Analisa Faktor yang Mempengaruhi Tingkat Kepuasan Pasien Terhadap Pelayanan Rumah Sakit Umum Kota Padang Sidimpuan
4
BAB 2
LANDASAN TEORI
2.1 Gambaran Umum RS Umum Padang Sidempuan
Rumah Sakit Umum Padang Sidempuan beralamat di Jl. Dr.F.L TobingPd
Sidempuan. RSU Padang Sidempuan adalah rumah sakit negeri kelas B.
Rumah sakit ini juga menampung rujukan dari rumah sakit ini juga
menampung pelayanan rujukan dari rumah sakit kabupaten. RSU ini
termasuk RSU besar dimana tempat ini tersedia 225 tempat tidur inap, lebih
banyak dibanding setiap rumah sakit di Sumatera Utara yang tersedia ratarata 80 tempat tidur inap.
Jumlah dokter yang tersedia disini sedikit dengan 31 dokter, rumah
sakit ini tersedia lebih sedikit dibanding rata-rata rumah sakit di Sumatera
Utara. Pelayanan inap termasuk kelas tinggi dimana 25 dari 225 tempat tidur
dirumah sakit ini berkelas VIP ke atas. Jumlah dokter sedikit RSU Padang
Sidempuan tersedia 31 dokter, sama dengan rumah sakit tipikal di Sumatera
Utara, tetapi 2 lebih banyak daripada rumah sakit tipikal di Sumatera.
Sebagian besar dokter umum dari 31 dokter di rumah sakit ini, 14
adalah dokter umum. Dibandingkan dengan rata-rata rumah sakit diwilayah
ini:
5 lebih banyak daripada rumah sakit tipikal di Sumatera Utara
4 lebih banyak daripada rumah sakit tipikal di Sumatera
2.2. Populasi dan Sampel
2.2.1 Populasi
Menurut Sugiono (2011:61) populasi adalah wilayah generalisasi yang
terdiri atas obyek/ subyek yang mempunyai kualitas dan karakteristik tertentu
yang ditetapkan oleh peneliti untuk dipelajari kemudian di tarik kesimpulannya.
4
Universitas Sumatera Utara
5
Populasi yang digunakan dalam penelitian ini adalah pasien RS Umum Padang
Sidempuan.
2.2.2. Sampel
Sampel adalah bagian dari jumlah dan karakteristik yang dimiliki oleh
populasi( Sugiono, 2011: 11). Pada penelitian ini, peneliti mengambil sampel
diwilayah RS Umum Padang Sidempuan. Teknik pengambilan sampel
menggunakan rumus Slovin (Umar, 2003 : 120), yaitu:
n = 1+(
. 2)
dimana :
n = jumlah elemen/anggota sampel
N = jumlah elemen/anggota populasi
e = error level (tingkat kesalahan) (catatan : umumnya digunakan
1% atau 0,01, 5% atau 0,05, dan 10% atau 0,1) catatan dapat
dipilih oleh peneliti.
Pemilihan sampel dilakukan dengan metode simple random sampling.
Menurut Sugiyono(2011 : 64) metode simple random sampling adalah
pengambilan anggota sampel dari populasi yang dilakukan secara acak tanpa
memperhatikan strata yang ada dalam populasi itu.
2.3 Variabel Penelitian
Variabel ialah sesuatu yang nilainya berubah-ubah menurut waktu atau
berbeda menurut elemen/ tempat (Supranto : 2004). Umumnya nilai karakteristik
merupakan variabel, diberi simbol huruf X. Variabel yang digunakan dalam
penelitian ini adalah skill para perawat, fasilitas, pelayanan, kelengkapan obat,
empati, dan ketanggapan.
5
Universitas Sumatera Utara
6
2.4 Jenis Sumber Data
Data merupakan komponen utama dalam statistika. Data adalah bahan
baku yang jika diolah melalui berbagai analisis dapat melahirkan informasi,
dimana dengan informasi tersebut dapat diambil suatu keputusan. Jenis dan
sumber data pada penelitian ini adalah sebagai berikut:
1. Data primer, yaitu data yang diperoleh secara langsung dari pengamatan di
RS Umum Padang Sidempuan. Kuesioner diberikan pada responden yang
merupakan pasien dari RS Umum Padang Sidempuan.
2. Data sekunder, yaitu data yang diperoleh melalui studi dokumnetasi, baik
dari buku, jurnal majalah dan situs internet yang mendukung penelitian ini.
2.5 Skala Pengukuran
Skala pengukuran suatu prosedur pemberian angka atau simbol lain
kepada sejumlah ciri suatu objek agar dapat menyatakan karakteristik angka pada
ciri tersebut. Skala pengukuran oleh S.S Steven (1976) dibagi atas 4 bagian:
a. Skala Nominal
Skala nominal adalah skala pengukuran yang paling sederhana yang
dilambangkan dengan kata-kata, huruf, simbol atau bilangan. Skala ini digunakan
untuk mengklasifikasikan objek-objek atau kejadian-kejadian kedalam kelompok
(kategori) yang terpisahuntuk menunjukan kesaman atau perbedaan ciri-ciri
tertentu dari objek yang diamati. Pada skala nominal hasil pengukurannya bisa
dibedakan tetapi tidak bisa diurutkan mana yang lebih tinggi, mana yang lebih
rendah dan mana yang lebih di kesampingkan. Skala nominal merupakan skala
yang paling rendah atau jenis pengukurannya terbatas.
Contoh: Jenis kelamin, 1= pria; 2 = wanita.
b. Skala Ordinal
Skala ordinal adalah skala pengukuran yang selain mempunyai ciri untuk
membedakan juga mempunyai ciri untuk mengurutkan pada rentang tertentu.
Dengan membedakan skala ordinal objek-objek juga dapat digolongkan dlaam
kategori tertentu. Angka atau huruf yang diberikan mengandung tingkatan,
6
Universitas Sumatera Utara
7
sehingga dari kelompok terbentuk dapat dibuat peringkat yang menyatakan
hubungan lebih dari atau kurang dari menurut aturan penataan tertentu.
c. Skala Interval
Skala interval adalah skala pengukuran yang mengelompokkan objekobjek ke dalam kelas-kelas yang mempunyai urutan dan perbedaan dalam jarak
yang sama. Misalnya, suhu tertinggi pada bulan Maret dikota A, Kota B dan Kota
C, berturut-turut adalah 20,23,16 derajat celcius. Kita dapat membedakan dan
mengurutkan besarnya suhu di kota tersebut, sebab 1 derajat celcius menyatakan
satu unti pengukuran yang tetap.
d. Skala Rasio (Nisbah)
Skala rasio adalah skala yang mempunyai 4 ciri, yaitu membedakan,
mengurutkan, jarak yang sama, dan mempunyai titik nol tulen ( titik nol yang
berarti) sehingga dapat menghitung rasio atau perbandingan antar nilai. Semua
ciri skala interval menjadi ciri skala rasio, perbedaan antar nilai-nilai diketahui
dan bernilai tetap, kategori-kategori nilai juga bersifat lepas. Hanya saja skala
rasio mempunyai titik nol yang berarti dan rasio(perbandingan) antar dua nilai
juga berarti.
Misalnya, Pak Anto mempunyai uang nol rupiah, artinya Pak Anto tidak
mempunyai uang.
2.6
Skala untuk Instrumen( Model Skala Sikap)
Bentuk-bentuk skala sikap yang sering digunakan dalam penelitian ada 5
macam, yaitu:
a. Skala Likert
Skala likert digunakan untuk mengatur sikap, pendapatan dan persepsi
seseorang atau sekelompok orang tentang kejadian atau gejala sosial. Pada
skala likert variabel yang akan diukur dijabarkan menjadi subvariabel.
