Tugas Ke-3

STATISTIKA LINGKUNGAN
Dosen Pengampu : DR. Farikhin, M.Si

Oleh :
Kelompok V MIL 45
Ayunda Puti Andini (30000215410022)
Naema Pratini S (30000215410032)
Mochammad Yenny (30000215410035)
M. Andra Perdana (30000215410034)
Topo Budi (30000215410019)

MAGISTER ILMU LINGKUNGAN

UNIVERSITAS DIPONEGORO
SEMARANG
2015
Latihan I

Hitung Komponen Prinsipal Tabel Berikut

Akhir
Tahun Periode Pertanian Industri Dasar Aneka Industri Barang Konsumsi
2006 1218.45 147.1 284.12 392.46
2007 2754.76 238.05 477.35 436.04
2008 September 1489.57 162.93 326.15 381.36
Oktober 738.17 112.18 199.97 321.92
November 803.89 114.45 215.82 320.9
Desember 918.77 134.99 214.94 326.84
2009 Januari 969.43 126.39 246.57 337.85
Februari 1046.64 124.08 220.41 346.16
Maret 1094.59 134.66 287.9 352.8
April 1333.25 151.15 316.67 381.32
Mei 1576.52 182.05 362.72 433.73
Juni 1527 192.92 416.21 495.73
Juli 1659.55 222.8 504.6 591.2
Agustus 1797.12 229.12 538.05 559.18
September 1784.21 238.46 584.96 597.63
Oktober IV 1823.1 256.83 572.19 591.66
November I 1733.43 260.78 533.45 595.51
November II 1760.16 259.53 267.64 608.09
November III 1786.82 263.74 578.61 631.32
November
IV 1745.19 252.88 261.22 625.73
Desember I 1838.58 260.48 271.65 661.59
Desember II 1831.67 264.47 587.64 651.07
Desember III 1785.5 268.77 598.88 654.62
Desember IV 1753.09 273.93 601.47 671.31
2010 Januari I 1952.19 284.24 596.89 684.48
Januari II 1935.65 283.42 624.27 690.27
Januari III 1901.58 282.08 595.27 702.4
Januari IV 1850.31 280.11 626.53 699.78
Tabel Data Pengukuran Variabel Untuk 4 Sektor
Pada analisis faktor, asumsi yang harus terpenuhi adalah:
1. Korelasi antar variabel Independen. Besar korelasi atau korelasi antar independen variabel harus
cukup kuat, misalnya di atas 0,5.
2. Korelasi Parsial. Besar korelasi parsial, korelasi antar dua variabel dengan menganggap tetap
variabel yang lain, justru harus kecil. Pada SPSS deteksi terhadap korelasi parsial diberikan
lewat pilihan Anti-Image Correlation.
3. Pengujian seluruh matriks korelasi (korelasi antar variabel), yang diukur dengan besaran
Bartlett Test of Sphericity atau Measure Sampling Adequacy (MSA). Pengujian ini
mengharuskan adanya korelasi yang signifikan di antara paling sedikit beberapa variabel.
4. Pada beberapa kasus, asumsi Normalitas dari variabel-variabel atau faktor yang terjadi
sebaiknya dipenuhi.

1. Uji Determinant of Correlation Matrix

Matrik korelasi dikatakan antar variabel saling terkait apabila determinan bernilai mendekati
nilai 0. Hasil perhitungan menunjukkan nilai Determinant of Correlation Matrix sebesar 0,002.
Nilai ini mendekatai 0, dengan demikian matrik korelasi antara variabel saling terkait.

2. Kaiser Meyer Olkin Measure of Sampling (KMO) adalah indek perbandingan jarak antara
koefisien korelasi dengan koefisien korelasi parsialnya. Jika jumlah kuadrat koefisen korelasi
parsial di antara seluruh pasangan variabel bernilai kecil jika dibandingkan dengan jumlah
kuadrat koefisien korelasi, maka akan menghasilkan nilai KMO mendekati 1. Nilai KMO
dianggap mencukupi jika lebih dari 0,5. Hasil penelitian menunjukkan bahwa nilai Kaiser
 Meyer Olkin Measure of Sampling sebesar 0,635. Dengan demikian persyaratan KMO
memenuhi persyaratan karena memiliki nilai di atas 0,5.
Rumus yang digunakan untuk Bartlett Test of Sphericity adalah sebagai berikut:

Bartlett Test

Rumus Bartlett

Dimana
R = Nilai determinan n = Jumlah data p = jumlah variabel
Hasil perhitungan dengan SPSS dihasilkan nilai Barlett Test of Spehricity sebesar
149,614 dengan signifikansi sebesar 0,000. Dengan demikian Bartlett Test of
Spehricity memenuhi persyaratan karena signifikansi di bawah 0,05 (5%).

