dalam penelitian ini digunakan metode Varimax, karena bertujuan untuk
mengekstraksi sejumlah variabel menjadi beberapa faktor. Selain itu metode ini
menghasilkan struktur relatif lebih sederhana dan mudah diinterpretasikan.
2.9.5
Penamaan Faktor
Pada tahap ini akan diberikan nama-nama faktor yang telah terbentuk berdasarkan
factor loading suatu variabel terhadap faktor terbentuknya. Setelah tahapan
pemberian nama faktor terbentuk.
Universitas Sumatera Utara
LANDASAN TEORI
2.1 Variabel
Variabel adalah konsep yang mempunyai bermacam-macam nilai. Dengan
demikian,variabel adalah merupakan objek yang berbentuk apa saja yang
ditentukan oleh peneliti dengan tujuan untuk memperoleh informasi agar bisa
ditarik suatu kesimpulan. Secara teori, definisi variabel penelitian adalah
merupakan suatu objek, atau sifat, atau atribut atau nilai dari orang, atau kegiatan
yang mempunyai bermacam-macam variasi antara satu dengan lainnya yang
ditetapkan oleh peneliti dengan tujuan untuk dipelajari dan ditarik kesimpula.
Variabel merupakan suatu istilah yang berasal dari kata vary dan able yang
berarti ‘berubah’ dan ‘dapat’. Jadi kata variabel berarti dapat berubah. Oleh sebab
itu, setiap variabel dapat diberi nilai dan nilai itu berubah-ubah. Nilai itu berupa
nilai kuantitatif maupun kualitatif. Dilihat dari segi nilainya, variabel dibedakan
menjadi dua, yaitu variabel diskrit dan variabel kontinu. Variabel diskrit nilai
kuantitatifnya selalu berupa bilangan bulat. Variabel kontinu nilai kuantitatifnya
bisa berupa pecahan.
Menurut hubungan antara suatu variabel dengan variabel lainnya, variabel
terbagi atas beberapa yaitu:
1. Variabel Dependen
Variabel dependen dalam bahasa Indonesia sering disebut sebagai
peubah tak bebas, variabel output, kriteria, atau konsekuen. Variabel ini
juga sering disebut sebagai variabel terikat. Variabel terikat atau peubah
tak bebas ini merupakan variabel yang dipengaruhi atau yang menjadi
akibat, karena adanya variabel sebab atau peubah bebas.
2. Variabel Independen
Variabel independen atau variabel bebas, atau peubah bebas sering juga
disebut dengan variabel stimulus atau predictor, atau variabel
antecedent. Jika diterjemahkan dalam bahasa Indonesia, variabel
Universitas Sumatera Utara
independen disebut juga sebagai peubah bebas. Peubah bebas ini adalah
merupakan peubah yang mempengaruhi atau yang menjadi sebab
terjadinya perubahan terhadap peubah tak bebas. Atau yang
menyebabkan terjadinya variasi bagi peubah tak bebas (variabel
dependen).
2.2 Data
Data merupakan sejumlah informasi yang dapat memberikan gambaran tentang
sesuatu keadaan. Informasi yang diperoleh memberikan keterangan, gambaran, atau
fakta mengenai suatu persoalan dalam bentuk kategori, huruf, atau bilangan. Data
digunakan untuk menyediakan informasi bagi suatu penelitian, pengukuran kinerja,
dasar pembuatan keputusan dan menjawab rasa ingin tahu.
Jenis-jenis data berdasarkan cara memperolehnya yaitu:
1. Data primer
Data primer merupakan data yang didapat dari sumber pertama, baik dari
individu atau perseorangan seperti hasil wawancara atau pengisian kuisioner
yang biasa dilakukan oleh peneliti. Biasanya data primer, peneliti melakukan
observasi sendiri baik di lapangan maupun di laboratorium.
2. Data sekunder
Data sekunder merupakan data primer yang diperoleh oleh pihak lain atau data
primer yang telah diolah lebih lanjut dan disajikan baik oleh pengumpul data
primer atau pihak lain yang pada umumnya disajikan dalam bentuk tabel-tabel
atau diagram-diagram. (Sugiarto, dkk, 2001).