Kemudian subvariabel dijabarkan lagi menjadi indikator-indikator yang
terukur ini yang mana menjadi titik tolak untuk membuat item instrumen
7
Universitas Sumatera Utara
8
yang berupa pertanyaan yang perlu dijawab responden. Setiap jawaban
dilengkapi dengankata-kata, misalnya:
Sangat setuju
=5
Setuju
=4
Ragu-ragu/ Tidak tahu
=3
Tidak Setuju
=2
Sangat Tidak Setuju
=1
b. Skala Gutman
Skala Gutman mengukur suatu dimensi saja dari suatu variabel
multidimensi. Skala Gutman adalah skala yang digunakan untuk jawaban
yang bersifat jelas (tegas) dan konsisten.
Contoh : yakin – tidak yakin, benar – salah, setuju – tidak setuju, dan
sebagainya.
c. Skala Diferensial Semantik
Berisikan serangkaian bipolar (dua kutub). Responden diminta untuk
menilai suatu objek atau konsep pada suatu skala yang mempunyai 2
ajektif yang bertentangan. Misalnya: panas-dingin, populer-tidak populer,
bagus-buruk, dan sebagainya.
d. Rating Scale
Rating scale yaitu data mentah yang didapat berupa angka kemudian
ditafsirkan dalam pengertian kualitatif.
Misalnya: ketat-longgar, lemah-kuat, positif-negatif
e. Skala Thurstone
Meminta responden untuk memilih jawaban yang ia setujui dari beberapa
pertanyaan yang menyajikan pandangan-pandangan berbeda-beda. Pada
umumnya asosiasi antara 1 sampai 9 tetapi nilai tidka diketahui oleh
responden.
2.7 Metode Pengumpulan Data
Pengumpulan data penelitian dimaksudkan sebagai pencatatan peristiwa
atau karakteristik dari sebagian peristiwa atau seluruh elemen proposal
8
Universitas Sumatera Utara
9
penelitian. Pengumpulan data penelitian dapat dilakukan berdasarkan caracara tertentu. Adapun metode pengumpulan data yang diunakan secara
umum adalah:
a. Metode dokumentasi
Adalah mencari data mengenai hal-hal atau variabel yang berupa
catatan, transkip, buku, surat kabar, majalah, prasasti, notulen rapat,
agenda dan sebagainya. Metode dokumnetasi dalam penelitian ini
digunakan untuk mengumpulkan data tentang pasien RS Umum
Padang Sidempuan.
b. Metode Angket (kuesioner)
Adalah pertayaan tertulis yang digunakan untuk memperoleh informasi
dari responden dalam arti laporan tentang pribadinya atau hal-hal yang
ia ketahui. Metode ini digunakan untuk mencari tahu atau mengenal
faktor strategi campuran pemasaran yang mepengaruhi keputusan
pasien dalam kepuasan di RS Umum Padang Sidempuan. Untuk
mengetahui
distribusi
frekuensi
masing-masing
variabel
yang
pengumpulan datanya menggunakan angket (kuesioner), setiap
indikator dari data yang dikumpulkan terlebih dahulu diklasifikasikan
dan diberi skor atau nilai yaitu:
Skor 5 jika jawaban responden sangat setuju
Skor 4 jika jawaban responden setuju
Skor 3 jika jawaban responden ragu-ragu/ tidak tahu
Skor 2 jika jawaban responden tidak setuju
Skor 1 jika jawaban responden sangat tidak setuju
3. Wawancara
Wawancara merupakan teknik pengumpulan data dalam metode survei
yang menggunakan pertanyaan secara lisan kepada subjek penelitian.
Teknik wawancara dialkukan jika peneliti memerlukan komunikasi atau
ubungan dengan responden.
9
Universitas Sumatera Utara
10
2.8 Uji Dalam Pengolahan Data
2.8.1 Uji Validitas
Validitas menunjukkan sejauh mana ketepatan dan kecermatan suatu alat
ukur dalam melakukan fungsi ukurnya. Suatu test atau instrumen pengukur
dapat dikatakan mempunyai validitas yang tinggi apabila alat ukur tersebut
menjalankan fungsi ukurnya, atau memberikan hasil ukur yang sesuai
dengan maksud dilakukannya pengukuran tersebut. Metode yang
digunakan untuk menguji validitas adalah dengan korelasi Product
moment yang rumusnya sebagai berikut:
=
(
)−(
2 −(
)²} {
.
)
2 −(
)²
Keterangan:
= koefisien korelasi
X = skor variabel
Y= skor total
N = Jumlah sampel
Untuk menentukan valid tidaknya variabel adalah dengan cara
mengkonsultasikan hasil perhitungan koefisien korelasi dengan tabel nilai
koefisien (r) pada taraf kepercayaan 95%.
Apabila
Apabila
≥
<
→
(Ade fatma, 2007)
→
2.8.2 Uji Realibilitas
Realibilitas menunjukkan sejauh mana hasil pengukuran dapat dipercaya.
Pengukuran yang memiliki realibilitas tinggi disebut sebagai pengukuran yang
realibilitas. Metode yang digunkan untuk menguji realibilitas adalah metode
Alpha Cronbach. Variabel dikatakan realibel jika memberikan nilai alpha
10
Universitas Sumatera Utara
11
Cronbach > 0,60 (Ade Fatma, 2007). Nilai Alpha Cronbach diperoleh dengan
menggunakan rumus sebagai berikut:
=
Keterangan:
−1
�2
1− 2
�
r = nilai (koefisien) Alpha Cronbach
k = banyaknya variabel penelitian
� 2 = jumlah varians variabel penelitian
� 2 = varians total
2.9 Analisis Faktor
2.9.1 Pengertian Analisis Faktor
Analisis faktor adalah sebuah analisa yang mensyaratkan adanya
keterkaitan antar variabel. Pada prinsipnya analisis faktor menyederhanakan
hubungan yang beragam dan kompleks pada variabel yang diamati dengan
menyatukan faktor atau dimensi yang saling berhubungan atau mempunyai
korelasi pada suatu struktur data yang baru yang mempunyai set faktor lebih kecil.
Data-data yang dimasukkan pada umumnya data metrik dan terdiri dari variabelvariabel dengan jumlah besar.
Analisis faktor dapat digunakan di dalam situasi sebagai berikut:
1. Mengenali atau mengidentifikasi dimenesi yang mendasari ( underlying
dimensions) atau faktor, yang menjelaskan korelasi antara suatu set
variabel.
2. Mengenali atau mengidentifikasi suatu set variabel baru yang tidak
berkorelasi
(independent)
ysng
lebih
sedikit
jumlahnya
untuk
menggantikan suatu set variabel asli yang saling di dalam analisis
11
Universitas Sumatera Utara
12
multivariate selanjutnya. Misalnya analisis regresi berganda dan analisis
diskriminan.
3. Mengenali atau mengidentifikasi suatu set variabel yang penting dari suatu
set variabel yang lebih banyak jumlahnya untuk dipergunakan di dalam
analisi multivariate selanjutnya.
2.9.2 Model Analisis Faktor
Secara matematis, analisis faktor hampir sama dengan analisis regresi.
Yaitu dalam bentuk fungsi linear. Jumlah varians yang dikotribusi dari sebuah
variabel dengan seluruh variabel lainnya lbih dikelompokkan sebagai komunitas.