3. Measures of Sampling Adequacy (MSA)

Pengujian persyaratan MSA terhadap 4 variabel, dijelaskan pada tabel di bawah ini:
Hasil Uji Persyaratan MSA

Nilai MSA pada tabel di atas ditunjukkan pada baris Anti Image Correlation dengan tanda
"a". Misal X1 nilai MSA = 0,568 dimana > 0,5 maka X1 memenuhi syarat MSA, MSA X2 =
0.583 dimana > 0,5 maka X2 memenuhi syarat MSA, MSA X3 = 0.984 dimana > 0,5 maka X3
memenuhi syarat MSA dan MSA X4 = 0.578 dimana > 0,5 maka X4 memenuhi syarat MSA.

Dari tabel di atas menunjukkan bahwa 4 variabel diuji memenuhi persyaratan MSA yaitu di atas
0,5 sehingga dapat digunakan untuk pengujian selanjutnya.

Communalities
 Initial Extraction

X1 1.000 .782
X2 1.000 .964
X3 1.000 .791
X4 1.000 .890

Extraction Method: Principal

Component Analysis.

Dari tabel di atas menujukkan 4 variabel diuji memenuhi persyaratan komunalitas yaitu lebih
besar dari 0,5 (komunalitas > 0,5). Perlu diingat bahwa jika ada variabel dengan nilai
Extraction pada tabel Communalities < 0,5, maka variabel tersebut tidak memenuhi syarat
komunalitas dan harus dikeluarkan dari pengujian serta anda harus mengulangi langkah analis
faktor dari awal tanpa mengikutsertakan variabel yang tidak memenuhi syarat komunalitas.
Pengulangan tersebut sama dengan cara pengulangan pada syarat MSA yang telah dijelaskan di
atas.

Tabel Total Variance Explained di bawah ini berguna untuk menentukan berapakah faktor yang mungkin dapat
dibentuk.

Berdasarkan tabel di atas, lihat kolom "Component" yang menunjukkan bahwa ada 4 komponen yang dapat
mewakili variabel. Perhatikan kolom "Initial Eigenvalues" yang dengan SPSS kita tentukan nilainya 1 (satu).
Varians bisa diterangkan oleh faktor 1 adalah 3,427/4x 100% = 85,675. Sehingga total faktor akan mampu
menjelaskan variabel sebesar 85,675 %. Dengan demikian, karena nilai Eigenvalues yang ditetapkan 1, maka
nilai Total yang akan diambil adalah yang > 1 yaitu component 1 saja.
Tabel data harga saham dari 8 sektor

