KOST
Disusun oleh :
KELOMPOK 5
NOVI YULIYANTI
(4112313022)
FARAH AGHNAITA
(4112313016)
DIWA SAPUTRA
(4112313037)
SUJIK ANITA
(4112314003)
BAB 1
PENDAHULUAN
1.1 Latar Belakang Masalah
Di Indonesia, banyak ditemukan pelajar yang setelah lulus dari SMA atau sederajat
melanjutkan sekolah di luar kota, bahkan luar provinsi atau juga luar pulau. Pilihan untuk
melanjutkan studi di luar daerah berdasarkan beberapa alasan. Antara lain karena
fakultas/jurusan yang diinginkan sesuai dengan minat dan bakat tidak terdapat di daerah
asal. Oleh karena itu, meninggalkan daerah atau kota kelahiran dan menetap di kota
tempat universitas yang diinginkan berada harus menjadi pilihan. Salah satunya adalah di
kota Semarang, Universitas Negeri Semarang.
Sebagai pendatang baru yang mencoba beradaptasi dengan lingkungan tempat tinggal
baru, tentunya para pendatang perlu mengeluarkan biaya-biaya untuk keperluan seharihari seperti sandang, pangan, dan papan. Semua keperluan hidup tersebut tentunya
memerlukan biaya yang tidak sedikit, sehingga tidak mengherankan jika pendatang
mensiasati pengeluarannya agar mampu menekan biaya hidupnya.
Untuk alasan efidiensi ekonomi, beberapa masyarakat pendatang khususya mahasiswa
lebih memilih untuk menyewa kamar kos-kosan yang harganya lebih murah jika
dibandingkan hotel ataupun apatermen. Mengingat mahasiswa pendatang notabene
belummemperoleh penghasilan sendiri.
In de kos atau bahasa populernya ngekos merupakan salah satu pilihan tempat tinggal
bagi mahasiswa rantau. Menurut Kamus Besar Bahasa Indonesia (2009), kost adalah
menumpang tinggal dan makan (dengan membayar); memondok, dengan membayar tiap
tahun atau tiap bulannya. Setiap mahasiswa memiliki preferensi yang berbeda dalam hal
memilih rumah kost. Banyaknya hal yang menjadi pertimbangan dalam memilih kost
misalnya ada yang memilih karena harganya, luas kamar, jarak kost ke kampus,
keamanan, kebersihan, uang saku yang dimiliki, fasilitas kost ataupun karena lokasi yang
stategis seperti deket tempat makan, warnet, fotokopy, dan lain-lain.
Berdasarkan latar belakang diatas, maka penulis tertarik untuk melakukan penelitian
dengan judul : Analisis Faktor yang Mempengaruhi Mahasiswa Universitas Negeri
Semarang memilih tempat kost (Studi Kasus Mahasisa Universitas Negeri Semrang,
Fakultas Matematika dan Ilmu Pengetahuan Alam).
1.2 Rumusan Masalah
a. Faktor apa saja yang mempengaruhi mahasiswa dalam memilih tempat kost?
b. Ada berapa kelompok faktor yang mempengaruhi mahasiswa dalam memilih tempat
kost?
1.3 Tujuan Penelitian
a. Mengetahui faktor-faktor yang mempengaruhi mahasiswa dalam memilih tempat kost.
b. Mengetahui jumlah kelompok faktor yang mempengaruhi mahasiswa dalam memilih
tempat kost.
1.4 Manfaat Penelitian
a. Bagi mahasiswa, hasil penelitian ini diharapkan dapat memberikan gambaran serta
informasi mengenai faktor-faktor yang mempengaruhi preferensi dalam memilih
tempat kost. Sehingga mahasiswa tidak kliru dan sesuai keinginan dalam memilih
tempat kos.
b. Bagi pemilik kost, memberikan informasi yang dapat dijadikan salah satu acuan dan
bahan untuk menentukan kebijakan yang akan diambil pemilik kost dalam hal
menarik perhatian mahasiswa yang akan bertempat tinggal di kost tersebut.
c. Bagi pembaca, hasil penelitian ini dapat menambah wawasan, informasi dan
mengembangkan pengetahuan terkait masalah preferensi dalam memilih tempat kost
dan faktor-faktor apa saja yang mempengaruhinya serta dapat dijadikan referensi
bagi pihak-pihak terkait dalam penelitian selanjutnya pada bidang sejenis.