Kovarians diantara variabel dijelaskan terbatas dalam sejumlah komponen kecil
ditambah sebuha faktor unnik untuk setiap variabel. Faktor-faktor tersebut tidak
secara eksplisit diamati. Jika variabel distandarisasi, maka model analisis faktor
dapat ditulis sebagai berikut:
=
1 �1
Dimana :
+
2 �2
+
3 �2
+⋯+
� + ⋯+
� +
= Variabel ke i yang dibakukan
= Koefisien regresi yang dibakukan untuk variabel i pada komponen faktor j
� = Komponen faktor ke j
= Koefisien regresi yang dibakukan untuk variabel ke-i pada faktor yang unik
ke-i
µ = Faktor unik variabel ke-i
M = Banyaknya komponen faktor
Faktor yang unik tidak berkolerasi dengan sesama faktor yang unik dan
juga tidak berkorelasi dengan komponen faktor. Komponen faktor sendiri bisa
12
Universitas Sumatera Utara
13
dinyatakan sebagai kombinasi linier dari variabel-variabel yang terlihat/
terobservasi hasil penelitian lapangan.
� =
1
1
+
2 2
+
3 3
Dimana :
+ ⋯+
� = Perkiraan faktor ke i (didasarkan pada nilai variabel
)
= Koefisien nilai faktor ke i
= Banyaknya variabel
2.9.3 Statistik yang Berkaitan Dengan Analisis Faktor
Statistik yang berkaitan dengan faktor adalah :
a. Barlett’s test of sphericity
Barlett’s test of sphericity adalah uji statistik yang digunakan untuk menguji
hipotesis yang mengatakan bahwa variabel-variabel tersebut tidak berkorelasi
dalam populasinya. Dengan kata lain, matriks korelasi populasi adalah sebuah
matriks identitas, dimana setiap variabel berkorelasi dengan variabel itu sendiri.
(r=1), tetapi tidak berkorelasi dengan variabel lainnya (r=0).
Statistik uji barlett adalah sebagai berikut :
2
= −
−1 −
2 +5
6
1 | |
Dengan derajat kebebasan (degree of freedom) df =
Keterangan :
= ( − 1)/2
= jumlah observasi
= jumlah variabel
| | = determinan matriks korelasi
13
Universitas Sumatera Utara
14
b. Correlation matrix (Matriks Korelasi)
Matriks korelasi adalah matriks yang menunjukan korelasi sederhana (r) antara
seleruh kemungkinan pasangan variabel yang dilibatkan dalam analisis. Nilai atau
seluruh kemungkinan pasangan variabel yang dilibatkan dalam analisis. Nilai atau
angka pada diagonal utama semuanya sama yaitu 1. Jadi kalau ada 3 atau 4
variabel, bentuk matriks korelasi menjadi :
n=3→
n=4→
1
12
13
21
1
23
31
32
1
1
12
13
14
21
1
23
24
32
1
31
41
42
43
34
1
c. Communality(Komunitas)
Komunalitas adalah jumlah varian yang dikontribusi dari sebuah variabel dengan
seluruh variabel lainnya dalam analisis. Ini juga merupakan proporsi dari varians
yang diterangkan oleh komponen faktor.
Dimana :
ℎ = �21 + �22 + ⋯ + �2
ℎ = communality variabel ke-i ; i = 1,2,3,...m.
� = nilai factor loading
d. Eigenvalue (Nilai Eigen)
Nilai eigen merupakan jumlah varians yang dijelaskan oleh setiap fator-faktor
yang mempunyai nilai eigenvalue > 1, maka faktor tersebut akan dimasukkan ke
dalam model.
Definisi:
14
Universitas Sumatera Utara
15
Jika A adalah sebuah matrix n
n, maka sebuah vector tak nol
vector eigen (eigenvector) dari
jika
pada
disebut
adalah sebuah kelipatan skalar dari x,
jelasnya,
-�
dan
Untuk skalar sebarang λ, skalar λ disebut nilai eigen (eigenvalue) dari ,
yang terkait dengan λ. (Anton
disebut sebagai vector eigen dari
Howard,2000).
e. Factor loadings (Faktor Muatan)
Faktor muatan adalah korelasi sederhana antara variabel dengan faktor.
f. Factor Loading Plot (Plot Faktor Muatan)
Plot faktor muatan adalah suatu plot dari variabel asli dengan menggunakan factor
loading sebagai koordinat.
g. Factor Matrix (Faktor Matriks)
Matriks faktr mengandung factor loading dari seluruh variabel dalam seluruh
faktor yang dikembangkan.
h. Kaiser – Meyer – Olkin (KMO) measure of sampling adequency
Kaiser – Meyer – Olkin (KMO) merupakan suatu indeks yang digunakan untuk
menguji ketepatan analisis faktor. Nilai yang tinggi (antara 0,5 – 1,0)
mengidentifikasi analisis faktor tepat). Apabila dibawah 0,5 menunjukkan bahwa
analisis faktor tidak tepat untuk diaplikasikan.
p
=
p
p
p
2
Σi=1 Σk=1 rik
p
p
2
2
Σi=1 Σk=1 rik
+ Σi=1 Σk=1 α1k
, − 1,2, … , ;
= 1,2, … ,
15
Universitas Sumatera Utara
16
Keterangan :
= koefisien korelasi sederhana antara variabel ke- dan ke-k
� = koefisien korelasi parsial antara variabel ke- dan ke-
Measure of Sampling Adequency (MSA) yaitu suatu indeks perbandingan
antara koefisienkorelasi parsial untuk setiap untuk variabel. MSA digunakan
untuk mengukur kecukupan sampel.
i. Percentage of variance (Persentasi Varians)
Persentasi varans adalah persentase total varians yang disumbangkan oleh setiap
faktor.
j. Residuals
Residuals adalah selisih antara korelasi yang terobservasi berdasarka input
correlation matrix dan korelasi hasil reproduksi yang diestimasi dari matriks
faktor.
k. Scree plot
Scree plot adalah sebuah plot dari eigenvalue untuk menentukan banyaknya
faktor.
2.12 Langkah-langkah analaisis Faktor
Langkah-langkah dalam analisis faktr adalah sebagai berikut :
1.Merumuskan masalah
2. Membentuk matriks korelasi
3. Menentukan metode analisis faktor
4. Menentukan banyaknya faktor
5. Melakukan rotasi terhadap faktor
6. Membuat intrepretasi hasil rotasi dari faktor
7. Menentukan ketepatan model (model fit)
16
Universitas Sumatera Utara
17
1. Merumuskan Masalah
Merumuskan masalah meliputi beberapa kegiatan. pertama, tujuan analisis faktor
harus diidentifikasi. Variabel yang akan digunakan daam analisis faktor harus
dispesifikasi berdasarkan penelitian sebelumnya, teori dan pertimbangan subjektif
dari peneliti. Pengukuran variabel berdasarkan skala interval dan rasio. Besarnya
sampel harus tepat, sebagai petunjuk umum besarnya sampel paling sedikit empat
atau lima kali banyaknya variabel.
2. Membentuk matriks Korelasi
Proses nalaisis didasarkan pada suatu matriks korelasi antar variabel. Agar
analisis faktor menjadi tepat, variabel-variabel yang dikumpulkan harus
berkorelasi. Dilakukan perhitungan matriks korelasi Σ
Matriks korelasi
digunakan sebagai input analisis faktor.
3. Menghitung nilai karakteristik (eigenvalue)
Perhitungan nilai karakteristik (eigenvalue), dimana perhitungan ini berdasarkan
persamaan karakteristik :
Dengan :
det(�� − ) = 0
= matriks korelasi
� = eigenvalue
� = matriks identitas
Eigenvalue adalah jumlah varian yang dijelaskan oleh setiap faktor.