Indust Aneka Barang

Tahu Akhir Pertania Keuanga Pertambanga Proper Perdaganga
ri Indust Konsum
n Periode n n n ti n
Dasar ri si
2006 1218.45 147.1 284.12 392.46 206.57 933.33 122.92 275.08
2007 2754.76 238.05 477.35 436.04 260.57 3270.09 251.82 392.24
2008 September 1489.57 162.93 326.15 381.36 203.37 1833.24 142.42 261.33
Oktober 738.17 112.18 199.97 321.92 151.79 1095.87 101.35 158.76
November 803.89 114.45 215.82 320.9 350.9 897.51 105.63 137.78
Desember 918.77 134.99 214.94 326.84 176.33 877.68 103.49 148.33
2009 Januari 969.43 126.39 246.57 337.85 161.24 922.16 96.03 147.6
Februari 1046.64 124.08 220.41 346.16 145.95 963.89 96.56 147.9
Maret 1094.59 134.66 287.9 352.8 172.71 1045.31 100.54 161.37
April 1333.25 151.15 316.67 381.32 235.73 1444.46 112.32 185.56
Mei 1576.52 182.05 362.72 433.73 227.65 1818.96 130.99 205.21
Juni 1527 192.92 416.21 495.73 243.66 1848.54 144.79 217.84
Juli 1659.55 222.8 504.6 591.2 272.79 2144.91 159.398 250.01
Agustus 1797.12 229.12 538.05 559.18 280.46 2140.43 157.96 259.85
September 1784.21 238.46 584.96 597.63 300.7 2238.59 162.29 277.4
Oktober IV 1823.1 256.83 572.19 591.66 288.32 2231.36 159.22 272.33
November I 1733.43 260.78 533.45 595.51 293.81 2068.46 156.21 256.74
November
II 1760.16 259.53 267.64 608.09 296.37 2129.23 152.96 256.38
November
III 1786.82 263.74 578.61 631.32 298.2 2230.38 153.95 264.14
November
IV 1745.19 252.88 261.22 625.73 293.48 2129.87 143.64 248.47
Desember I 1838.58 260.48 271.65 661.59 301.75 2248.63 147.95 255.4
Desember II 1831.67 264.47 587.64 651.07 300.32 2211.08 146.86 260.62
Desember
III 1785.5 268.77 598.88 654.62 296.4 2152.68 144.28 267.77
Desember
IV 1753.09 273.93 601.47 671.31 301.42 2203.48 146.8 275.76
2010 Januari I 1952.19 284.24 596.89 684.48 306.24 2409.81 150.37 287.02
Januari II 1935.65 283.42 624.27 690.27 310.84 2375.03 154.26 306.99
Januari III 1901.58 282.08 595.27 702.4 311.05 2294.4 152.99 301.17
Januari IV 1850.31 280.11 626.53 699.78 311.66 2236.4 153.49 299.44
a. PCA non-normalisir

Correlation Matrixa
Perdagang Pertania Industri_das Aneka_indust Barang_konsu Keuanga Pertambang Proper
an n ar ri msi n an ti

Correlatio Perdagangan 1.000 .927 .801 .714 .692 .578 .891 .902
n Pertanian .927 1.000 .849 .708 .724 .615 .973 .933

Industri_dasar .801 .849 1.000 .807 .969 .781 .877 .688

Aneka_industri .714 .708 .807 1.000 .784 .634 .734 .599

Barang_konsu
.692 .724 .969 .784 1.000 .781 .770 .531
msi

Keuangan .578 .615 .781 .634 .781 1.000 .666 .536

Pertambangan .891 .973 .877 .734 .770 .666 1.000 .917

Properti .902 .933 .688 .599 .531 .536 .917 1.000

Sig. (1- Perdagangan .000 .000 .000 .000 .001 .000 .000
tailed) Pertanian .000 .000 .000 .000 .000 .000 .000

Industri_dasar .000 .000 .000 .000 .000 .000 .000

Aneka_industri .000 .000 .000 .000 .000 .000 .000

Barang_konsu
.000 .000 .000 .000 .000 .000 .002
msi

Keuangan .001 .000 .000 .000 .000 .000 .002

Pertambangan .000 .000 .000 .000 .000 .000 .000

Properti .000 .000 .000 .000 .002 .002 .000

a. Determinant = 2.039E-7

1. Uji Determinant of Correlation Matrix

Hasil perhitungan menunjukkan nilai Determinant of Correlation Matrix sebesar 2.039E-7.
Nilai ini jauh melebihi nilai 0, dengan demikian matrik korelasi antara variabel memiliki
keterkaitan yang sangat erat.
 KMO and Bartlett's Test
Kaiser-Meyer-Olkin Measure of Sampling Adequacy. .846
Bartlett's Test of Sphericity Approx. Chi-Square 362.035

df 28

Sig. .000

2. Berdasarkan perhitungan dengan menggunakan SPSS diperoleh nilai Kaiser Meyer Olkin
Measure of Sampling sebesar 0,846. Dengan demikian perbandingan jarak antara koefisien
korelasi dengan koefisien korelasi parsialnya memenuhisyarat karena memiliki nilai >0,5.
Rumus yang digunakan untuk Bartlett Test of Sphericity adalah sebagai berikut:

