Analisis Faktor-Annisa Magfirah Ramadhani-21040121410015
Analisis Faktor-Annisa Magfirah Ramadhani-21040121410015
Diajukan untuk memenuhi salah satu tugas mata kuliah Metode Analisis Perencanaan
dan Pembangun dengan dosen pengampu Dr. Okto Risdianto Manullang, S.T., M.T.
Dibuat oleh:
Tabel KMO and bartlett’s Test berguna untuk mengetahui kelayakan suatu variabel,
apakah dapat melanjutkan proses analisis lebih lanjut dengan menggunakan analisi factor
atau tidak. Jika nilai KMO MSA lebih besar dari 0,50 maka proses analisis dapat dilanjutkan.
Pada tabel terlihat bahwa nilai KMO MSA sebesar 0,666 > 0,50 dan Sig sebesar 0,006 <
0,05, maka proses analisis faktor ini dapat dilanjutkan karena sudah memenuhi kriteria.
2. Tabel Anti-Image
Anti-image Matrices
Anti-Image berguna untuk mengetahui dan menentukan variabel mana saja yang
layak untuk digunakan dalam analisis faktor. Pada kolom angka yang terdapat kode (a)
merupakan tanda untuk MSA. Persyaratan yang harus dipenuhi adalah MSA > 0,50. Dari
tabel diatas diketahui bahwa nilai dari masing-masing MSA adalah sebagai berikut: letak
perumahan = 0,721 > 0,50, akses keluar masuk = 0,721 > 0,50, penggunaan pagar atau
portal = 0,577 > 0,50, sarana kegiatan bersama = 0,645 > 0,50, dan kondisi fisik perumahan
= 0,626 > 0,50. Maka ditarik kesimpulan semua variabel layak diguankan untuk analisis.
3. Tabel Communalities
Communalities
Initial Extraction
Letak Perumahan 1,000 0,623
Tabel Communalities ini digunakan untuk mengetahui apakah variabel yang ada
mampu menjelaskan faktor atau tidak. Pada tabel diketahui bahwa semua variabel nilainya
lebih besar dari 0.50 maka disimpulkan bahwa semua variabel memenuhi kriteria untuk
digunakan menjelaskan faktor.
Componen Initial Eigenvalues Extraction Sums of Squared Loadings Rotation Sums of Squared Loadings
t
Total % of Variance Cumulative % Total % of Variance Cumulative % Total % of Variance Cumulative %
1 2,204 44,082 44,082 2,204 44,082 44,082 1,808 36,164 36,164
Tabel Total Variance Expleined memberikan nilai pada masing-masing variabel yang
dianalisis. Pada kolom Initial Eigenvalues, jika total nilai variabel dijumlahkan,
2,204+1,138+0,710+0,539+0,410 = 5, sesuai dengan jumlah variabel yang diteliti yaitu 5
variabel. Dan pada kolom Extraction Sums of Squared Loadings menunjukkan jumlah variasi
atau banyaknya faktor yang dapat terbentuk. Pada tabel terlihat ada 2 output yang muncul
yaitu 2,204 dan 1,138.
Dari hasil yang diperoleh maka diketahui bahwa dari 5 variabel yang ada, terdapat
dua variasi yang mewakili. Syarat sebuah faktor adalah nilai Eigenvalue harus > 1. Untuk
Component pertama nilainya sebesar 2,204 > 1 dan mampu menjelaskan faktor sebesar
44,082%. Untuk Component kedua nilainya sebesar 1,138 > 1 dan mampu menjelaskan
faktor sebesar 22,751%.
5. Scree Plot
Scree Plot
2.5
2
Eigenvalue
1.5
1
0.5
0
1 2 3 4 5
Component Number
Gambar Scree plot menampilkan jumlah variasi faktor yang terbentuk yang dapat
dilihat pada titik Component yang berada diatas nilai Eigenvalue >1. Dan pada gambar
Scree Plot diatas terlihat bahwa terdapat 2 titik Component yang memenuhi kriteria.
Pada tabel Rotated Component Matrix digunakan untuk mengetahu posisi masing-
masing variabel terhadap faktor yang ada yang ditentukan dengan melihat nilai korelasi
terbesar antara kedua faktor yang terbentuk. Penjelasan dari tabel antara lain iyalah:
1. Variabel Letak Perumahan memiliki nilai korelasi paling besar di kelompok faktor 2
2. Variabel Akses Keluar Masuk memiliki nilai korelasi paling besar di kelompok faktor 2
3. Variabel Penggunaan Pagar atau Portal memiliki nilai paling besar di kelompok faktor
2
4. Variabel Sarana Kegiatan Bersama memiliki nilai korelasi paling besar di kelompok
faktor 1
5. Variabel Kondisi Fisik Perumahan memiliki nilai korelasi paling besar di kelompok
faktor 1
1 0,793 0,609
2 -0,609 0,793
Extraction Method: Principal Component Analysis.
Rotation Method: Varimax with Kaiser Normalization.
Pada tabel yang terakhir dalam analisis faktor ini yaitu tabel Component
Transformation Matrix memperlihatkan bahwa Component 1 nilai korelasinya adalah
sebesar 0,793 > 0.50 dan Component 2 nilai korelasinya adalah sebesar 0,793 >
0,50 maka dari kedua faktor yang terbentuk dapat dinyatakan memenuhi kriteria
untuk merangkum atau mewakili kelima variabel yang ada.
KESIMPULAN
Dari analisi faktor yang dilakukan, ditemukan 2 variasi faktor yang berpengaruh dan
dapat mempresentasikan semua variabel yang ada. Variasi faktor yang pertama terbentuk
yaitu letak perumahan, akses keluar masuk, dan penggunaan portal atau pagar. Dan untuk
variasi faktor yang kedua yaitu sarana kegiatan bersama dan kondisi fisik perumahan.