1.5 Ruang Lingkup Penelitian
Dalam penelitian ruang lingkup yang ditentukan adalah mahasiswa Universitas Negeri
Semarang Fakultas Matematika dan Ilmu Pengetahuan Alam.
BAB II
LANDASAN TEORI
1.1 Statistika Multivariat
Metode Statistika Multivariat
adalah
teknik-teknik
analisis
statistik
yang
dan
variabel
bebas.
Dependence
techniques
ini
digunakan
untuk
sama,
tidak
ada
variabel
terikat
dan variabel
bebas.
Biasanya
antar semua variabel tanpa memperhatikan bentuk variabel yang dilibatkan (Bilson
Simamora, 2005).
analisis faktor, variabel tidak dikelompokkan menjadi variabel bebas dan tidak bebas,
sebaliknnya penggantinya seluruh set hubungan interdependen antar variabel diteliti.
Analisis faktor dapat pula dipandang sebagai perluasan dari analisis komponen utama.
Keduanya merupakan teknik analisis yang menjelaskan struktur hubungan diantara
banyak variabel dalam sistem konkret.
Tujuan dari analisis faktor adalah untuk menggambarkan hubungan-hubungan
kovarian antara beberapa variabel yang mendasari tetapi tidak teramati, kuantitas
random yang disebut faktor (Johnson and Wichern, 2007).
Menurut Kachigan (1986), aplikasi penggunaan analisis faktor bertujuan untuk:
a. Identifikasi Faktor yang Mendasari
Salah satu peng gunaan yang paling penting dari analisis faktor adalah untuk
mengidentifikasi faktor yang mendasari dari sekumpulan besar variabel. Dengan
mengelompokkan sejumlah besar variabel ke dalam jumlah yang lebih kecil dari
kumpulan yang homogen dan membuat variabel baru yang disebut faktor yang
mewakili sekumpulan variabel tersebut dalam bentuk yang lebih sederhana, maka
akan lebih mudah untuk diinterpretasikan.
b. Penyaringan Variabel (Screening of variables)
Penggunaan penting dari analisis faktor selanjutnya adala h penyaringan variabel
untuk disertakan dalam penelitian statistik selanjutnya, seperti analisis regresi
atau analisis diskriminan.
c. Meringkas Data ( Summary of Data)
Penerapan analisis faktor selanjutnya adalah untuk mengekstrak sedikit atau
banyak faktor sesuai yang diinginkan dari satu set variabel.
[ ] [ ] [ ][ ][ ]
X1
1
l 11 l12 l13 l 1 m
X2
2
l 21 l 22 l 22 l 2 m
X 3 = 3 + l31 l 32 l 33 l 3 m
XP
P l p 1 l p 2 l p 3 l pm
(p.l)
(p.l)
Keterangan:
i = rata-rata variabel i
i
= faktor spesifik ke i
F1
F2
F3
Fm
1
2
3
(p.m)
(m.l) (p.l)
Fj
= common faktor ke j
= banyak faktor
Faktor yang unik tidak berkorelasi dengan sesama faktor yang unik dan
juga tidak berkorelasi dengan common factor. Common factor sendiri
bisa dinyatakan sebagai kombinasi linear dari variabel-variabel yang
terlihat/terobservasi (the observed variables) hasil penelitian lapangan.
BAB III
PEMBAHASAN
ANALISIS DATA
Karena data yang diperoleh dengan masing-masing variabel berbedabeda / bervariasi, maka data perlu untuk ditransformasikan agar semua
data pada masing-masing variabel memiliki besaran yang sama / tidak
jauh berbeda antara nilai yang satu dengan nilai yang lainnya. Cara yang
dilakukan untuk metransformasikan data tersebut ialah standarisasi data
dengan z_score, berikut standarisasi dengan bantuan SPSS :
1) Klik Analyze-Descriptive Statistics-Descriptive maka akan muncul
kotak dialog Descriptives.