2.3 Skala Pengukuran
Teknik pengukuran data yang digunakan adalah attitude scales, yaitu suatu
kumpulan alat pengukuran yang mengukur tanggapan individu terhadap suatu objek
atau fenomena.
Berdasarkan skala pengukurannya data dibedakan menjadi 4 macam, yaitu:
1. Skala Nominal
Misalnya: jenis kelamin, agama, dan sebagainya. Sering juga data nominal diberi
simbol bilangan saja. Misalnya: laki-laki diberi nilai 1, perempuan diberi nilai 2.
Universitas Sumatera Utara
2. Skala Ordinal
Data yang diukur menggunakan ordinal selain mempunyai ciri nominal, juga
mempunyai ciri berbentuk peringkat atau jenjang. Misalnya tingkat pendidikan
nilai ujian (dalam huruf).
3. Skala Interval
Data yang diukur menggunakan skala interval selain mempunyai ciri nominal
dan ordinal, juga mempunyai ciri interval yang sama.
4. Skala Rasio
Skala rasio ini selain mempunyai ketiga ciri dan skala pengukuran diatas, juga
mempunyai nilai nol yang bersifat mutlak. Misalnya: umur, berat sesuatu,
pendapatan, dan sebagainya.
2.4 Teknik Sampling
Teknik sampling adalah suatu cara untuk menentukan banyaknya sampel dan
pemilihan calon anggota sampel, sehingga setiap sampel yang terpilih dalam
penelitian dapat mewakili populasinya (representatif) baik dari aspek jumlah
maupun dari aspek karakteristik yang dimiliki populasi. Sampling adalah proses
pemilihan sejumlah elemen dari populasi sehingga dengan meneliti dan memahami
karakteristik sampel dapat digeneralisir untuk karakteristik populasi. Jarang sekali
suatu penelitian dilakukan dengan cara memeriksa semua objek yang diteliti
(sensus), tetapi sering digunakan sampling (Sugiarto, 2001), alasannya adalah:
1. Biaya, waktu dan tenaga untuk menyelidiki melalui sensus.
2. Populasi yang berukuran besar selain sulit untuk dikumpulkan, dicatat dan
dianalisis, juga biasanya akan menghasilkan informasi yang kurang teliti.
Dengan cara sampling jumlah objek yang harus diteliti menjadi lebih kecil,
sehingga lebih terpusat perhatiannya.
3. Percobaan-percobaan yang berbahaya atau bersifat merusak hanya cocok
dilakukan dengan sampling.
Universitas Sumatera Utara
Keuntungan dengan menggunakan teknik sampling antara lain adalah
mengurangi ongkos, mempercepat waktu penelitian dan dapat memperbesar ruang
lingkup penelitian (Sugiarto, 2001). Metode pengambilan sampel yang ideal
memiliki sifat-sifat sebagai berikut:
1. Dapat menghasilkan gambaran yang dapat dipercaya dari seluruh populasi yang
diteliti.
2. Dapat
menentukan
ketepatan
hasil
penelitian
dengan
menentukan
penyimpangan baku dari taksiran yang diperoleh.
3. Sederhana dan mudah diperoleh.
4. Dapat memberikan keterangan sebanyak mungkin dengan biaya serendah
mungkin.
Dalam menentukan besarnya sampel dalam suatu penelitian, ada empat
faktor yang harus dipertimbangkan yaitu:
1. Derajat keseragaman populasi.
2. Ketepatan yang dikehendaki dari penelitian.
3. Rencana analisis.
4. Tenaga, biaya dan waktu.
Teknik sampling dapat dikelompokkan menjadi dua, yaitu:
1. Probability sampling, meliputi:
a. Simple random sampling (populasi homogen) yaitu pengambilan sampel
dilakukan secara acak tanpa memperhatikan strata yang ada. Teknik ini hanya
digunakan jika populasinya homogen.
b. Proportionale stratifiled random sampling (populasi tidak homogen) yaitu
pengambilan sampel dilakukan secara acak dengan memperhatikan strata
yang ada, artinya setiap strata terwakili sesuai proporsinya.
c. Disproportionate stratifiled random sampling yaitu teknik ini digunakan
untuk menentukan jumlah sampel dengan populasi berstrata tetapi kurang
proporsional, artinya ada beberapa kelompok strata yang ukurannya kecil
sekali.