(Anton Howard, 2000)
4. Menghitung vektor karakteristik (eigenvector)
Penentuan vektor karakteristik (eigenvector) yang bersesuaian dengan nilai
karaktristik (eigenvalue), yaitu dengan persamaan :
=λ
Dengan:
=eigenvector,(Anton Howard, 2000)
5. Menentukan Banyaknya Faktor
Adalah beberapa prosedur yang dapat dipergunakan dalam menentukan
banyaknya faktor yaitu, penentuan secara
priori, penentuan berdasarkan pada
17
Universitas Sumatera Utara
18
eigenvalue, penentuan berdasarkan Scree plot, penentuan berdasarkan persentase
varians, penentuan berdasarkan Split-Half Reliabilitiy, dan penentuan berdasarkan
uji signifikan.
a. Penentuan Secara A Priori
Kadang-kadang karena adanya dasarr teori atau pengalaman sebelumnya, peneliti
sudah dapat menentukan banyak faktor yang akan diekstraksi. Hampir sebagian
besar program komputer memungkinkan peneliti untuk menentukan banayaknya
faktor yang diinginkan dengan pendekatan ini.
b. Penentuan Berdasarkan Eigenvalue
Pada pendekatan ini, hanya faktor dengan eigenvalue lebih besarnya dari satu
yang dipertahankan. Eigenvalue mempresentasikan besarnya sumbangan dari
faktor terhadap varians seluruh variabel aslinya. Hanya faktor dengan varians
lebih besar dari satu yang dimasukkan dalam model. Faktor dengan varians lebih
kecil dari satu tidak lebih dari variabel aslinya, sebab variabel yang dibakukan
(distandarisasi) yang berarti rata-ratanya nol dan divariasinya satu.
c. Penentuan Berdasarkan Scree Plot
Scree Plot merupakan plot dari nilai eigenvalue terhadap banyaknya faktor dalam
ekstraksinya. Bentuk plot yang dihasikaan digunakan untuk menentukan
banyaknya faktor. Biasanya plot akan berbeda antara slope tegak faktor, dengan
eigenvalue yang besar dan makin kecil pada sisa faktor yang tidak perlu
diekstraksi.
d. Penentuan berdasarkan Persentase Varians
Dalam pendekatan ini, banyaknya faktor yang diekstraksi ditentukan berdasarkan
persentasi kumulatif varians mencapai tingkat yang memuaskan peneliti. Tingkat
persentase
kumulatif
yang
memuaskan
peneliti
tergantung
kepada
permasalahannya. Sebagai petunjuk umum bahwa ekstraksi faktor dihentikan
kalau kumulatif persentase varians sudah mencapai paling sedikit 60% atau 75%
dari seluruh varians variabel asli.
e. Penentuan Split-Half Reliability
18
Universitas Sumatera Utara
19
Sampel dibagi menjadi dua, dan analisis faktor diaplikasikan kepada masingmasing bagian. Hanya faktor yang memiliki faktor loading tinggi antar dua bagian
itu yang akan dipertahankan.
f. Penentuan Berdasarkan Uji Signifikan
Dimungkinkan untuk menentukan signifikansi statisstik untuk eiganvalue yang
terpisah dan mempertahankan fakto-faktor yang berdasarkan uji statistik
eigenvaluenya signifikan pada α = 5% atau α = 1% . Penentuan banyaknya faktor
dengan cara ini memiliki kelemahan, khususnya pada ukuran sampe yang besar
misalnya diatas 200 responden, banyak faktor yang menunjukkan uji signifikan,
walaupun dari pendangan praktis banyak faktor yang mempunyai sumbangan
terhadap seluruh varians hanya kecil.
6. Menghitung matriks faktor loading
Matriks loading factor (Ʌ) diperoleh dengan mengalikan matriks eigenvector ( )
dengan akar dari matriks eigenvalue ( ). Atau dalam persamaan matematis ditulis
7. Melakukan Rotasi Faktor
Ʌ = � � √�
Sebuah output penting dari analisis faktor dalah matriks faktor atau disebut juga
sebagai matriks faktor pola. Matriks faktor mengandung koefisien yang digunakan
untuk mengekspresikan variabel yang dibakukan (distandarisasi) dinyatakan
dalam faktor. Koefisien-koefisien tersebut atau faktor loadings merupakan
korelasi antara faktor dengan variabelnya, Sebuah koefisien dengan nilai absolut
yang besar mengindikasikan bahwa faktor dan variabel berkorelasi kuat.
Koefisien tersebut bisa digunakan untuk menginterprestasi faktor.
Walaupun faktor awal atau unroatated factor matrix mengindikasikan
hubungan antara faktor dengan variabel individu tertentu, akan tetapi masih sulit.
Diambil kesimpulannya tentang banyaknya faktor yang bisa diekstraksi, hal ini
disebabkan karena faktor berkorelasi dengan banyaknya variabel atau sebaliknya
variabel tertentu masih banyak berkorelasi dengan banyak faktor.
Dalam merotasi faktor, diharapkan setiap faktor memiliki loading faktor
atau koefisien yang tidak nol, atau signifikan hanya untuk beberapa variabel.
Atau, diharapkan setiap variabel memiliki faktor loadings signifikan hanya
dengan sedikit faktor, atau kalau mungkin dengan sebuah faktor. Rotasi tidak
19
Universitas Sumatera Utara
20
berpengaruh terhadap komunalitas dan persentase total varians yang dijelaskan.
Namun demikian, rotasi berpengaruh terhadap persentase varians dari setiap
faktor. Beberapa metode rotasi yang bisa digunakan adalah orthogonal rotation,
varimax rotation, dan oblique rotation.
Orthogonal rotation adalah kalau sumbu dipertahankan tegak lurus
sesamanya (bersudut 90 derajat). Yang paling banyak digunakan adalah varimax
rotation, yaitu rotasi ortogonal dengan meminimumkan banyaknya variabel yang
memiliki
loadings
tinggi
pda
sebuah
faktor,
sehingga
lebih
mudah
menginterprestasikan faktor. Rotasi orotogonal menghasilkan faktor-faktor yang
tidak berkorelasi. Oblique rotation adalah jika sumbu-sumbu tidak dipertahankan
harus tegak lurus sesamanya (bersudut 90 derajat) dan faktor-faktor berkorelasi.
Kadang-kadang, mentoleransi korelasi antar fakto-faktor bisa menyederhanakan
matriks pola faktor. Oblique rotation harus dipergunakan kalau faktor dalam
populasi berkorelasi sangat kuat.
8. Interprestasi Faktor
Interprestasi dipermudah dengan mengidentifikasi variabel yang loadingnya besar
pada faktor yang sama. Faktor tersebut kemudian dapat diinterprestasikan
menurut variabel-variabel yang memiliki loading tinggi dengan faktor tersebut.
Cara lain yang bisa digunakan adalah memalui pivot variabel dengan faktor
loading sebagai koordinat. Variabel yang berada pada akhir sebuah sumbu adalah
variabel yang memiliki loading tinggi hanya pada faktor yang bersangkutan,
sehingga bisa digunakan untuk menginterprestasi faktor. Variabel yang berada di
dekat titik origin memiliki loading yang rendah terhadap kedua faktor. Variabel
yang tidak berada di dekat sumbu mengindikasi bahwa variabel tersebut
berkorelasi dengan kedua faktor. Jika sebuah faktor tidak bisa secara jelas
didefinisikan dalam batas variabel awalnya, maka disebut faktor umum.
9. Menentukan Ketetapan Model (model fit)
Langkah terakhir dalam analisis faktor adalah menentukan ketetapan model
(model fit). Asumsi dasar yang digunakan dalam analisis faktor adalah korelasi
terobservasi dapat menjadi atribut dari faktor atau komponen. Untuk itu, korelasi
terobservasi dapat direproduksi memalalui estimasi korelasi antara variabel
terhadap faktor. Selesih antara korelasi dari data observasi dengan korelasi
20
Universitas Sumatera Utara
21
reproduksi dapat digunakan dengan mengukur ketetapan model. Selesih tersebut
disebut sebagai residuals. Jika banyaj residual yang besar (residual > 0,05) berarti
model faktor yang dihasilkan tidak tepat sehingga model perlu dipertimbangkan
kembalikan.