Bartlett Test

Rumus Bartlett

Dimana
R = Nilai determinan n = Jumlah data p = jumlah variabel
Hasil perhitungan dengan SPSS dihasilkan nilai Barlett Test of Spehricity sebesar
149,614 dengan signifikansi sebesar 0,000. Dengan demikian Bartlett Test of
Spehricity memenuhi persyaratan karena signifikansi di bawah 0,05 (5%).
 3. Measures of Sampling Adequacy (MSA)
Pengujian persyaratan MSA terhadap 8 variabel, dijelaskan pada tabel di bawah ini:
Hasil Uji Persyaratan MSA

Anti-image Matrices
Perdagang Pertania Industri_das Aneka_indust Barang_konsu Keuanga Pertambang Proper
an n ar ri msi n an ti

Anti- Perdagangan .086 -.018 .003 -.033 -.012 .036 .022 -.034
image Pertanian -.018 .028 -.008 .008 .008 .015 -.015 -.004
Covarian Industri_dasar .003 -.008 .015 -.004 -.015 -.004 .000 -.002
ce
Aneka_industri -.033 .008 -.004 .325 -.005 -.006 -.009 .004

Barang_konsu
-.012 .008 -.015 -.005 .020 -.018 -.006 .012
msi

Keuangan .036 .015 -.004 -.006 -.018 .319 .010 -.042

Pertambangan .022 -.015 .000 -.009 -.006 .010 .028 -.019

Properti -.034 -.004 -.002 .004 .012 -.042 -.019 .039

Anti- Perdagangan .839a -.369 .077 -.200 -.280 .218 .456 -.578
image Pertanian -.369 .866a -.404 .088 .325 .155 -.538 -.124
Correlatio Industri_dasar .077 -.404 .834a -.059 -.882 -.062 .011 -.070
n
Aneka_industri -.200 .088 -.059 .982a -.064 -.019 -.093 .036

Barang_konsu
-.280 .325 -.882 -.064 .761a -.220 -.272 .423
msi

Keuangan .218 .155 -.062 -.019 -.220 .918a .108 -.374

Pertambangan .456 -.538 .011 -.093 -.272 .108 .840a -.587

Properti -.578 -.124 -.070 .036 .423 -.374 -.587 .794a

a. Measures of Sampling Adequacy(MSA)

Nilai MSA pada tabel di atas ditunjukkan pada baris Anti Image Correlation dengan tanda
"a". Pada bagian tersebut terlihat bahwa nilai MSA untuk masing-masing variabel bernilai
diatas 0,5 (>0,5) sehingga 8 variabel yang diuji memenuhi persyaratan MSA yaitu di atas 0,5
sehingga dapat digunakan untuk pengujian selanjutnya.
 Communalities
Initial Extraction

Perdagangan 1.000 .840

Pertanian 1.000 .900
Industri_dasar 1.000 .902
Aneka_industri 1.000 .699
Barang_konsumsi 1.000 .765
Keuangan 1.000 .602
Pertambangan 1.000 .924
Properti 1.000 .742

Extraction Method: Principal Component Analysis.

Dari tabel Communalities diatas menujukkan bahwa 8 variabel yang diuji memenuhi persyaratan
komunalitas yaitu lebih besar dari 0,5 (komunalitas > 0,5).

Tabel Total Variance Explained berguna untuk menentukan berapakah factor/komponen yang
mungkin dapat dibentuk.

Total Variance Explained

Initial Eigenvalues Extraction Sums of Squared Loadings

Component Total % of Variance Cumulative % Total % of Variance Cumulative %

1 6.374 79.676 79.676 6.374 79.676 79.676

2 .868 10.851 90.527
3 .362 4.520 95.047
4 .233 2.907 97.954
5 .110 1.379 99.332
6 .027 .343 99.676
7 .018 .223 99.899
8 .008 .101 100.000

Extraction Method: Principal Component Analysis.

Berdasarkan tabel Total Variance Explained, pada kolom "Component" terdapat 8 variabel
yang diuji. Perhatikan kolom "Initial Eigenvalues" yang dengan SPSS kita tentukan nilainya 1
(satu). Varians bisa diterangkan oleh faktor 1 adalah 6,374/8x 100% = 75,676. Sehingga total
faktor akan mampu menjelaskan variabel sebesar 79,676 %. Dengan demikian, karena nilai
Eigenvalues yang ditetapkan 1, maka nilai Total yang akan diambil adalah yang > 1 yaitu
component 1 saja.
 Component Matrixa
Component

Pertambangan .961
Industri_dasar .950
Pertanian .949
Perdagangan .917
Barang_konsumsi .875
Properti .861
Aneka_industri .836
Keuangan .776

Extraction Method: Principal Component

Analysis.
a. 1 components extracted.