Universitas Sumatera Utara
d. Cluster sampling (sampling daerah) yaitu teknik ini digunakan untuk
menentukan jumlah sampel jika sumber data sangat luas. Pengambilan
sampel didasarkan daerah populasi yang telah ditetapkan.
2. Non probability sampling, meliputi: sampling sistematis, sampling kuota,
sampling incidental, purposive sampling, sampling jenuh, dan snowball
sampling.
2.5 Metode Pengambilan Sampel
2.5.1
Angket atau kuesioner
Angket atau kuesioner adalah sejumlah pertanyaan tertulis yang digunakan untuk
memperoleh informasi dari responden dalam arti laporan tentang pribadinya atau
hal-hal yang ia ketahui. Metode kuesioner ini digunakan untuk memperoleh
informasi atau keterangan responden mengenai analisis faktor yang mempengaruhi
mahasiswa dalam keputusan pembelian smartphone.
Kuesioner yang digunakan adalah angket tertutup yaitu kuesioner yang
sudah disediakan jawabannya, sehingga responden tinggal memilih jawabannya
saja (Arikunto, 2006:152).
Untuk tiap pertanyaan terdiri atas 5 alternatif jawaban dengan skor:
a. Nilai 1 = STS
(Sangat Tidak Setuju)
b. Nilai 2 = TS
(Tidak Setuju)
c. Nilai 3 = KS
(Kurang Setuju)
d. Nilai 4 = S
(Setuju)
e. Nilai 5 = SS
(Sangat Setuju)
2.5.2
Observasi
Observasi adalah memperhatikan segala sesuatu atau pemuatan perhatian
terhadap sesuatu objek dengan menggunakan seluruh alat indra melalui
penglihatan, penciuman, pendengaran, peraba dan pengecap, dimana sering disebut
pengamatan. Penelitian observasi ini dapat dilakukan dengan tes, kuesioner,
rekaman gambar, rekaman suara dan sebagainya (Arikunto, 2006:156-157).
Dalam penelitian ini metode pengambilan sampel yang digunakan adalah
Proportionale stratifiled random sampling (populasi tidak homogen) yaitu
Universitas Sumatera Utara
pengambilan sampel dilakukan secara acak dengan memperhatikan strata yang ada.
Artinya setiap strata terwakili sesuai proporsinya.
Jumlah sampel menggunakan rumus Slovin:
=
keterangan :
n
: Jumlah sampel
N
: Populasi
e
: Perkiraan tingkat kesalahan
�
(2.1)
+�
2.6 Analisis Data
2.6.1
Uji Validitas
Validitas merupakan alat ukur untuk melihat atau mengetahui apakah kuesioner
dapat digunakan untuk mengukur keadaan responden sebenarnya. Untuk menguji
validitas keadaan responden digunakan rumus korelasi Product Moment Pearsons,
yaitu:
=
keterangan:
: Koefisien
√{ ∑
∑
− ∑
− ∑ .∑
}{ ∑
− ∑
(2.2)
Korelasi antar variabel X dan variabel Y
: Nilai Pertanyaan dari Variabel
: Jumlah Total dari nilai X
n
: Jumlah Respnden
Untuk melakukan uji validitas secara manual dalam penelitian ini
menggunakan tabel t-student untuk menghitung
dengan menggunakan nilai
α = 10% (0,1). Dalam penelitian ini diperoleh dari rumus validitas terbagi atas
empat macam, yaitu:
a. Validitas Isi (Content Validity)
Sebuah tes dikatakan memiliki validitas isi apabila mengukur tujuan khusus
tertentu yang sejajar dengan materi atau isi pelajaran yang diberikan.
Misalnya seorang peneliti ingin mengukur bagaimana persepsi konsumen
terhadap suatu produk.