21
Universitas Sumatera Utara
BAB 2
LANDASAN TEORI
2.1 Gambaran Umum RS Umum Padang Sidempuan
Rumah Sakit Umum Padang Sidempuan beralamat di Jl. Dr.F.L TobingPd
Sidempuan. RSU Padang Sidempuan adalah rumah sakit negeri kelas B.
Rumah sakit ini juga menampung rujukan dari rumah sakit ini juga
menampung pelayanan rujukan dari rumah sakit kabupaten. RSU ini
termasuk RSU besar dimana tempat ini tersedia 225 tempat tidur inap, lebih
banyak dibanding setiap rumah sakit di Sumatera Utara yang tersedia ratarata 80 tempat tidur inap.
Jumlah dokter yang tersedia disini sedikit dengan 31 dokter, rumah
sakit ini tersedia lebih sedikit dibanding rata-rata rumah sakit di Sumatera
Utara. Pelayanan inap termasuk kelas tinggi dimana 25 dari 225 tempat tidur
dirumah sakit ini berkelas VIP ke atas. Jumlah dokter sedikit RSU Padang
Sidempuan tersedia 31 dokter, sama dengan rumah sakit tipikal di Sumatera
Utara, tetapi 2 lebih banyak daripada rumah sakit tipikal di Sumatera.
Sebagian besar dokter umum dari 31 dokter di rumah sakit ini, 14
adalah dokter umum. Dibandingkan dengan rata-rata rumah sakit diwilayah
ini:
5 lebih banyak daripada rumah sakit tipikal di Sumatera Utara
4 lebih banyak daripada rumah sakit tipikal di Sumatera
2.2. Populasi dan Sampel
2.2.1 Populasi
Menurut Sugiono (2011:61) populasi adalah wilayah generalisasi yang
terdiri atas obyek/ subyek yang mempunyai kualitas dan karakteristik tertentu
yang ditetapkan oleh peneliti untuk dipelajari kemudian di tarik kesimpulannya.
4
Universitas Sumatera Utara
5
Populasi yang digunakan dalam penelitian ini adalah pasien RS Umum Padang
Sidempuan.
2.2.2. Sampel
Sampel adalah bagian dari jumlah dan karakteristik yang dimiliki oleh
populasi( Sugiono, 2011: 11). Pada penelitian ini, peneliti mengambil sampel
diwilayah RS Umum Padang Sidempuan. Teknik pengambilan sampel
menggunakan rumus Slovin (Umar, 2003 : 120), yaitu:
n = 1+(
. 2)
dimana :
n = jumlah elemen/anggota sampel
N = jumlah elemen/anggota populasi
e = error level (tingkat kesalahan) (catatan : umumnya digunakan
1% atau 0,01, 5% atau 0,05, dan 10% atau 0,1) catatan dapat
dipilih oleh peneliti.
Pemilihan sampel dilakukan dengan metode simple random sampling.
Menurut Sugiyono(2011 : 64) metode simple random sampling adalah
pengambilan anggota sampel dari populasi yang dilakukan secara acak tanpa
memperhatikan strata yang ada dalam populasi itu.
2.3 Variabel Penelitian
Variabel ialah sesuatu yang nilainya berubah-ubah menurut waktu atau
berbeda menurut elemen/ tempat (Supranto : 2004). Umumnya nilai karakteristik
merupakan variabel, diberi simbol huruf X. Variabel yang digunakan dalam
penelitian ini adalah skill para perawat, fasilitas, pelayanan, kelengkapan obat,
empati, dan ketanggapan.
5
Universitas Sumatera Utara
6
2.4 Jenis Sumber Data
Data merupakan komponen utama dalam statistika. Data adalah bahan
baku yang jika diolah melalui berbagai analisis dapat melahirkan informasi,
dimana dengan informasi tersebut dapat diambil suatu keputusan. Jenis dan
sumber data pada penelitian ini adalah sebagai berikut:
1. Data primer, yaitu data yang diperoleh secara langsung dari pengamatan di
RS Umum Padang Sidempuan. Kuesioner diberikan pada responden yang
merupakan pasien dari RS Umum Padang Sidempuan.
2. Data sekunder, yaitu data yang diperoleh melalui studi dokumnetasi, baik
dari buku, jurnal majalah dan situs internet yang mendukung penelitian ini.
2.5 Skala Pengukuran
Skala pengukuran suatu prosedur pemberian angka atau simbol lain
kepada sejumlah ciri suatu objek agar dapat menyatakan karakteristik angka pada
ciri tersebut. Skala pengukuran oleh S.S Steven (1976) dibagi atas 4 bagian:
a. Skala Nominal
Skala nominal adalah skala pengukuran yang paling sederhana yang
dilambangkan dengan kata-kata, huruf, simbol atau bilangan. Skala ini digunakan
untuk mengklasifikasikan objek-objek atau kejadian-kejadian kedalam kelompok
(kategori) yang terpisahuntuk menunjukan kesaman atau perbedaan ciri-ciri
tertentu dari objek yang diamati. Pada skala nominal hasil pengukurannya bisa
dibedakan tetapi tidak bisa diurutkan mana yang lebih tinggi, mana yang lebih
rendah dan mana yang lebih di kesampingkan. Skala nominal merupakan skala
yang paling rendah atau jenis pengukurannya terbatas.
Contoh: Jenis kelamin, 1= pria; 2 = wanita.
b. Skala Ordinal
Skala ordinal adalah skala pengukuran yang selain mempunyai ciri untuk
membedakan juga mempunyai ciri untuk mengurutkan pada rentang tertentu.
Dengan membedakan skala ordinal objek-objek juga dapat digolongkan dlaam
kategori tertentu. Angka atau huruf yang diberikan mengandung tingkatan,
6
Universitas Sumatera Utara
7
sehingga dari kelompok terbentuk dapat dibuat peringkat yang menyatakan
hubungan lebih dari atau kurang dari menurut aturan penataan tertentu.
c. Skala Interval
Skala interval adalah skala pengukuran yang mengelompokkan objekobjek ke dalam kelas-kelas yang mempunyai urutan dan perbedaan dalam jarak
yang sama. Misalnya, suhu tertinggi pada bulan Maret dikota A, Kota B dan Kota
C, berturut-turut adalah 20,23,16 derajat celcius. Kita dapat membedakan dan
mengurutkan besarnya suhu di kota tersebut, sebab 1 derajat celcius menyatakan
satu unti pengukuran yang tetap.
d. Skala Rasio (Nisbah)
Skala rasio adalah skala yang mempunyai 4 ciri, yaitu membedakan,
mengurutkan, jarak yang sama, dan mempunyai titik nol tulen ( titik nol yang
berarti) sehingga dapat menghitung rasio atau perbandingan antar nilai. Semua
ciri skala interval menjadi ciri skala rasio, perbedaan antar nilai-nilai diketahui
dan bernilai tetap, kategori-kategori nilai juga bersifat lepas. Hanya saja skala
rasio mempunyai titik nol yang berarti dan rasio(perbandingan) antar dua nilai
juga berarti.
Misalnya, Pak Anto mempunyai uang nol rupiah, artinya Pak Anto tidak
mempunyai uang.
2.6
Skala untuk Instrumen( Model Skala Sikap)
Bentuk-bentuk skala sikap yang sering digunakan dalam penelitian ada 5
macam, yaitu:
a. Skala Likert
Skala likert digunakan untuk mengatur sikap, pendapatan dan persepsi
seseorang atau sekelompok orang tentang kejadian atau gejala sosial. Pada
skala likert variabel yang akan diukur dijabarkan menjadi subvariabel.