Tabel Componen Matrixa memperlihatkan bahwa dengan menggunakan SPSS melalui

“Extraction Method:PCA” hanya terbentuk 1 komponen yang dapat mewakili seluruh variabel
yakni variabel pertambangan karena memiliki nilai tertinggi sebesar 0,961.
b. PCA normalisir
1. Tabel berikut merupakan variabel yang diperoleh setelah normalisir dengan menggunakan software
SPSS dan rumus yang digunakan adalah sebagai berikut:

𝑿𝒌 − 𝒎𝒌
𝒁𝐤 =
√𝝈

Z
Industri Aneka Barang
Pertanian Keuangan Pertambangan Properti Perdagangan
Dasar Industri Konsumsi
-0.84192 -1.09091 -0.88878 -0.9562 -0.93904 -1.54251 -0.58595 0.54514
2.67679 0.38383 0.32652 -0.64539 -0.00268 2.30043 3.56294 2.48107
-0.22096 -0.83422 -0.62443 -1.03537 -0.99453 -0.06256 0.0417 0.31794
-1.94194 -1.65713 -1.41803 -1.45929 -1.88893 -1.2752 -1.28022 -1.37691
-1.79142 -1.62032 -1.31834 -1.46656 1.56365 -1.60142 -1.14246 -1.72358
-1.5283 -1.28727 -1.32387 -1.4242 -1.4634 -1.63403 -1.21134 -1.54926
-1.41227 -1.42671 -1.12494 -1.34568 -1.72506 -1.56088 -1.45145 -1.56132
-1.23543 -1.46417 -1.28947 -1.28641 -1.99019 -1.49225 -1.4344 -1.55636
-1.12561 -1.29262 -0.865 -1.23905 -1.52617 -1.35835 -1.30629 -1.33379
-0.57899 -1.02524 -0.68406 -1.03565 -0.4334 -0.70193 -0.92713 -0.93408
-0.02181 -0.5242 -0.39443 -0.66187 -0.57351 -0.08604 -0.3262 -0.60938
-0.13523 -0.34794 -0.05801 -0.21969 -0.2959 -0.03739 0.11798 -0.40069
0.16836 0.13656 0.49791 0.46119 0.20922 0.45 0.58816 0.13089
0.48344 0.23904 0.70828 0.23283 0.34222 0.44264 0.54188 0.29348
0.45388 0.39048 1.00332 0.50705 0.69318 0.60407 0.68125 0.58347
0.54295 0.68835 0.923 0.46447 0.47851 0.59218 0.58244 0.4997
0.33757 0.7524 0.67935 0.49193 0.57371 0.32428 0.48555 0.24209
0.39879 0.73213 -0.99242 0.58165 0.6181 0.42422 0.38095 0.23614
0.45985 0.80039 0.96338 0.74732 0.64983 0.59056 0.41281 0.36437
0.36451 0.6243 -1.0328 0.70746 0.56799 0.42527 0.08096 0.10544
0.5784 0.74753 -0.9672 0.96321 0.71139 0.62058 0.21969 0.21995
0.56258 0.81223 1.02017 0.88818 0.68659 0.55882 0.18461 0.3062
0.45683 0.88195 1.09087 0.9135 0.61862 0.46278 0.10156 0.42435
0.3826 0.96562 1.10716 1.03253 0.70567 0.54633 0.18267 0.55638
0.83861 1.1328 1.07835 1.12646 0.78925 0.88565 0.29758 0.74243
0.80073 1.1195 1.25055 1.16775 0.86901 0.82845 0.42279 1.07241
0.7227 1.09777 1.06816 1.25426 0.87265 0.69585 0.38191 0.97625
0.60527 1.06583 1.26477 1.23557 0.88323 0.60046 0.398 0.94766
 2. Uji Determinant of Correlation Matrix

