bertujuan untuk mereduksi sejumlah variabel menjadi satu faktor yang akan mewakili moderasi di
penelitian ini yaitu keberadaan wanita dalam mekanisme Good Corporate Governance. Hasil
analisis faktor untuk variabel keberadaan wanita dalam mekanisme Good Corporate Governance
Anti-image Correlation DD DK KA
Communalities
Initial Extraction
Keberadaan wanita dalam 1,000 0,635
dewan direksi
Keberadaan wanita dalam 1,000 0,007
dewan komisaris
Keberadaan wanita dalam 1,000 0,639
komite audit
Extraction Method: Principal Component Analysis
Sumber : Data diolah, 2019
Faktor dikatakan valid apabila faktor tersebut memiliki Measure of Sampling Adequacy
(MSA) sama dengan atau lebih dari 0,500. Berdasarkan hasil uji analisis faktor yang tercantum
pada Tabel 4.2 proksi semua proksi dari variabel moderasi memenuhi syarat (MSA ≥ 0,500)
sehingga layak untuk dianalisis. Namun, nilai Principal Component Analysis (PCA) dari komisaris
hanya mencapai 0,007 (lebih kecil dari 0,500). Semakin kecil nilai PCA dari suatu variabel berarti semakin
lemah hubungannya dari faktor yang dibentuk sehingga proksi keberadaan wanita dalam dewan komisaris
Initial Eigenvalues
Component
Total % of Variance Cummulative %
Berdasarkan Tabel 4.4 diketahui bahwa ada satu proksi dari keberadaan wanita dalam mekanisme
GCG memiliki eigenvalue lebih dari 1, varian faktor 1 yaitu keberadaan wanita dalam dewan direksi dapat
menjelaskan 42,694% dari variabel keberadaan wanita dalam mekanisme GCG. Namun faktor dikatakan
valid apabila faktor tersebut memiliki nilai dari cumulative varians sama dengan atau lebih dari 60%
sedangkan nilai cumulative varians dari keberadaan wanita dalam dewan direksi hanya mencapai 42,694%
(masih dibawah 60%). Sehingga perlu untuk melakukan analisis faktor tahap 2 dan mengeluarkan proksi
keberadaan wanita dalam dewan komisaris karena memiliki hubungan yang lemah dari faktor.
Anti-image Correlation DD KA
Communalities
Initial Extraction
Keberadaan wanita dalam 1,000 0,640
dewan direksi
Keberadaan wanita dalam 1,000 0,640
komite audit
Extraction Method: Principal Component Analysis
Sumber : Data diolah, 2019
Tabel 4.2 menggambarkan hasil dari analisis faktor bahwa kedua variabel memiliki nilai
MSA yang sama yaitu 0,500 (MSA ≥ 0,500). Begitu juga dengan nilai PCA, kedua variabel
memiliki nilai PCA 0,640 (PCA ≥ 0,500) maka kedua variabel itu layak untuk dianalisis.
Initial Eigenvalues
Component
Total % of Variance Cummulative %
Berdasarkan Tabel 4.7 ada satu faktor yang memiliki nilai eigenvalues diatas satu yang
berarti bahwa faktor yang terbentuk dari dua variabel itu sudah satu faktor dengan nilai total
varian 63,961%. Hal ini menunjukkan bahwa faktor yang terbentuk layak untuk digunakan.
Component Matrixa
Component