Kemudian subvariabel dijabarkan lagi menjadi indikator-indikator yang
terukur ini yang mana menjadi titik tolak untuk membuat item instrumen
7
Universitas Sumatera Utara
8
yang berupa pertanyaan yang perlu dijawab responden. Setiap jawaban
dilengkapi dengankata-kata, misalnya:
Sangat setuju
=5
Setuju
=4
Ragu-ragu/ Tidak tahu
=3
Tidak Setuju
=2
Sangat Tidak Setuju
=1
b. Skala Gutman
Skala Gutman mengukur suatu dimensi saja dari suatu variabel
multidimensi. Skala Gutman adalah skala yang digunakan untuk jawaban
yang bersifat jelas (tegas) dan konsisten.
Contoh : yakin – tidak yakin, benar – salah, setuju – tidak setuju, dan
sebagainya.
c. Skala Diferensial Semantik
Berisikan serangkaian bipolar (dua kutub). Responden diminta untuk
menilai suatu objek atau konsep pada suatu skala yang mempunyai 2
ajektif yang bertentangan. Misalnya: panas-dingin, populer-tidak populer,
bagus-buruk, dan sebagainya.
d. Rating Scale
Rating scale yaitu data mentah yang didapat berupa angka kemudian
ditafsirkan dalam pengertian kualitatif.
Misalnya: ketat-longgar, lemah-kuat, positif-negatif
e. Skala Thurstone
Meminta responden untuk memilih jawaban yang ia setujui dari beberapa
pertanyaan yang menyajikan pandangan-pandangan berbeda-beda. Pada
umumnya asosiasi antara 1 sampai 9 tetapi nilai tidka diketahui oleh
responden.
2.7 Metode Pengumpulan Data
Pengumpulan data penelitian dimaksudkan sebagai pencatatan peristiwa
atau karakteristik dari sebagian peristiwa atau seluruh elemen proposal
8
Universitas Sumatera Utara
9
penelitian. Pengumpulan data penelitian dapat dilakukan berdasarkan caracara tertentu. Adapun metode pengumpulan data yang diunakan secara
umum adalah:
a. Metode dokumentasi
Adalah mencari data mengenai hal-hal atau variabel yang berupa
catatan, transkip, buku, surat kabar, majalah, prasasti, notulen rapat,
agenda dan sebagainya. Metode dokumnetasi dalam penelitian ini
digunakan untuk mengumpulkan data tentang pasien RS Umum
Padang Sidempuan.
b. Metode Angket (kuesioner)
Adalah pertayaan tertulis yang digunakan untuk memperoleh informasi
dari responden dalam arti laporan tentang pribadinya atau hal-hal yang
ia ketahui. Metode ini digunakan untuk mencari tahu atau mengenal
faktor strategi campuran pemasaran yang mepengaruhi keputusan
pasien dalam kepuasan di RS Umum Padang Sidempuan. Untuk
mengetahui
distribusi
frekuensi
masing-masing
variabel
yang
pengumpulan datanya menggunakan angket (kuesioner), setiap
indikator dari data yang dikumpulkan terlebih dahulu diklasifikasikan
dan diberi skor atau nilai yaitu:
Skor 5 jika jawaban responden sangat setuju
Skor 4 jika jawaban responden setuju
Skor 3 jika jawaban responden ragu-ragu/ tidak tahu
Skor 2 jika jawaban responden tidak setuju
Skor 1 jika jawaban responden sangat tidak setuju
3. Wawancara
Wawancara merupakan teknik pengumpulan data dalam metode survei
yang menggunakan pertanyaan secara lisan kepada subjek penelitian.
Teknik wawancara dialkukan jika peneliti memerlukan komunikasi atau
ubungan dengan responden.
9
Universitas Sumatera Utara
10
2.8 Uji Dalam Pengolahan Data
2.8.1 Uji Validitas
Validitas menunjukkan sejauh mana ketepatan dan kecermatan suatu alat
ukur dalam melakukan fungsi ukurnya. Suatu test atau instrumen pengukur
dapat dikatakan mempunyai validitas yang tinggi apabila alat ukur tersebut
menjalankan fungsi ukurnya, atau memberikan hasil ukur yang sesuai
dengan maksud dilakukannya pengukuran tersebut. Metode yang
digunakan untuk menguji validitas adalah dengan korelasi Product
moment yang rumusnya sebagai berikut:
=
(
)−(
2 −(
)²} {
.
)
2 −(
)²
Keterangan:
= koefisien korelasi
X = skor variabel
Y= skor total
N = Jumlah sampel
Untuk menentukan valid tidaknya variabel adalah dengan cara
mengkonsultasikan hasil perhitungan koefisien korelasi dengan tabel nilai
koefisien (r) pada taraf kepercayaan 95%.
Apabila
Apabila
≥
<
→
(Ade fatma, 2007)
→
2.8.2 Uji Realibilitas
Realibilitas menunjukkan sejauh mana hasil pengukuran dapat dipercaya.
Pengukuran yang memiliki realibilitas tinggi disebut sebagai pengukuran yang
realibilitas. Metode yang digunkan untuk menguji realibilitas adalah metode
Alpha Cronbach. Variabel dikatakan realibel jika memberikan nilai alpha
10
Universitas Sumatera Utara
11
Cronbach > 0,60 (Ade Fatma, 2007). Nilai Alpha Cronbach diperoleh dengan
menggunakan rumus sebagai berikut:
=
Keterangan:
−1
�2
1− 2
�
r = nilai (koefisien) Alpha Cronbach
k = banyaknya variabel penelitian
� 2 = jumlah varians variabel penelitian
� 2 = varians total
2.9 Analisis Faktor
2.9.1 Pengertian Analisis Faktor
Analisis faktor adalah sebuah analisa yang mensyaratkan adanya
keterkaitan antar variabel. Pada prinsipnya analisis faktor menyederhanakan
hubungan yang beragam dan kompleks pada variabel yang diamati dengan
menyatukan faktor atau dimensi yang saling berhubungan atau mempunyai
korelasi pada suatu struktur data yang baru yang mempunyai set faktor lebih kecil.
Data-data yang dimasukkan pada umumnya data metrik dan terdiri dari variabelvariabel dengan jumlah besar.
Analisis faktor dapat digunakan di dalam situasi sebagai berikut:
1. Mengenali atau mengidentifikasi dimenesi yang mendasari ( underlying
dimensions) atau faktor, yang menjelaskan korelasi antara suatu set
variabel.
2. Mengenali atau mengidentifikasi suatu set variabel baru yang tidak
berkorelasi
(independent)
ysng
lebih
sedikit
jumlahnya
untuk
menggantikan suatu set variabel asli yang saling di dalam analisis
11
Universitas Sumatera Utara
12
multivariate selanjutnya. Misalnya analisis regresi berganda dan analisis
diskriminan.
3. Mengenali atau mengidentifikasi suatu set variabel yang penting dari suatu
set variabel yang lebih banyak jumlahnya untuk dipergunakan di dalam
analisi multivariate selanjutnya.
2.9.2 Model Analisis Faktor
Secara matematis, analisis faktor hampir sama dengan analisis regresi.
Yaitu dalam bentuk fungsi linear. Jumlah varians yang dikotribusi dari sebuah
variabel dengan seluruh variabel lainnya lbih dikelompokkan sebagai komunitas.
