Dosen Pembimbing :
Irmayanti (1610118220008)
Isnawati (1610118120009)
NurImamahAulia (1610118320029)
BANJARMASIN
2019
ANALISIS FAKTOR
Sig. .000
Tabel diatas menunjukkan bahwa koefisien KMO sebesar 0,602, dengan signifikansi 0,000. Mengingat KMO sudah melebihi
0,5 dan signifikansi kurang dari 0,05, berarti analisis dapat dilanjutkan. Apabila KMO kurang dari 0,5 dan signifikansi masih
melebihi 0,05, maka analisis harus diulang, dengan terlebih dahulu mengeliminasi variabel yang memiliki MSA terkecil. MSA
dari tiap-tiap variabel tampak pada tabel Anti-Image Matricies, seperti berikut:
Anti-image Matrices
Materi Kurang Metode yang Kelelahan Sakit Suhu di Pembelajaran Tidak Kurang menyukai
perkuliahan tidur digunakan Ruang dilakukan sarapan Dosen yang
kurang Dosen saat Kelas saat jam tidur mengajar
menarik mengajar siang
membosankan
Materi .804 -.014 -.261 -.004 -.035 .074 -.160 -.067 .065
perkuliahan
kurang
Anti-image Covariance
menarik
Kurang -.014 .548 -.196 -.197 -.048 .038 .115 -.239 -.093
tidur
Metode -.261 -.196 .676 .094 .020 -.097 .047 .165 -.195
yang
digunakan
Dosen saat
mengajar
membosan
kan
Kelelahan -.004 -.197 .094 .559 -.226 .008 -.058 -.067 -.058
Sakit -.035 -.048 .020 -.226 .572 -.255 -.151 .091 -.007
Suhu di .074 .038 -.097 .008 -.255 .789 -.045 .021 .064
Ruang
Kelas
Pembelajar -.160 .115 .047 -.058 -.151 -.045 .768 -.176 -.049
an
dilakukan
saat jam
tidur siang
Tidak -.067 -.239 .165 -.067 .091 .021 -.176 .692 -.031
sarapan
Kurang .065 -.093 -.195 -.058 -.007 .064 -.049 -.031 .835
menyukai
Dosen
yang
mengajar
Materi .559a -.021 -.354 -.006 -.051 .093 -.203 -.090 .080
perkuliahan
Anti-image Correlation
kurang
menarik
Kurang -.021 .610a -.321 -.356 -.085 .059 .178 -.389 -.137
tidur
Metode -.354 -.321 .443a .152 .032 -.133 .066 .241 -.259
yang
digunakan
Dosen saat
mengajar
membosan
kan
Kelelahan -.006 -.356 .152 .689a -.400 .012 -.089 -.107 -.084
Sakit -.051 -.085 .032 -.400 .626a -.380 -.228 .145 -.010
Suhu di .093 .059 -.133 .012 -.380 .570a -.057 .029 .078
Ruang
Kelas
Pembelajar -.203 .178 .066 -.089 -.228 -.057 .619a -.242 -.061
an
dilakukan
saat jam
tidur siang
Tidak -.090 -.389 .241 -.107 .145 .029 -.242 .560a -.040
sarapan
Kurang .080 -.137 -.259 -.084 -.010 .078 -.061 -.040 .704a
menyukai
Dosen
yang
mengajar
a. Measures of Sampling Adequacy(MSA)
Pada tabel korelasi Anti-Image tampak bilangan-blangan membentuk diagonal dari sisi kiri atas ke kanan bawah berlabel a
dibelakangnya. Bilangan tersebut merupakan koefisien MSA. Variabel butir dengan MSA terkecil merupakan variabel yang harus
dieliminasi, untuk selanjutnya dilakukan analisis ulang sampai KMO memenuhi syarat.
Apabila KMO sudah memenuhi syarat untuk analisis selanjutnya, maka berikutnya diperhatikan koefisien MSA untuk masing-
masng variabel. Agar analisis lanjutan dapat dilaksanakan, koefisien MSA untuk masing-masing variabel harus ≥ 0,5. Ternyata MSA
untuk variabel Metode yang digunakan Dosen saat mengajar membosankan besarnya hanya 0,443 < 0,5. Oleh karena itu, variabel
tersebut harus dieliminasi, dan dilakukan analisis ulang.