2) Masukkan variabel Biaya Sewa Kos, Luas Kamar, Jarak Kos ke
Kampus, Keamanan Kos, Kebersihan Kos, Uang Saku, Fasilitas,
Lokasi Kos ke kotak Variable(s): dan centang Save standardized
values as variables lalu OK.
Dengan adanya z_score yang merupakan standarisasi nilai dari masingmasing variabel berdasar nilai rata-rata dan standar deviasinya, maka
sekarang semua nilai variabel yang ada tidak jauh berbeda dengan nilai
pada variabel lainnya. Jadi, proses pengujian dapat dilanjutkan pada tahap
berikutnya.
Tahap Pertama : Menilai Variabel yang Layak
Pada tahap pertama ini akan dinilai mana saja variabel yang
dianggap layak (appropriateness) untuk dimasukkan dalam analisis
selanjutnya. Pengujian ini dilakukan dengan memasukkan semua variabel
yang ada, kemudian pada variabel-variabel tersebut dikenakan sejumlah
pengujian.
Logika
pengujian
ialah
jika
sebuah
variabel
mempunyai
Analysis.
Masukkan
variabel-variabel
yang
sudah
H0
diterima
H0
ditolak
Analisis Tabel :
KMO and Bartlett's Test
Kaiser-Meyer-Olkin Measure of Sampling Adequacy.
Bartlett's Test of Sphericity
Approx. Chi-Square
Df
Sig.
.699
117.036
28
.000
Dari tabel di atas, yaitu tabel KMO and Bartletts Test diperoleh nilai
Sig .=0,000 . Jadi, dari hasil tersebut maka nilai Sig .=0,000< 0,05 yang
H0
H1
artinya
ditolak dan
diterima. Dapat disimpulkan bahwa sampel
(variabel) sudah memadai untuk dianalisis lebih lanjut pada analisis faktor.
Anti-image
Nilai MSA (Measure of Sampling Adequancy) merupakan uji yang digunakan
untuk menganalisis setiap variabel pada tabel Anti-image apakah layak atau tidak
untuk masuk dalam analisis faktor. Angka MSA berkisar antara 0 sampai 1 dengan
kriteria :
MSA=1 ; variabel dapat diprediksi tanpa kesalahan olehvariabel lain
MSA> 0,5 ; variabel masih bisadiprediksi dan dianalisis lebihlanjut
MSA< 0,5 ; variabel tidak bisa diprediksi sertatidak bisa dianalisis lebih
lanjut atau dikeluarkan dari variabel lainnya
Anti-image Matrices
Zscore:
Biaya
Sewa Kos
Anti-image
Covariance
Zscore:
Jarak Kos
ke Kampus
Zscore:
Keamanan
Kos
Zscore:
Kebersihan
Kos
Zscore:
Uang
Saku
Zscore:
Fasilita
s
Zscore:
Lokasi
Kos
Zscore: Biaya
Sewa Kos
.836
.005
-.087
.036
-.197
-.228
.002
.073
Zscore: Luas
Kamar
.005
.689
-.151
-.163
-.122
-.141
-.087
-.025
-.087
-.151
.918
-.001
.124
.040
-.022
.127
.036
-.163
-.001
.599
-.105
-.032
-.163
-.121
-.197
-.122
.124
-.105
.658
-5.329E5
-.166
.031
-.228
-.141
.040
-.032
-5.329E-5
.833
.164
-.118
Zscore:
Fasilitas
.002
-.087
-.022
-.163
-.166
.164
.546
-.200
Zscore: Lokasi
Kos
.073
-.025
.127
-.121
.031
-.118
-.200
.715
Zscore: Biaya
Sewa Kos
.502a
.006
-.100
.051
-.265
-.274
.002
.094
Zscore: Luas
Kamar
.006
.763a
-.190
-.253
-.181
-.186
-.141
-.035
-.100
-.190
.371a
-.001
.159
.045
-.031
.157
.051
-.253
-.001
.795a
-.168
-.045
-.284
-.185
-.265
-.181
.159
-.168
.732a
-7.199E5
-.278
.045
-.274
-.186
.045
-.045
-7.199E-5
.421a
.243
-.153
Zscore: Jarak
Kos ke
Kampus
Zscore:
Keamanan
Kos
Zscore:
Kebersihan
Kos
Zscore: Uang
Saku
Anti-image
Correlation
Zscore:
Luas
Kamar
Zscore: Jarak
Kos ke
Kampus
Zscore:
Keamanan
Kos
Zscore:
Kebersihan
Kos
Zscore: Uang
Saku
Zscore:
Fasilitas
Zscore: Lokasi
Kos
.002
-.141
-.031
-.284
-.278
.243
.714a
-.319
.094
-.035
.157
-.185
.045
-.153
-.319
.722a
Analysis.