Kovarians diantara variabel dijelaskan terbatas dalam sejumlah komponen kecil
ditambah sebuha faktor unnik untuk setiap variabel. Faktor-faktor tersebut tidak
secara eksplisit diamati. Jika variabel distandarisasi, maka model analisis faktor
dapat ditulis sebagai berikut:
=
1 �1
Dimana :
+
2 �2
+
3 �2
+⋯+
� + ⋯+
� +
= Variabel ke i yang dibakukan
= Koefisien regresi yang dibakukan untuk variabel i pada komponen faktor j
� = Komponen faktor ke j
= Koefisien regresi yang dibakukan untuk variabel ke-i pada faktor yang unik
ke-i
µ = Faktor unik variabel ke-i
M = Banyaknya komponen faktor
Faktor yang unik tidak berkolerasi dengan sesama faktor yang unik dan
juga tidak berkorelasi dengan komponen faktor. Komponen faktor sendiri bisa
12
Universitas Sumatera Utara
13
dinyatakan sebagai kombinasi linier dari variabel-variabel yang terlihat/
terobservasi hasil penelitian lapangan.
� =
1
1
+
2 2
+
3 3
Dimana :
+ ⋯+
� = Perkiraan faktor ke i (didasarkan pada nilai variabel
)
= Koefisien nilai faktor ke i
= Banyaknya variabel
2.9.3 Statistik yang Berkaitan Dengan Analisis Faktor
Statistik yang berkaitan dengan faktor adalah :
a. Barlett’s test of sphericity
Barlett’s test of sphericity adalah uji statistik yang digunakan untuk menguji
hipotesis yang mengatakan bahwa variabel-variabel tersebut tidak berkorelasi
dalam populasinya. Dengan kata lain, matriks korelasi populasi adalah sebuah
matriks identitas, dimana setiap variabel berkorelasi dengan variabel itu sendiri.
(r=1), tetapi tidak berkorelasi dengan variabel lainnya (r=0).
Statistik uji barlett adalah sebagai berikut :
2
= −
−1 −
2 +5
6
1 | |
Dengan derajat kebebasan (degree of freedom) df =
Keterangan :
= ( − 1)/2
= jumlah observasi
= jumlah variabel
| | = determinan matriks korelasi
13
Universitas Sumatera Utara
14
b. Correlation matrix (Matriks Korelasi)
Matriks korelasi adalah matriks yang menunjukan korelasi sederhana (r) antara
seleruh kemungkinan pasangan variabel yang dilibatkan dalam analisis. Nilai atau
seluruh kemungkinan pasangan variabel yang dilibatkan dalam analisis. Nilai atau
angka pada diagonal utama semuanya sama yaitu 1. Jadi kalau ada 3 atau 4
variabel, bentuk matriks korelasi menjadi :
n=3→
n=4→
1
12
13
21
1
23
31
32
1
1
12
13
14
21
1
23
24
32
1
31
41
42
43
34
1
c. Communality(Komunitas)
Komunalitas adalah jumlah varian yang dikontribusi dari sebuah variabel dengan
seluruh variabel lainnya dalam analisis. Ini juga merupakan proporsi dari varians
yang diterangkan oleh komponen faktor.
Dimana :
ℎ = �21 + �22 + ⋯ + �2
ℎ = communality variabel ke-i ; i = 1,2,3,...m.
� = nilai factor loading
d. Eigenvalue (Nilai Eigen)
Nilai eigen merupakan jumlah varians yang dijelaskan oleh setiap fator-faktor
yang mempunyai nilai eigenvalue > 1, maka faktor tersebut akan dimasukkan ke
dalam model.
Definisi:
14
Universitas Sumatera Utara
15
Jika A adalah sebuah matrix n
n, maka sebuah vector tak nol
vector eigen (eigenvector) dari
jika
pada
disebut
adalah sebuah kelipatan skalar dari x,
jelasnya,
-�
dan
Untuk skalar sebarang λ, skalar λ disebut nilai eigen (eigenvalue) dari ,
yang terkait dengan λ. (Anton
disebut sebagai vector eigen dari
Howard,2000).
e. Factor loadings (Faktor Muatan)
Faktor muatan adalah korelasi sederhana antara variabel dengan faktor.
f. Factor Loading Plot (Plot Faktor Muatan)
Plot faktor muatan adalah suatu plot dari variabel asli dengan menggunakan factor
loading sebagai koordinat.
g. Factor Matrix (Faktor Matriks)
Matriks faktr mengandung factor loading dari seluruh variabel dalam seluruh
faktor yang dikembangkan.
h. Kaiser – Meyer – Olkin (KMO) measure of sampling adequency
Kaiser – Meyer – Olkin (KMO) merupakan suatu indeks yang digunakan untuk
menguji ketepatan analisis faktor. Nilai yang tinggi (antara 0,5 – 1,0)
mengidentifikasi analisis faktor tepat). Apabila dibawah 0,5 menunjukkan bahwa
analisis faktor tidak tepat untuk diaplikasikan.
p
=
p
p
p
2
Σi=1 Σk=1 rik
p
p
2
2
Σi=1 Σk=1 rik
+ Σi=1 Σk=1 α1k
, − 1,2, … , ;
= 1,2, … ,
15
Universitas Sumatera Utara
16
Keterangan :
= koefisien korelasi sederhana antara variabel ke- dan ke-k
� = koefisien korelasi parsial antara variabel ke- dan ke-
Measure of Sampling Adequency (MSA) yaitu suatu indeks perbandingan
antara koefisienkorelasi parsial untuk setiap untuk variabel. MSA digunakan
untuk mengukur kecukupan sampel.
i. Percentage of variance (Persentasi Varians)
Persentasi varans adalah persentase total varians yang disumbangkan oleh setiap
faktor.
j. Residuals
Residuals adalah selisih antara korelasi yang terobservasi berdasarka input
correlation matrix dan korelasi hasil reproduksi yang diestimasi dari matriks
faktor.
k. Scree plot
Scree plot adalah sebuah plot dari eigenvalue untuk menentukan banyaknya
faktor.
2.12 Langkah-langkah analaisis Faktor
Langkah-langkah dalam analisis faktr adalah sebagai berikut :
1.Merumuskan masalah
2. Membentuk matriks korelasi
3. Menentukan metode analisis faktor
4. Menentukan banyaknya faktor
5. Melakukan rotasi terhadap faktor
6. Membuat intrepretasi hasil rotasi dari faktor
7. Menentukan ketepatan model (model fit)
16
Universitas Sumatera Utara
17
1. Merumuskan Masalah
Merumuskan masalah meliputi beberapa kegiatan. pertama, tujuan analisis faktor
harus diidentifikasi. Variabel yang akan digunakan daam analisis faktor harus
dispesifikasi berdasarkan penelitian sebelumnya, teori dan pertimbangan subjektif
dari peneliti. Pengukuran variabel berdasarkan skala interval dan rasio. Besarnya
sampel harus tepat, sebagai petunjuk umum besarnya sampel paling sedikit empat
atau lima kali banyaknya variabel.
2. Membentuk matriks Korelasi
Proses nalaisis didasarkan pada suatu matriks korelasi antar variabel. Agar
analisis faktor menjadi tepat, variabel-variabel yang dikumpulkan harus
berkorelasi. Dilakukan perhitungan matriks korelasi Σ
Matriks korelasi
digunakan sebagai input analisis faktor.
3. Menghitung nilai karakteristik (eigenvalue)
Perhitungan nilai karakteristik (eigenvalue), dimana perhitungan ini berdasarkan
persamaan karakteristik :
Dengan :
det(�� − ) = 0
= matriks korelasi
� = eigenvalue
� = matriks identitas
Eigenvalue adalah jumlah varian yang dijelaskan oleh setiap faktor.