6. Analisis Ulang. Langkah sama seperti 1-5 akan tetapi variabel Metode yang digunakan Dosen saat mengajar membosankan
tidak dimasukkan ke dalam Variables. Klik Descriptives, dan beri centang pada Initial Solution, KMO and Bartlett’s test of
Sphecirity, dan Anti-Image lalu Klik Continue. Klik Extraction, beri centang pada Scree Plot lalu Klik Continue. Klik
Rotation, beri centang pada Varimax lalu Klik Continue. Klik Score beri centang pada Save as variables pilih Regression dan
centang Display factor score coefficient matrix lalu Klik Continue. Klik Options, beri centang pada Sorted by Size lalu Klik
Continue. Klik OK.
Sig. .000
Anti-image Matrices
Hasil analisis ulang menunjukkan bahwa koefisien KMO mengalami peningkatan dari 0,602 menjadi 0,643 dengan signfikansi
0,00. Selanjutnya, koefisien MSA untuk masing-masing variabel semuanya sudah melebihi 0,5. Dengan demikian, analisis sudah bisa
dilanjutkan. Analisis juga menghasilkan Tabel Communalities.
Communalities
Initial Extraction
Tabel Communalities kolom Extraction, variabel materi perkuliahan kurang menarik besarnya 0,574. Hal ini berarti sekitar 57,4%
varians dari variabel materi perkuliahan kurang menarik dapat dijelaskan oleh faktor yang terbentuk. Variabel kurang tidur 0,708 hal
ini berarti 70,8% varian dari variabel kurang tidur dapat dijelaskan oleh faktor yang terbentuk. Demikian juga untuk variabel yang
lain. Semakin kecil nilai communalities berarti semakin lemah hubungannya dengan faktor yang terbentuk.
Component Initial Eigenvalues Extraction Sums of Squared Loadings Rotation Sums of Squared Loadings
Gambar Screeplot menerangkan hubungan antara banyaknya faktor yang terbentuk dengan nilai eigenvalue dalam bentuk grafik.
Rotated Component Matrixa
Component
1 2 3
Rotated Component matrix nilai loading faktor dari tiap-tiap variabel. Loading faktor merupakan besarnya korelasi antara faktor yang
terbentuk dengan variabel tersebut. Untuk variabel kurang tidur, korelasi antara variabel kurang tidur dengan faktor 1 (0,832), faktor 2
(0,087), faktor 3 (0,088). Hal ini dapat dikatakan bahwa variabel kurang tidur masuk ke dalam Faktor 1, karena korelasinya paling
tinggi diantara faktor yang lain. Demikian juga faktor loading untuk variabel yang lain.
Variabel Kelelahan nilai loading faktor dengan faktor 1 (0,625), faktor 2 (0,494), faktor 3 (0,160). Maka variabel Kelelahan
masuk ke Faktor 1.
Variabel Kurang menyukai Dosen yang mengajar nilai loading faktor dengan faktor 1 (0,621), faktor 2 (-0,019), faktor 3 (-
0,100. Maka Kurang menyukai Dosen yang mengajar masuk Faktor 1.
Variabel Tidak sarapan nilai loading faktor dengan faktor 1 (0,581), faktor 2 (-0,097), faktor 3 (0,425). Maka variabel Tidak
sarapan masuk Faktor 1.
Variabel Sakit loading faktor dengan faktor 1 (0,222), faktor 2 (0,818), faktor 3 (0,167). Maka variabel Sakit masuk ke Faktor
2.
Variabel Suhu di Ruang Kelas nilai loading faktor dengan faktor 1 (-0,126), faktor 2 (0,798), faktor 3 (-0,058). Maka variabel
Suhu di Ruang Kelas masuk Faktor 2.
Variabel Materi perkuliahan kurang menarik nilai loading faktor dengan faktor 1 (0,065), faktor 2 (-0,078), faktor 3 (0,751).