Correlation Matrixa

Zscore Zscore Zscore Zscore

Zscore (Industri_das (Aneka_indu (Barang_kon Zscore (Pertambangan Zscore Zscore
(Pertanian) ar) stri) sumsi) (Keuangan) ) (Properti) (Perdagangan)

Zscore(Pertanian) 1.000 .849 .708 .724 .615 .973 .933 .927

Zscore(Industri_dasa
.849 1.000 .807 .969 .781 .877 .688 .801
r)

Zscore(Aneka_indus
.708 .807 1.000 .784 .634 .734 .599 .714
tri)
Correlation

Zscore(Barang_kons
.724 .969 .784 1.000 .781 .770 .531 .692
umsi)

Zscore(Keuangan) .615 .781 .634 .781 1.000 .666 .536 .578

Zscore(Pertambanga
.973 .877 .734 .770 .666 1.000 .917 .891
n)

Zscore(Properti) .933 .688 .599 .531 .536 .917 1.000 .902

Zscore(Perdagangan
.927 .801 .714 .692 .578 .891 .902 1.000
)

Zscore(Pertanian) .000 .000 .000 .000 .000 .000 .000

Zscore(Industri_dasa
.000 .000 .000 .000 .000 .000 .000
r)

Zscore(Aneka_indus
.000 .000 .000 .000 .000 .000 .000
tri)
Sig. (1-tailed)

Zscore(Barang_kons
.000 .000 .000 .000 .000 .002 .000
umsi)

Zscore(Keuangan) .000 .000 .000 .000 .000 .002 .001

Zscore(Pertambanga
.000 .000 .000 .000 .000 .000 .000
n)

Zscore(Properti) .000 .000 .000 .002 .002 .000 .000

Zscore(Perdagangan
.000 .000 .000 .000 .001 .000 .000
)

a. Determinant = 2.039E-7
 Hasil perhitungan menunjukkan nilai Determinant of Correlation Matrix (lihat Tabel Correlation
Matrixa) sebesar 2.039E-7. Nilai ini jauh melebihi nilai 0, dengan demikian matrik korelasi antara
variabel memiliki keterkaitan yang sangat erat. Hasil ini sama dengan hasil Determinant of Correlation
Matrix tanpa normalisir.

KMO and Bartlett's Test

Kaiser-Meyer-Olkin Measure of Sampling Adequacy. .846
Bartlett's Test of Sphericity Approx. Chi-Square 362.035

df 28

Sig. .000

3. Berdasarkan perhitungan dengan menggunakan SPSS diperoleh nilai Kaiser Meyer Olkin Measure of
Sampling sebesar 0,846. Dengan demikian perbandingan jarak antara koefisien korelasi dengan
koefisien korelasi parsialnya memenuhisyarat karena memiliki nilai >0,5. Nilai tersebut juga sama
dengan hasil tanpa normalisir.

4. Measures of Sampling Adequacy (MSA)

Pengujian persyaratan MSA terhadap 8 variabel, dijelaskan pada tabel “Anti-Image Matrices”:
Hasil Uji Persyaratan MSA
Nilai MSA pada tabel “Anti-Image Matrices” ditunjukkan pada baris Anti Image Correlation dengan
tanda "a". Pada bagian tersebut terlihat bahwa nilai MSA untuk masing-masing variabel bernilai diatas
0,5 (>0,5) sehingga 8 variabel yang diuji memenuhi persyaratan MSA yaitu di atas 0,5 sehingga dapat
digunakan untuk pengujian selanjutnya.
 Anti-image Matrices

Zscore Zscore Zscore Zscore Zscore

(Pertani (Industri_d (Aneka_indu (Barang_kons (Keuang Zscore(Pertamba Zscore(Prop Zscore(Perdaga
an) asar) stri) umsi) an) ngan) erti) ngan)

Zscore(Pertanian) .028 -.008 .008 .008 .015 -.015 -.004 -.018

Zscore(Industri_das
-.008 .015 -.004 -.015 -.004 .000 -.002 .003
ar)

Zscore(Aneka_indu
.008 -.004 .325 -.005 -.006 -.009 .004 -.033
Anti-image Covariance

stri)

Zscore(Barang_kon
.008 -.015 -.005 .020 -.018 -.006 .012 -.012
sumsi)