Universitas Sumatera Utara
b. Validitas Konstruk (Construct Validity)
Sebuah tes dikatakan memiliki validitas konstruksi apabila butir-butir soal
yang membangun tes tersebut mengukur setiap aspek berpikir seperti yang
disebutkan dalam tujuan instruksional khusus.
c. Validitas “ada sekarang” (Concurrent Validity)
Validitas ini lebih umum dikenal dengan validitas empiris. Sebuah tes
dikatakan memiliiki validitas empiris jika hasilnya sesuai dengan
pengalaman.Misalnya seorang guru ingin mengetahui apakah tes sumatif
yang disusun sudah valid atau belum.
d. Validitas Prediksi (Predictive Validity)
Memprediksi artinya meramal, dan meramal selalu mengenai hal yang akan
datang, sehingga sekarang ini belum terjadi. Sebuah tes dikatakan memiliki
validitas prediksi apabila mempunyai kemampuan untuk meramalkan apa
yang akan terjadi pada masa yang akan datang.
2.6.2
Uji Reliabilitas
Realibilitas merupakan indeks yang menunjukkan sejauh mana suatu alat ukur
dapat dipercaya atau dapat diandalkan. Pengukuran yang memiliki realibilitas
tinggi disebut sebagai pengukuran yang reliabel.
Nilai Cronbach Alpha diperoleh dengan menggunakan rumus sebagai
berikut:
keterangan:
α
�=
−
−
∑�
(2.3)
��
: nilai koefisien Cronbach Alpha
: banyaknya variabel penelitian
∑
: jumlah varians skor total
: varians skor masing masing item
Adapun teknik perhitungan reliabel ada beberapa cara, yaitu sebagai berikut:
a. Teknik Pengukuran Ulang (Testretest)
Teknik ini meminta kepada responden yang sama untuk menjawab pertanyaan
dalam alat pengukuran sebanyak dua kali. Caranya perhitungannya adalah
Universitas Sumatera Utara
dengan mengkorelasikan jawaban pada wawancara pertama dengan jawaban
pada wawancara kedua.
b. Teknik Belah Dua
Untuk menggunakan teknik belah dua sebagai cara menghitung reliabilitas
alat pengukur, maka alat pengukur yang disusun harus memiliki cukup banyak
item pertanyaan yang mengukur aspek yang sama.
c. Teknik Bentuk Paralel
Perhitungan reliabilitas dilakukan dengan membuat dua jenis alat pengukur
yang mengukur aspek yang sama. Kedua alat ukur tersebut diberikan pada
responden yang sama, kemudian dicari validitasnya untuk masing-masing
jenis.
d. Internal Consistency Reliability
Internal consistency reliability berisi tentang sejauh mana item-item instrumen
bersifat homogen dan mencerminkan konstruk yang sama sesuai dengan yang
melandasinya. Suatu variabel dikatakan reliabel jika memberikan nilai
cronbach alpha > 0,60 atau nilai cronbach alpha > 0,80 (Husnaini Usman,
2003).
2.7 Transformasi Data Ordinal Menjadi Interval
Proses transformasi merupakan upaya yang dilakukan untuk merubah data ordinal
menjadi data interval misalnya analisis faktor dimana variabel bebasnya harus
berskala interval. Data ordinal yang ditransformasikan menjadi data interval adalah
data penelitian yang diperoleh menggunakan instrumen berupa angket yang
memiliki jawaban berupa skala likert. Cara melakukan proses transformasi data
ordinal menjadi data interval menggunakan MSI (Method of Successive Interval),
(Jonathn Sarwono, 2013:265). Adapun langkahnya sebagai berikut:
1. Mencari F (Frekuensi) jawaban responden.
2. Setiap frekuensi dibagi dengan banyaknya responden dan hasilnya disebut
proporsi.
3. Menentukan nilai proporsi kumulatif dengan menjumlahkan nilai proporsi
berurutan perkolom skor.
4. Menghitung nilai Z untuk setiap proporsi dengan menggunakan tabel distribusi
normal.
Universitas Sumatera Utara
5. Menentukan nilai densitas untuk setiap nilai Z yang diperoleh dengan
menggunakan tabel densitas.