Masukkan
variabel-variabel
yang
sudah
Gambar 2.4 Kotak Dialog Factor Analysis: Descriptives Pengujian Ulang Pertama
H0
diterima
H0
ditolak
Analisis Tabel :
KMO and Bartlett's Test
Kaiser-Meyer-Olkin Measure of Sampling Adequacy.
Bartlett's Test of Sphericity
Approx. Chi-Square
Df
Sig.
.722
111.092
21
.000
Dari tabel di atas, yaitu tabel KMO and Bartletts Test diperoleh nilai
Sig .=0,000 . Jadi, dari hasil tersebut maka nilai Sig .=0,000< 0,05 yang
H0
H1
artinya
ditolak dan
diterima. Dapat disimpulkan bahwa sampel
(variabel) sudah memadai untuk dianalisis lebih lanjut pada analisis faktor.
Anti-image
Nilai MSA (Measure of Sampling Adequancy) merupakan uji yang digunakan
untuk menganalisis setiap variabel pada tabel Anti-image apakah layak atau tidak
untuk masuk dalam analisis faktor. Angka MSA berkisar antara 0 sampai 1 dengan
kriteria :
MSA=1 ; variabel dapat diprediksi tanp a kesalahan oleh variabel lain
MSA> 0,5 ; variabel masih bisadiprediksi dan dianalisis lebihlanjut
MSA< 0,5 ; variabel tidak bisa diprediksi sertatidak bisa dianalisis lebih
Anti-image Matrices
Anti-image
Zscore: Biaya
Covariance
Sewa Kos
Zscore: Biaya
Zscore: Luas
Zscore:
Zscore:
Zscore:
Zscore:
Zscore:
Sewa Kos
Kamar
Keamanan Kos
Kebersihan Kos
Uang Saku
Fasilitas
Lokasi Kos
.844
-.010
.036
-.192
-.227
-.001
.088
-.010
.715
-.169
-.108
-.140
-.094
-.004
.036
-.169
.599
-.108
-.032
-.163
-.124
-.192
-.108
-.108
.675
-.006
-.168
.015
-.227
-.140
-.032
-.006
.834
.165
-.127
Zscore: Fasilitas
-.001
-.094
-.163
-.168
.165
.546
-.202
.088
-.004
-.124
.015
-.127
-.202
.733
.515a
-.013
.051
-.254
-.271
-.001
.112
-.013
.802a
-.258
-.155
-.181
-.150
-.006
.051
-.258
.792a
-.170
-.045
-.285
-.187
-.254
-.155
-.170
.765a
-.007
-.277
.021
Zscore: Luas
Kamar
Zscore: Keamanan
Kos
Zscore:
Kebersihan Kos
Zscore: Biaya
Correlation
Sewa Kos
Zscore: Luas
Kamar
Zscore: Keamanan
Kos
Zscore:
Kebersihan Kos
-.271
-.181
-.045
-.007
.422a
.245
-.163
-.319
.735a
-.001
-.150
-.285
-.277
.245
.713
.112
-.006
-.187
.021
-.163
-.319
variabel
tidak
dapat
diprediksi
dan
variabel
harus
Analysis.