Zscore(Keuangan) .015 -.004 -.006 -.018 .319 .010 -.042 .036

Zscore(Pertambang
-.015 .000 -.009 -.006 .010 .028 -.019 .022
an)

Zscore(Properti) -.004 -.002 .004 .012 -.042 -.019 .039 -.034

Zscore(Perdaganga
-.018 .003 -.033 -.012 .036 .022 -.034 .086
n)

Anti- Zscore(Pertanian) .866a -.404 .088 .325 .155 -.538 -.124 -.369
image Zscore(Industri_das
-.404 .834a -.059 -.882 -.062 .011 -.070 .077
Correlat ar)
ion
Zscore(Aneka_indu
.088 -.059 .982a -.064 -.019 -.093 .036 -.200
stri)

Zscore(Barang_kon
.325 -.882 -.064 .761a -.220 -.272 .423 -.280
sumsi)

Zscore(Keuangan) .155 -.062 -.019 -.220 .918a .108 -.374 .218

Zscore(Pertambang
-.538 .011 -.093 -.272 .108 .840a -.587 .456
an)

Zscore(Properti) -.124 -.070 .036 .423 -.374 -.587 .794a -.578

Zscore(Perdaganga
-.369 .077 -.200 -.280 .218 .456 -.578 .839a
n)

a. Measures of Sampling Adequacy(MSA)

 Communalities
Initial Extraction

Zscore(Pertanian) 1.000 .900

Zscore(Industri_dasar) 1.000 .902
Zscore(Aneka_industri) 1.000 .699
Zscore(Barang_konsumsi) 1.000 .765
Zscore(Keuangan) 1.000 .602
Zscore(Pertambangan) 1.000 .924
Zscore(Properti) 1.000 .742
Zscore(Perdagangan) 1.000 .840

Extraction Method: Principal Component Analysis.

Dari tabel Communalities diatas menujukkan bahwa 8 variabel yang diuji memenuhi persyaratan
komunalitas yaitu lebih besar dari 0,5 (komunalitas > 0,5).

Tabel Total Variance Explained berguna untuk menentukan berapakah factor/komponen yang
mungkin dapat dibentuk.

Total Variance Explained

Initial Eigenvalues Extraction Sums of Squared Loadings

Component Total % of Variance Cumulative % Total % of Variance Cumulative %

1 6.374 79.676 79.676 6.374 79.676 79.676

2 .868 10.851 90.527
3 .362 4.520 95.047
4 .233 2.907 97.954
5 .110 1.379 99.332
6 .027 .343 99.676
7 .018 .223 99.899
8 .008 .101 100.000

Extraction Method: Principal Component Analysis.

Berdasarkan tabel Total Variance Explained, pada kolom "Component" terdapat 8 variabel
yang diuji. Perhatikan kolom "Initial Eigenvalues" yang dengan SPSS kita tentukan nilainya 1
(satu). Varians bisa diterangkan oleh faktor 1 adalah 6,374/8x 100% = 75,676. Sehingga total
faktor akan mampu menjelaskan variabel sebesar 79,676 %. Dengan demikian, karena nilai
Eigenvalues yang ditetapkan 1, maka nilai Total yang akan diambil adalah yang > 1 yaitu
component 1 saja. Hasil tersebut juga sama dengan variabel tanpa normalisir.
 Component Matrixa
Component

Zscore(Pertambangan) .961
Zscore(Industri_dasar) .950
Zscore(Pertanian) .949
Zscore(Perdagangan) .917
Zscore(Barang_konsumsi) .875
Zscore(Properti) .861
Zscore(Aneka_industri) .836
Zscore(Keuangan) .776

Extraction Method: Principal Component

Analysis.
a. 1 components extracted.

Tabel Componen Matrixa memperlihatkan bahwa dengan menggunakan SPSS melalui

“Extraction Method:PCA” hanya terbentuk 1 komponen yang dapat mewakili seluruh variabel
yakni variabel pertambangan karena memiliki nilai tertinggi sebesar 0,961.

Kesimpulan : Berdasarkan hasil olah data menggunakan SPSS, diperoleh hasil bahwa baik tanpa
normalisasi atau dengan normalisasi tidak menunjukan perbedaan, dan hasil akhir dari uji PCA
menunjukan bahwa diperoleh 1 komponen yang dapat mewakili seluruh variabel yakni variabel
pertambangan