Maka variabel Materi perkuliahan kurang menarik masuk ke Faktor 3.
Variabel Pembelajaran dilakukan saat jam tidur siang nilai loading faktor dengan faktor 1 (0,000), faktor 2 (0,361), faktor 3
(0,714). Maka variabel Pembelajaran dilakukan saat jam tidur siang masuk Faktor 3.
Tabel Component Transformation matrix, menunjukan hasil rotasi varimax. Variabel-variabel sudah terditribusikan ke masing-masing
faktor yaitu 3 faktor yang terbentuk.
Setelah dilakukan rotasi dan terbentuk 3 faktor, selanjutnya memberi nama faktor tersebut. Penamaan faktor ini tergantung peneliti
dan dapat mewakili variabel-variabelnya.
1. Faktor 1 terdiri dari variabel kurang tidur, Kelelahan, Kurang menyukai Dosen yang mengajar dan Tidak sarapan.
Diberinama Faktor.
2. Faktor 2 terdiri dari variabel Sakit dan Suhu di Ruang Kelas. Diberinama Faktor.
3. Faktor 3 terdiri dari variabel Materi perkuliahan kurang menarik dan Pembelajaran dilakukan saat jam tidur siang nilai.
Diberinama Faktor.
Materi Metode yang Pembelajaran Kurang
perkuliahan Kurang digunakan Dosen Suhu di dilakukan Tidak menyukai
Responden Kelelahan Sakit
kurang tidur saat mengajar ruang kelas saat jam tidur sarapan Dosen yang
menarik membosankan siang mengajar
A 4 5 4 5 5 5 5 5 4
B 3 4 3 4 2 3 4 4 2
C 4 5 3 5 5 3 4 3 2
D 3 4 3 4 4 4 3 4 2
E 4 5 5 5 5 5 5 2 3
F 5 5 5 5 4 5 5 4 4
G 5 5 5 5 5 2 5 3 1
H 5 5 5 5 4 4 4 5 2
I 4 4 4 4 4 3 4 3 3
J 3 5 3 5 5 5 5 3 1
K 4 5 3 4 5 4 5 5 2
L 4 5 5 5 5 5 5 5 4
M 4 5 5 3 5 5 4 2 2
N 4 4 4 4 4 4 3 3 2
O 2 3 5 3 4 5 5 1 2
P 3 1 1 5 5 5 5 1 1
Q 4 5 3 5 4 5 5 5 2
R 1 5 5 5 5 4 4 3 5
S 4 3 4 4 5 3 4 5 3
T 4 5 4 5 5 5 5 4 3
U 3 4 3 5 5 5 4 3 2
V 4 5 3 5 4 3 5 5 3
W 4 4 3 4 4 3 4 4 4
X 4 5 4 4 4 3 3 2 2
Y 4 5 4 5 5 3 4 3 3
Z 3 5 4 5 4 3 5 3 2
AA 5 5 5 5 5 4 5 5 4
AB 5 5 5 5 5 5 3 3 1
AC 4 2 5 2 3 4 3 1 1
AD 3 4 4 3 3 3 2 3 2
AE 5 5 5 5 4 4 5 2 3
AF 4 5 4 5 5 3 4 3 3
AG 5 3 4 4 3 3 5 2 2
AH 4 4 5 4 4 4 5 4 3
AI 4 4 4 4 5 3 5 3 3
AJ 4 5 3 3 4 5 4 3 3
AK 3 4 2 4 4 3 4 3 2
AL 3 4 3 4 4 3 5 3 4
AM 5 5 5 5 4 4 4 4 4
AN 5 5 5 5 5 4 5 5 2
AO 4 5 3 4 3 3 3 4 3
AP 5 5 5 4 4 3 5 2 5
AQ 5 4 4 4 4 3 5 3 4
AR 3 5 3 5 4 3 5 5 2
AS 3 4 4 3 2 2 5 5 1
AT 2 5 3 5 5 4 5 5 2
AU 2 5 5 5 3 3 1 2 4