Masukkan
variabel-variabel
yang
sudah
10)
Gambar 2.6 Kotak Dialog Factor Analysis: Descriptives Pengujian Ulang Kedua
11)
H0
diterima
H0
ditolak
Analisis Tabel :
KMO and Bartlett's Test
Kaiser-Meyer-Olkin Measure of Sampling Adequacy.
Bartlett's Test of Sphericity
Approx. Chi-Square
Df
Sig.
.769
97.798
15
.000
Dari tabel di atas, yaitu tabel KMO and Bartletts Test diperoleh nilai
Sig .=0,000 . Jadi, dari hasil tersebut maka nilai Sig .=0,000< 0,05 yang
H0
H1
artinya
ditolak dan
diterima. Dapat disimpulkan bahwa sampel
(variabel) sudah memadai untuk dianalisis lebih lanjut pada analisis faktor.
Anti-image
Nilai MSA (Measure of Sampling Adequancy) merupakan uji yang digunakan
untuk menganalisis setiap variabel pada tabel Anti-image apakah layak atau tidak
untuk masuk dalam analisis faktor. Angka MSA berkisar antara 0 sampai 1 dengan
kriteria :
MSA=1 ; variabel dapat diprediksi tanpa kesalahan olehvariabel lain
MSA> 0,5 ; variabel masih bisadiprediksi dan dianalisis lebihlanjut
MSA< 0,5 ; variabel tidak bisa diprediksi sertati dak bisa dianalisis lebih
Anti-image
Covariance
Kos
Zscore: Biaya
Zscore: Luas
Sewa Kos
Kamar
Zscore:
Zscore:
Zscore:
Zscore:
Fasilitas
Lokasi Kos
.911
-.054
.030
-.209
.051
.059
-.054
.740
-.181
-.113
-.072
-.027
.030
-.181
.601
-.109
-.167
-.133
-.209
-.113
-.109
.675
-.177
.014
Zscore: Fasilitas
.051
-.072
-.167
-.177
.581
-.193
.059
-.027
-.133
.014
-.193
.753
.491a
-.066
.040
-.266
.070
.071
-.066
.827a
-.271
-.159
-.111
-.036
.040
-.271
.786a
-.170
-.282
-.197
-.266
-.159
-.170
.753a
-.283
.020
Zscore: Fasilitas
.070
-.111
-.282
-.283
.762a
-.291
.071
-.036
-.197
.020
-.291
.785a
Anti-image
Correlation
Kos
Zscore: Luas Kamar
Zscore: Keamanan
Kos
Zscore: Kebersihan
Kos
12)
15)
Gambar 2.8 Kotak Dialog Factor Analysis: Descriptives Pengujian Ulang Ketiga
16)
H0
diterima
H0
ditolak
Analisis Tabel :
KMO and Bartlett's Test
Kaiser-Meyer-Olkin Measure of Sampling Adequacy.
Bartlett's Test of Sphericity
Approx. Chi-Square
Df
Sig.
.788
91.094
10
.000
Dari tabel di atas, yaitu tabel KMO and Bartletts Test diperoleh nilai
Sig .=0,000 . Jadi, dari hasil tersebut maka nilai Sig .=0,000< 0,05 yang
H0
H1
artinya
ditolak dan
diterima. Dapat disimpulkan bahwa sampel
(variabel) sudah memadai untuk dianalisis lebih lanjut pada analisis faktor.
Anti-image
Nilai MSA (Measure of Sampling Adequancy) merupakan uji yang digunakan
untuk menganalisis setiap variabel pada tabel Anti-image apakah layak atau tidak
untuk masuk dalam analisis faktor. Angka MSA berkisar antara 0 sampai 1 dengan
kriteria :
MSA=1 ; variabel dapat diprediksi tanpa kesalahan olehvariabel lain
MSA> 0,5 ; variabel masih bisadiprediksi dan dianalisis lebihlanjut
MSA< 0,5 ; variabel tidak bisa diprediksi sertatidak bisa dianalisis lebih
lanjut atau dikeluarkan dari variabel lainnya
Anti-image Matrices
Anti-image
Covariance
Zscore: Luas
Zscore:
Zscore:
Zscore:
Zscore:
Kamar
Keamanan Kos
Kebersihan Kos
Fasilitas
Lokasi Kos
.743
-.180
-.135
-.070
-.024
-.180
.602
-.110
-.170
-.135
-.135
-.110
.727
-.179
.030
Zscore: Fasilitas
-.070
-.170
-.179
.584
-.198
-.024
-.135
.030
-.198
.757
-.269
-.184
-.106
-.032
Anti-image
.821
Correlation
-.269
.787a
-.166
-.286
-.201
-.184
-.166
.802a
-.275
.040
Zscore: Fasilitas
-.106
-.286
-.275
.765a
-.298
-.032
-.201
.040
-.298
.783a
17)
Analysis.