(Anton Howard, 2000)
4. Menghitung vektor karakteristik (eigenvector)
Penentuan vektor karakteristik (eigenvector) yang bersesuaian dengan nilai
karaktristik (eigenvalue), yaitu dengan persamaan :
=λ
Dengan:
=eigenvector,(Anton Howard, 2000)
5. Menentukan Banyaknya Faktor
Adalah beberapa prosedur yang dapat dipergunakan dalam menentukan
banyaknya faktor yaitu, penentuan secara
priori, penentuan berdasarkan pada
17
Universitas Sumatera Utara
18
eigenvalue, penentuan berdasarkan Scree plot, penentuan berdasarkan persentase
varians, penentuan berdasarkan Split-Half Reliabilitiy, dan penentuan berdasarkan
uji signifikan.
a. Penentuan Secara A Priori
Kadang-kadang karena adanya dasarr teori atau pengalaman sebelumnya, peneliti
sudah dapat menentukan banyak faktor yang akan diekstraksi. Hampir sebagian
besar program komputer memungkinkan peneliti untuk menentukan banayaknya
faktor yang diinginkan dengan pendekatan ini.
b. Penentuan Berdasarkan Eigenvalue
Pada pendekatan ini, hanya faktor dengan eigenvalue lebih besarnya dari satu
yang dipertahankan. Eigenvalue mempresentasikan besarnya sumbangan dari
faktor terhadap varians seluruh variabel aslinya. Hanya faktor dengan varians
lebih besar dari satu yang dimasukkan dalam model. Faktor dengan varians lebih
kecil dari satu tidak lebih dari variabel aslinya, sebab variabel yang dibakukan
(distandarisasi) yang berarti rata-ratanya nol dan divariasinya satu.
c. Penentuan Berdasarkan Scree Plot
Scree Plot merupakan plot dari nilai eigenvalue terhadap banyaknya faktor dalam
ekstraksinya. Bentuk plot yang dihasikaan digunakan untuk menentukan
banyaknya faktor. Biasanya plot akan berbeda antara slope tegak faktor, dengan
eigenvalue yang besar dan makin kecil pada sisa faktor yang tidak perlu
diekstraksi.
d. Penentuan berdasarkan Persentase Varians
Dalam pendekatan ini, banyaknya faktor yang diekstraksi ditentukan berdasarkan
persentasi kumulatif varians mencapai tingkat yang memuaskan peneliti. Tingkat
persentase
kumulatif
yang
memuaskan
peneliti
tergantung
kepada
permasalahannya. Sebagai petunjuk umum bahwa ekstraksi faktor dihentikan
kalau kumulatif persentase varians sudah mencapai paling sedikit 60% atau 75%
dari seluruh varians variabel asli.
e. Penentuan Split-Half Reliability
18
Universitas Sumatera Utara
19
Sampel dibagi menjadi dua, dan analisis faktor diaplikasikan kepada masingmasing bagian. Hanya faktor yang memiliki faktor loading tinggi antar dua bagian
itu yang akan dipertahankan.
f. Penentuan Berdasarkan Uji Signifikan
Dimungkinkan untuk menentukan signifikansi statisstik untuk eiganvalue yang
terpisah dan mempertahankan fakto-faktor yang berdasarkan uji statistik
eigenvaluenya signifikan pada α = 5% atau α = 1% . Penentuan banyaknya faktor
dengan cara ini memiliki kelemahan, khususnya pada ukuran sampe yang besar
misalnya diatas 200 responden, banyak faktor yang menunjukkan uji signifikan,
walaupun dari pendangan praktis banyak faktor yang mempunyai sumbangan
terhadap seluruh varians hanya kecil.
6. Menghitung matriks faktor loading
Matriks loading factor (Ʌ) diperoleh dengan mengalikan matriks eigenvector ( )
dengan akar dari matriks eigenvalue ( ). Atau dalam persamaan matematis ditulis
7. Melakukan Rotasi Faktor
Ʌ = � � √�
Sebuah output penting dari analisis faktor dalah matriks faktor atau disebut juga
sebagai matriks faktor pola. Matriks faktor mengandung koefisien yang digunakan
untuk mengekspresikan variabel yang dibakukan (distandarisasi) dinyatakan
dalam faktor. Koefisien-koefisien tersebut atau faktor loadings merupakan
korelasi antara faktor dengan variabelnya, Sebuah koefisien dengan nilai absolut
yang besar mengindikasikan bahwa faktor dan variabel berkorelasi kuat.
Koefisien tersebut bisa digunakan untuk menginterprestasi faktor.
Walaupun faktor awal atau unroatated factor matrix mengindikasikan
hubungan antara faktor dengan variabel individu tertentu, akan tetapi masih sulit.
Diambil kesimpulannya tentang banyaknya faktor yang bisa diekstraksi, hal ini
disebabkan karena faktor berkorelasi dengan banyaknya variabel atau sebaliknya
variabel tertentu masih banyak berkorelasi dengan banyak faktor.
Dalam merotasi faktor, diharapkan setiap faktor memiliki loading faktor
atau koefisien yang tidak nol, atau signifikan hanya untuk beberapa variabel.
Atau, diharapkan setiap variabel memiliki faktor loadings signifikan hanya
dengan sedikit faktor, atau kalau mungkin dengan sebuah faktor. Rotasi tidak
19
Universitas Sumatera Utara
20
berpengaruh terhadap komunalitas dan persentase total varians yang dijelaskan.
Namun demikian, rotasi berpengaruh terhadap persentase varians dari setiap
faktor. Beberapa metode rotasi yang bisa digunakan adalah orthogonal rotation,
varimax rotation, dan oblique rotation.
Orthogonal rotation adalah kalau sumbu dipertahankan tegak lurus
sesamanya (bersudut 90 derajat). Yang paling banyak digunakan adalah varimax
rotation, yaitu rotasi ortogonal dengan meminimumkan banyaknya variabel yang
memiliki
loadings
tinggi
pda
sebuah
faktor,
sehingga
lebih
mudah
menginterprestasikan faktor. Rotasi orotogonal menghasilkan faktor-faktor yang
tidak berkorelasi. Oblique rotation adalah jika sumbu-sumbu tidak dipertahankan
harus tegak lurus sesamanya (bersudut 90 derajat) dan faktor-faktor berkorelasi.
Kadang-kadang, mentoleransi korelasi antar fakto-faktor bisa menyederhanakan
matriks pola faktor. Oblique rotation harus dipergunakan kalau faktor dalam
populasi berkorelasi sangat kuat.
8. Interprestasi Faktor
Interprestasi dipermudah dengan mengidentifikasi variabel yang loadingnya besar
pada faktor yang sama. Faktor tersebut kemudian dapat diinterprestasikan
menurut variabel-variabel yang memiliki loading tinggi dengan faktor tersebut.
Cara lain yang bisa digunakan adalah memalui pivot variabel dengan faktor
loading sebagai koordinat. Variabel yang berada pada akhir sebuah sumbu adalah
variabel yang memiliki loading tinggi hanya pada faktor yang bersangkutan,
sehingga bisa digunakan untuk menginterprestasi faktor. Variabel yang berada di
dekat titik origin memiliki loading yang rendah terhadap kedua faktor. Variabel
yang tidak berada di dekat sumbu mengindikasi bahwa variabel tersebut
berkorelasi dengan kedua faktor. Jika sebuah faktor tidak bisa secara jelas
didefinisikan dalam batas variabel awalnya, maka disebut faktor umum.
9. Menentukan Ketetapan Model (model fit)
Langkah terakhir dalam analisis faktor adalah menentukan ketetapan model
(model fit). Asumsi dasar yang digunakan dalam analisis faktor adalah korelasi
terobservasi dapat menjadi atribut dari faktor atau komponen. Untuk itu, korelasi
terobservasi dapat direproduksi memalalui estimasi korelasi antara variabel
terhadap faktor. Selesih antara korelasi dari data observasi dengan korelasi
20
Universitas Sumatera Utara
21
reproduksi dapat digunakan dengan mengukur ketetapan model. Selesih tersebut
disebut sebagai residuals. Jika banyaj residual yang besar (residual > 0,05) berarti
model faktor yang dihasilkan tidak tepat sehingga model perlu dipertimbangkan
kembalikan.
21
Universitas Sumatera Utara