6. Menentukan SV (Scale Value = nilai skala) dengan rumus sebagai berikut:
=
�
� � −
� � −
�
� �
� �
keterangan:
SV
= interval rata-rata
Density at lower limit
= kepadatan batas bawah
Density at upper limit
= kepadatan batas atas
Area below upper limit
= daerah dibawah batas bawah
Area below lower limit
= Daerah diatas batas bawah
7. Menentukan nilai transformasi dengan rumus:
keterangan:
=
+|
|
: Nilai hasil Penskalaan akhir
: Nilai Skala
|
i
|
: Nilai Skala minimum
2.8 Analisis Faktor
Menurut J. Supranto (2004), analisis faktor merupakan teknik statistika yang
utamanya dipergunakan untuk mereduksi atau meringkas data dari variabel yang
banyak diubah menjadi sedikit variabel, misalnya dari 15 variabel yang lama diubah
menjadi 4 atau 5 variabel yang baru yang disebut faktor dan masih memuat sebagian
besar informasi yang terkandung dalam variabel asli (original variable).
Dalam analisis faktor tidak ada variabel dependen dan independen, proses
analisis faktor sendiri mencoba menemukan hubungan (interrelationship) antara
sejumlah variabel yang saling dependen dengan yang lain sehingga bisa dibuat satu
atau beberapa kumpulan variabel yang lebih sedikit dari jumlah awal. Analisis
faktor digunakan di dalam situasi sebagai berikut:
Universitas Sumatera Utara
a. Mengenali atau mengidentifikasi dimensi yang mendasari (underlying
dimensions) atau faktor yang menjelaskan korelasi antara suatu set variabel.
b. Mengenali dan mengidentifikasi suatu set variabel baru yang tidak berkorelasi
(independent) yang lebih sedikit jumlahnya untuk menggantikan suatu set
variabel asli yang saling berkorelasi di dalam analisis multivariat selanjutnya.
c. Mengenali atau mengidentifikasi suatu set variabel yang penting dari suatu set
variabel yang lebih banyak jumlahnya untuk dipergunakan di dalam analisis
multivariat selanjutnya.
Faktor yang tidak berkorelasi dengan sesama faktor dan juga tidak
berkorelasi dengan common factor. Common factor sendiri bisa dinyatakan sebagai
kombinasi linier dari variabel-variabel yang terlihat/terobservasi (the observed
variables) hasil penelitian lapangan.
� =
keterangan:
+
+
+
+
(2.4)
i
: 1, 2, 3, ..., k
k
: Banyaknya variabel.
�
: Perkiraan faktor ke-i (didasarkan pada nilai variabel X
dengan koefisiennya Wi).
: Timbangan/bobot atau koefisien nilai faktor ke-i.
: Variabel ke
yang sudah dibakukan (standardized).
Menurut Johnson dan Wichern (1982), Secara umum analisis faktor atau
analisis
komponen
utama
bertujuan
untuk
mereduksi
data
dan
menginterprestasikannya sebagai suatu variabel baru yang berupa variabel
bentukan. Andaikan dari p buah variabel awal/asal terbentuk k buah
faktor/komponen di mana k < p, misalkan dari sejumlah variabel p sebanyak 10
variabel terbentuk k = 2 buah faktor/komponen yang dapat menerangkan kesepuluh
variabel awal/asal tersebut. K buah faktor/komponen utama dapat mewakili p buah
variabel aslinya sehingga lebih sederhana .
2.9
Langkah-langkah Analisis Faktor
Universitas Sumatera Utara
2.9.1
Tabulasi Data
Data yang telah diperoleh dari penyusunan serta penyebaran kuesioner di tempat
yang telah ditentukan, kemudian data-data ini dikumpulkan serta ditabulasikan
pada kolom-kolom agar mempermudah untuk dikonversi pada software yang akan
digunakan.