distadarisasi
Masukkan
(z_score)
ke
variabel-variabel
dalam
kotak
yang
Variables:
sudah
dan
telah
Extraction.
components,
Pada
digunakan
bagian
untuk
Method:
pembuatan
pilih
faktor
Principal
(ekstraksi
factoring
3) Klik kotak Rotation maka akan muncul kotak dialog baru Factor
Analysis: Rotation. Pada bagian Method pilih dan klik Varimax. Pada
bagian Display centang Rotated solution dan Loading plot(s).
Rotated solution merupakan tampilan faktor setelah dilakukan
rotasi, yag dibandingkan dengan proses tanpa rotasi (Principal
component yang belum dirotasi) sedangkan Loading plot digunakan
untuk menyajikan korelasi antara variabel tertentu dengan faktor
yang terbentuk. Lalu klik Coontinue.
4) Lalu terakhir klik OK dan akan muncul hasil output dari analisis pada
tahap kedua ini.
Warnings
Only one component was extracted. Component plots cannot be produced.
Dari pernyataan menyatakan bahwa proses factoring hanya menghasilkan satu faktor
saja. Dengan demikian, otomatis tidak diperlukan proses rotasi lagi, karena proses
rotasi digunakan untuk memperjelas variabel masuk pada faktor yang mana, artinya
harus ada lebih dari satu faktor.
Communalities
Initial
Extraction
1.000
.454
1.000
.634
1.000
.462
Zscore: Fasilitas
1.000
.642
1.000
.395
Total
% of Variance
Cumulative %
2.587
51.741
51.741
.824
16.484
68.224
.651
13.020
81.245
.498
9.963
91.208
.440
8.792
100.000
Total
% of Variance
2.587
51.741
Cumulative %
51.741
Component Matrixa
Component
1
Zscore: Luas Kamar
.674
.796
.680
Zscore: Fasilitas
.801
.628
Rotated
Componen
t Matrixa
a. Only one
component
was
extracted.
The
solution
cannot be
rotated.
Dari lima (5) vaiabel yang diteliti, dengan proses factoring bisa
Hal ini berarti alasan mahasiswa memilih tempat kos berkaitan dengan
Luas Kamar yang ada. Keamanan kos yang ada di sekitar tempat tersebut,
kebersihan kos yang menjadi penunjang kenyaman mahasiswa serta
fasilitas dan lokasi kos yang mudah dijangkau. Jadi, dapat disimpulkan
faktor tersebut kami namakan KENYAMANAN.
Tahap Ketiga : Validasi Faktor
Validasi analisis faktor dimaksudkan untuk mengetahui apakah hasil
analisis faktor tersebut bisa digeneralisasikan pada populasi.
1) Akan dipecah (split) menjadi dua bagian, karena data berjumlah 80
maka akan dibagian menjadi dua bagian sama besar, yakni Bagian I
3) Pada bagian Select pilih Based on time or case range lalu klik
Range akan muncul kotak dilaog baru Select Cases: Range. Pada
kolom First Case isi angka 1 dan pada kolom Last Case isi dengan
angka 40. Artinya kita hanya akan mengaktifkan data hanya pada
data nomor 1 sampai nomor 40. Lalu klik Continue dan OK.
4) Akan dianaslisis variabel dari nomor 1 sampai 40, klik AnalyzeDimension Reduction-Factor. Muncul kotak dialog Factor Analysis.
