Latar Belakang:
Rumusan Masalah:
1. Bagaimana perilaku konsumsi kerang penghuni situs Gua Here Sorot Entapa?
Metode:
Sisa
Kedalaman (cm) Kerang(grm) Kepiting Urchin Tulang Arang Biji Gerabah Batu(artefak) Oker Karang Kaca
Tumbuhan
10 500 18.2 2.7 9.3 5 0 0 900 19.4 0 100 1.3
20 800 133 3.5 110 108.2 0.9 0 650 95.3 0.1 100 1
30 800 211 4.1 83.2 1 0 1.1 100 323.7 1.7 50 0
40 800 60.6 3.4 60.6 15.3 0 0 18.9 464 22.5 101.1 0
50 250 101.2 1.7 28.1 12 0 1.9 3.8 32.2 20.1 46.2 0
60 360 29.4 0.5 50.8 7.5 0.9 0 0 89.2 54.1 52.1 0
70 550 14.2 4.6 43.1 35.7 0 1 0.35 10.3 138.3 147 0
80 250 7.8 1.3 38.4 2.7 0 1.1 0 166.1 114.6 97.5 0
90 300 1.7 1 23.4 1.1 0 0.9 0 76.5 28.8 94.9 0
100 700 4.6 1.1 20.3 0 0 0 0 157.9 14.1 102.2 0
110 500 5.8 15.9 44.4 0 0 0 0 123.3 19.5 95.6 0
120 750 11.6 1 41.6 1.5 0 0 0 62.1 15.2 45.5 0
130 1400 10 0 55.5 0 0 3.7 0 87.5 8.6 52.3 0
140 5100 15.6 4.4 162.2 1 0 0 0 66.6 .7 209.1 0
150 7350 42.3 2.2 156.7 0 0 0 0 80 8 35.5 0
160 8100 32.1 14.4 120.6 0 0 0 0 311.9 8.4 233.4 0
(Sumber: Suniarti Yuni, 2016)
Analisis:
Dari data tersebut kemudian diinput ke dalam tabel spss, dan dilakukan
analisis faktor sesuai prosedur dengan memasukkan seluruh variabel yang ada,
dan hasil analisis diperoleh sebagai berikut:
Hasil Analisis 1
Hasil Analisis 3
Dari hasil analisis ini, maka tampak masih adanya nilai MSA yang
dibawah 0,5 pada beberapa variabel. Dalam tahap ini maka variabel terseebut
akan direduksi mulai dari yang terkecil hingga hasil semua nilai MSA per variabel
tidak ada yang dibawah 0,5. Dalam tahap ini peneliti melakukan reduksi data
sebanyak 7 variabel dari jumlah variabel total 13. Variabel yang direduksi tersebut
antara lain; Kepiting; Urchan; Tulang; Arang; Biji; Batu(artefak); Oker. Hasil
setelah reduksi data dapat dilihat pada hasil analisis akhir.
Dari hasil tersebut angka KMO sudah diatas 0,5 dan angka MSA pada anti
image juga sudah diatas 0,5 yang artinya data dapat dianalisis lebih lanjut dengan
membuat pemfaktoran. Sebelum melakukan factoring maka kita lihat dulu data
communalities. Communalities pada dasarnya adalah jumlah varian (bisa dalam
persentase) suatu variabel mula-mula yang bisa dijelaskan oleh faktor yang ada.
Dalam tabel tersebut variabel gerabah menunjukkan angka 0,918 yang artinya adalah sekitar 91,8% varian variabel dalam
gerabah bisa dijelaskan oleh faktor yang terbentuk. Begitu juga dengan variabel lainnya, dengan ketentuan bahwa semakin besar
communalities sebuah variabel, berarti semakin erat hubungannya dengan faktor yang terbentuk. Setelah mengetahui hal tersebut
maka factoring dapat dilakukan dan dihasilkan demikian;
Ada 6 variabel (Component) yang dimasukkan dalam analisis faktor, yaitu; Kedalaman, Kerang, Sisa tumbuhan, Gerabah, Karang,
dan Kaca. Dengan masing-masing variabel mempunyai varian 1, sehingga total varian adalah 6X1 = 6. Dari tabel di atas, terlihat
bahwa hanya dua faktor yang terbentuk, karena dengan dua faktor saja angka eigenvalues sudah diatas 1, yaitu 1,795. Pada dasarnya
eigenvalues menunjukkan kepentingan masing-masing faktor dalam menghitung varian 6 variabel yang dianalisis. Kedua faktor yang
dibentuk dalam tabel diatas dapat menunjukkan dan menjelaskan sekitar 75.539% dari enam variabel yang ada. Hal ini ditunjukkan
oleh gambar Scree Plot yang berupa grafik yang menunjukkan bahwa dua faktor adalah paling bagus untuk meringkas dan
mengelompokkan enam variabel tersebut.
Setelah mengetahui dua faktor yang paling bagus untuk pengelompokkan
maka berikutnya adalah melihat Tabel Component Matrix yang menunjukkan
distribusi enam variabel dalam dua faktor yang terbentuk. Angka yang ada pada
tabel adalah faktor loadings, yang menunjukkan besar korelasi antara suatu
variabel dengan faktor 1, dan faktor 2. Penentuan variabel akan masuk ke faktor
mana dilakukan dengan membandingkan besar korelasi pada setiap beras. .
Korelasi antara suatu variabel dengan salah satu faktor dapat dilihat dari faktor
loading yang ada pada tabel. Jika nilainya lebih dari 0,5, maka korelasi antara
suatu variabel dengan salah satu faktor dikatakan kuat.
Dari tabel diatas dilihat bahwa kerang memiliki nilai yang hampir sama,
sehingga perbedaannya belum terlihat seperti variabel yang lain. Oleh karena itu,
maka perlu dilakukan rotasi, agar pengelompokkan dalam faktor dapat benar-
benar meyakinkan. Berikut adalah hasil tabel setelah dilakukan rotasi. Tabel
dibawah melihatkan bahwa nilai faktor loadings yang awalnya kecil semakin
diperkecil, sedangkan yang besar semakin besar.
Dari tabel tersebut maka dapat dilihat pengelompokkan yang terjadi dalam enam
variabel tersebut adalah sebagai berikut:
Kuatnya hubungan antar variabel dalam faktor 1 dan faktor 2 ditunjukkan oleh
angka diagonal dalam tabel dibawah ini.
Dalam tabel tersebut dapat dikatakan bahwa antar variabel dalam kedua faktor
tersebut sangatlah berhubungan erat dan pengelempokkan yang dilakukan sudah
tepat.
Asyahri, Hendri F K. 2017. Pola Subsistensi Penghuni Gua Here Sorot Entapa
Pada Masa Prasejarah: Analisis Fauna dan Lingkungan. Skripsi Sarjana.
Yogyakarta: Universitas Gadjah Mada.
Suniarti, Yuni. 2017. Perilaku Konsumsi Kerang Komunitas Penghuni Situs Gua
Here Sorot Entapa(HSE), Pulau Kisar, Maluku Tenggara Barat. Skripsi Sarjana.
Yogyakarta: Universitas Gadjah Mada