2.9.2
Pembentukan Matriks Korelasi
Matriks korelasi adalah matriks yang menunjukkan korelasi sederhana (r) antara
seluruh kemungkinan pasangan variabel yang dilibatkan kedalam analisis. Nilai
atau angka pada diagonal utama semuanya sama yaitu 1. Jika banyak variabel
sebanyak n maka terdapat matriks n x n sebagai berikut:
…
…
= [
…
]
(2.5)
Dalam tahap ini, ada dua hal yang perlu dilakukan agar analisis faktor dapat
dilaksanakan yaitu:
a. Penentukan besaran nilai Barlett Test of Sphericity, yaitu suatu uji statistik yang
dipergunakan untuk menguji hipotesis bahwa variabel tidak saling berkorelasi
(uncorrelated) dalam populasi. Dengan kata lain, matriks korelasi populasi
merupakan matriks identitas (identity matrix), setiap variabel berkorelasi dengan
dirinya sendiri secara sempurna dengan (r = 1) akan tetapi sama sekali tidak
berkorelasi dengan lainnya (r = 0).
Statistik uji Bartlett’s Test of Sphericity (Hardius dan Nurdin, 2013:35), adalah:
= −[
−
−
+
] ln | |
dengan derajat kebebasan (degree of freedom) df =
(2.6)
−
keterangan :
: Jumlah observasi
: Jumlah variabel
| | : Determinan matriks korelasi
Universitas Sumatera Utara
1. Penentuan Keiser-Meyesr-Olkin (KMO) Measure of Sampling Adequacy,
yang digunakan untuk mengukur kecukupan sampel dengan cara
membandingkan besarnya koefisien korelasi yang diamati dengan koefisien
korelasi parsialnya (Hardius dan Nurdin, 2013:38).
�
=
�
�
∑= ∑ ≠
�
�
�
�
∑= ∑ ≠
+∑ = ∑ ≠
(2.7)
keterangan:
rij
: Koefisien korelasi sederhana antara ke-i dan ke-j.
aij
: Koefisien korelasi parsial antara variabel ke-i dan ke-j.
i
: 1,2,3,...,p dan j = 1,2,3,...,p
MSA digunakan untuk mengukur kecukupan sampel.
keterangan:
p
�=
�
�
∑= ∑ ≠
�
�
∑=
+∑ =
(2.8)
: Jumlah variabel
: Kuadrat matriks korelasi sederhana
: Kuadrat matriks korelasi parsial.
i
: 1,2,3,...,p dan j = 1,2,3...,p
Kriteria kesesuaian dalam pemakaian analisis faktor adalah:
1. Jika harga KMO sebesar 0,9 berarti sangat memuaskan
2. Jika harga KMO sebesar 0,8 berarti memuaskan
3. Jika harga KMO sebesar 0,7 berarti harga menengah
4. Jika harga KMO sebesar 0,6 berarti cukup
5. Jika harga KMO sebesar 0,5 berarti kurang memuaskan
6. Jika harga KMO kurang dari 0,5 tidak dapat diterima
Angka MSA bekisar antara 0 sampai dengan 1, dengan kriteria yang
digunakan untuk intepretasi adalah sebagai berikut:
Universitas Sumatera Utara
1. Jika MSA = 1 maka variabel tersebut dapat diprediksi tanpa kesalahan oleh
variabel yang lainnya.
2. Jika MSA lebih besar dari setengah 0,5 maka variabel tersebut masih dapat
diprediksi dan bisa dianalisis lebih lanjut.
Jika MSA lebih kecil dari 0,5 dan atau mendekati nol (0), maka variabel
tersebut tidak dapat dianalisis lebih lanjut, atau dikeluarkan dari variabel lainnya.
2.9.3 Ekstraksi Faktor
Pada tahap ini, akan dilakukan proses inti dari analisis faktor, yaitu melakukan
ekstrasi terhadap sekumpulan variabel yang ada KMO>0,5 sehingga terbentuk satu
atau lebih faktor. Metode yang digunakan untuk maksud ini adalah Principal
Component Analysis dan rotasi faktor dengan metode Varimax (bagian dari
orthogonal).
Setelah sejumlah variabel terpilih, maka dilakukan ekstrasi variabel tersebut
sehingga menjadi beberapa faktor. Setelah memproses variabel-variabel yang
layak, maka dengan program SPSS versi 22 akan diperoleh nilai hasil statistik yang
menjadi indikator utama yaitu tabel communalities, tabel Total Variance Explained,
Grafik Scree Plot, tabel component matrix dan tabel rotated component matrix.
