(1)
Keterangan :
j = 1, 2, 3, ..., n (n adalah banyaknya data)
= pengamatan ke-j
2
tidak bernilai
sekitar 50% yang artinya data tidak berdistribusi normal
multivariat (Johnson, 2007).
C. Uji Kaiser Meyer Olkin
Kesimpulan tentang layak tidaknya analisis faktor yang
dilakukan secara statistik dapat diukur menggunakan uji
Kaiser Meyer Olkin (KMO). Uji digunakan untuk
mengetahui apakah semua data yang terambil telah cukup
untuk difaktorkan. Nilai KMO berkisar antara 0 sampai 1.
Apabila nilai indeks tinggi (berkisar antara 0,5 sampai 1,0)
maka analisis faktor layak dilakukan (Morrison, 2005).
Hipotesis dari KMO adalah sebagai berikut.
H
0
: Jumlah data cukup untuk difaktorkan
H
1
: Jumlah data tidak cukup untuk difaktorkan
Statistik uji KMO diberikan oleh rumusan berikut.
KMO=
= = = =
= =
+
p
1 i
p
1 i
p
1 j
2
ij
p
1 j
2
ij
p
1 i
p
1 j
2
ij
a r
r
(2)
dimana
i = 1, 2, 3, ..., p
j = 1, 2, ..., p
r
ij
= Koefisien korelasi antara variabel i dan j
a
ij
= Koefisien korelasi parsial antara variabel i dan j
Apabila nilai KMO lebih besar dari 0,5 maka gagal tolak
H
0
sehingga dapat disimpulkan jumlah data telah cukup
untuk difaktorkan.
D. Uji Bartlett
Uji Bartlett bertujuan untuk mengetahui apakah variabel-
variabel karakteristik kualitas dari proses yang dikontrol
saling berhubungan atau berkorelasi. Dari uji ini dapat
diketahui besarnya nilai korelasi antar variabel.
Rumusan hipotesis adalah sebagai berikut.
H
0
: r1 (variabel kualitas tidak berkorelasi)
H
1
: r=1 (variabel kualitas berkorelasi)
Statistik uji diberikan oleh.
(
=
= <
p
k
k
k i
ik
r r r r
r
n
T
1
2
2
2
) ( ) (
) 1 (
) 1 (
(3)
dimana
=
=
=
p
i
ik
k p k r
p
r
1
,..., 2 , 1 ,
1
1
(4)
<
=
k i
ik
r
p p
r
) 1 (
2
(5)
| |
2
2 2
) 1 )( 2 (
) 1 ( 1 ) 1 (
r p p
r p
=
(6)
Keterangan :
didapatkan nilai
3
adalah sebesar 6,345811. Dari n sejumlah 37 data,
didapatkan proporsi nilai