Gambar 4.1.4 Kotak Dialog Factor Analysis: Extraction uji Validasi Bagian I
Gambar 4.1.5 Kotak Dialog Factor Analysis: Rotation uji Validasi Bagian I
7) Pilih dan klik OK maka akan muncul output dari hasil analisis untuk
nomor 1 sampai nnomor 40.
Component Matrixa
Component
1
Zscore: Luas Kamar
.677
.803
.724
Zscore: Fasilitas
.680
.598
Dari tabel di atas terlihat semua angka factor loading berada di atas
angka 0,55 yang artinya terbentuk sebuah faktor yang merupakan
reduksi (pengurangan) dari lima variabel awal.
8) Klik Data-Select Cases akan muncul kotak dialog Select Cases.
9) Pada bagian Select pilih Based on time or case range lalu klik
Range akan muncul kotak dilaog baru Select Cases: Range. Pada
kolom First Case isi angka 41 dan pada kolom Last Case isi dengan
angka 80. Artinya kita hanya akan mengaktifkan data hanya pada
data nomor 41 sampai nomor 80. Lalu klik Continue dan OK.
10)
11)
Gambar 4.2.4 Kotak Dialog Factor Analysis: Extraction uji Validasi Bagian II
12)
pengisian :
Method pilih Varimax,
Display centang Rotated solution dan Loading Plot(s),
Maximum iterations for convergence
Lalu klik Continue
13)
Pilih dan klik OK maka akan muncul output dari hasil analisis
Component
1
Zscore: Luas Kamar
.670
.819
.665
Zscore: Fasilitas
.883
.671
Dari tabel di atas terlihat semua angka factor loading berada di atas
angka 0,55 yang artinya terbentuk sebuah faktor yang merupakan
reduksi (pengurangan) dari lima variabel awal.
Jadi, dapat diambil kesimpulan dari tabel :
Faktor Mula-Mula
Component Matrixa
Component
1
Zscore: Luas Kamar
.674
.796
.680
Zscore: Fasilitas
.801
.628
.677
.803
.724
Zscore: Fasilitas
.680
.598
a. 1 components extracted.
.670
.819
.665
Zscore: Fasilitas
.883
.671
angka
factor
loading
berbeda-beda.
Dengan
kata
lain,
pemisahan kasus menjadi dua bagian tidak mengubah jumlah faktor yang
dihasilkan.
Hal ini berarti faktor yang terbentuk mula-mula adalah stabil dan
faktor tersebut bisa digeneralisasi untuk populasi yang ada atau pemilihan
kos-kosan bagi mahasiswa memang ditentukan oleh faktor KENYAMANAN.
Tahap Keempat : Membuat Factor Scores
Setelah
faktor
terbetuk
dan
telah
dilakukan
validasi,
yang
menyatakan bahwa satu atau lebih faktor yang terbentuk memang stabil
dan bisa untuk mengeneralisasi populasinya, maka pada faktor tersebut
bisa dilakukan pembuatan factor scores.
Factor scores merupakan upaya untuk membuat satu atau beberapa
variabel yang lebih sedikit dan berfungsi untuk menggantikan variabel asli
yang sudah ada. Pembuatan factor scores akan berguna jika akan
dilakukan analisis lanjutan. Jadi, proses pembuatan factor scores hanyalah
sebuah optional (pilihan) dan tidak harus dilakukan. Akan tetapi, pada
kasus ini akan dibuat factor scoresnya.
Gambar 5.4 Kotak Dialog Factor Analysis: Factor Scores (Factor Scores)
5) Dan terakhir klik OK. Akan muncul variabel baru bernama FAC1_1
yang merupakan gabungan (composite) dari variabel asal yang
terkait, yakni variabel Luas, Aman, Bersih, Fasilitas dan Lokasi.
Untuk kegunaan analisis lanjutan, seperti regresi atau diskriminan, nama
FAC1_1 dapat diganti pada menu editor di SPSS. Pada keterangan label
untuk FAC1_1, ada keterangan REGR factor score 1 for analysis 1 yang
artinya faktor tersebut dapat digunakan untuk analisis regresi.
Persamaan regresinya :
Y =a+b 1. KENYAMANAN
dimana :
Y =variabel dependen