Tabel Communalities merupakan tabel yang menunjukkan persentase
variansi dari tiap variabel yang dapat dijelaskan oleh faktor yang terbentuk.Nilai
yang dilihat adalah extraction yang terdapat pada tabel communalities.Makin kecil
nilainya, makin lemah hubungan antara variabel yang terbentuk. Perhitungan
communality setiap variabel dengan persamaan:
ℎ� =
+
+
+
(2.9)
Universitas Sumatera Utara
keterangan:
ℎ�
= communality variabel ke-i
= Nilai faktor Loading
Communality adalah jumlah varian yang disumbangkan oleh suatu variabel
dengan seluruh variabel lainnya dalam analisis. Bisa juga disebut proporsi atau
bagian varian yang dijelaskan oleh common faktor atau besarnya sumbangan suatu
faktor terhadap varian seluruh variabel.
Tabel Total Variance Explained, menunjukkan persentase variance yang
dapat dijelaskan oleh faktor secara keseluruhan. Nilai yang menjadi indikatornya
eigenvalues yang telah mengalami proses ekstrasi. Pada tabel akan tercantum nilai
extraction sum of square loading. Hal ini disebabkan nilai eigenvalues tidak lain
merupakan jumlah kuadrat dari faktor loading dari setiap variabel yang termasuk
ke dalam faktor. Factor Loading ini merupakan nilai yang menghubungkan faktorfaktor dengan variabel-variabel.Variabel yang masuk ke dalam faktor adalah yang
nilainya lebih dari satu ( ≥ ). Dari sini akan terlihat pula jumlah faktor yang akan
terbentuk.
Grafik Scree Plot menggambarkan tampilan grafik dari tabel Total Variance
Explained. Grafik ini sebenarnya menunjukkan peralihan dari satu faktor ke faktor
lainnya garis menurun disepanjang sumbu y. Sumbu x menunjukkan jumlah
komponen faktor yang terbentuk, sedangkan sumbu y menunjukkan nilai
eigenvalues.
Tabel component matrix menunjukkan kategori variabel-variabel ke dalam
komponen faktor, atau dengan kata lain menunjukkan distribusi variabel-variabel
pada faktor yang terbentuk. Bila yang dijadikan acuan adalah nilai faktor loading
yang ada dalam tabel, dimana nilai lebih besar menunjukkan korelasi yang cukup
kuat antara variabel-variabel tersebut dengan komponen faktor. Jumlah jasa kuadrat
faktor loading dari tiap variabel tidak lain merupakan nilai extraction untuk tiap
variabel yang tercantum dalam tabel communalities.
Universitas Sumatera Utara
2.9.4
Rotasi Faktor
Pada rotasi faktor, matrik faktor ditransformasikan ke dalam matrik yang lebih
sederhana, sehingga lebih mudah diinterpretasikan. Dalam analisis ini rotasi faktor
dilakukan dengan metode rotasi varimax. Hasil dari rotasi ini terlihat pada tabel
Rotated Component Matrix, dimana dengan metode ini nilai total variansi dari tiap
variabel yang ada di tabel component matriks tidak berubah. Yang berubah
hanyalah komposisi dari nilai faktor Loading dari tiap variabel. Interpretasi hasil
dilakukan dengan melihat Faktor Loading.
Faktor Loading adalah angka yang menunjukkan besarnya korelasi antara
suatu variabel dengan faktor satu, faktor dua, faktor tiga, faktor empat atau faktor
lima yang terbentuk. Proses penentuan variabel mana akan masuk ke faktor yang
mana, dilakukan dengan melakukan perbandingan besar korelasi pada setiap baris
di dalam setiap tabel.
Dalam penelitian ini digunakan metode Varimax, karena bertujuan untuk
mengekstraksi sejumlah variabel menjadi beberapa faktor. Selain itu metode ini
menghasilkan struktur relatif lebih sederhana dan mudah diinterpretasikan.
2.9.5
Penamaan Faktor
Pada tahap ini akan diberikan nama-nama faktor yang telah terbentuk berdasarkan
factor loading suatu variabel terhadap faktor terbentuknya. Setelah tahapan
pemberian nama faktor terbentuk.
Universitas Sumatera Utara