NAMA : ILYASA YUSUF

NPM : 0119101195

KELAS :E

MATA KULIAH : ANALISIS DATA

TUGAS PERTEMUAN 13

ANALISIS PENGARUH NILAI TUKAR(X1), JUMLAH UANG BEREDAR(X2), DAN

PERTUMBUHAN EKONOMI(X3) TERHADAP INDEKS SAHAM GABUNGAN(Y)

Variabel Independen :

 Nilai Tukar (X1)

 Jumlah Uang Beredar (X2)
 Pertumbuhan Ekonomi (X3)

Variabel Dependen :

Indeks Saham Gabungan / IHSG (Y)

ANALISA FAKTOR DENGAN SPSS

a) Hasil Output Pertama yaitu KMO and Bartlett's Test

KMO and Bartlett's Test

Kaiser-Meyer-Olkin Measure of Sampling .588
Adequacy.
Bartlett's Test of Approx. Chi-Square 94.742
Sphericity df 6
Sig. .000

Tabel KMO and Bartlett's Test diatas digunakan untuk mengetahui kelayakan dari suatu variabel,
apakah dapat di proses lebih lanjut menggunakan teknik analisa factor ini atau tidak yaitu dengan
melihat nilai KMO MSA (Kaiser-Meyer-Olkin Measure of Sampling Adequacy.). Jika KMO MSA
lebih besar dari 0,50 maka teknik analisa factor dapat dilanjutkan. Berdasarkan hasil output diatas
diketahui KMO MSA sebesar 0,588 maka lebih besar dari 0,50 dan nilai Bartlett's Test of Sphericity
Sig. sebesar 0.000 lebih kecil dari alpha (0,05), Kesimpulannya adalah analisa factor dalam penelitian
ini dapat dilanjutkan karena telah memenuhi persyaratan pertama.

b) Hasil Output Kedua yaitu Anti-Image Matrices

Anti-image Matrices
 Y X1 X2 X3
Anti-image Covariance Y .044 .042 -.032 -.054
X1 .042 .157 -.048 -.078
X2 -.032 -.048 .027 .037
X3 -.054 -.078 .037 .839
Anti-image Correlation Y .585a .502 -.934 -.282
X1 .502 .643a -.741 -.214
X2 -.934 -.741 .550a .243
X3 -.282 -.214 .243 .597a
a. Measures of Sampling Adequacy(MSA)

Anti-image matrices yaitu digunakan untuk mengetahui dan menentukan variabel mana saja yang
layak pakai dalam analisa factor. Dari hasil output diatas dapat dilihat Anti-image correlation pada
indeks (a) yang berarti tada untuk measure of sampling adequacy (MSA), hasilnya adalah yang
diteliti:

 Indeks Harga Saham Gabungan (Y) : 0.585

 Nilai Tukar (X1) : 0.643
 Jumlah Uang Beredar (X2) : 0.550
 Pertumbuhan Ekonomi (X3) : 0.243

Dari hasil output diatas terlihat bahwa nilai semua MSA untuk semua variabel yang diteliti adalah >
0.50 kecuali Pertumbuhan Ekonomi (X3) < 0.50. Persayaratannya yang harus dipenuhi dalam analisa
factor dimana MSA harus diatas 0.50.

c) Hasil Output Ketiga yaitu Communalities

Communalities
Initial Extraction
Y 1.000 .915
X1 1.000 .850
X2 1.000 .953
X3 1.000 .200
Extraction Method: Principal
Component Analysis.

Dari hasil output daiatas (Communalities) menunjukan nilai varibael yang diteliti apakah mampu
untuk menjelaskan fator atau tidak. Masing-masing variabel dianggap mampu menjelaskan factor jika
nilai Extraction lebih besar dari 0.50, sementara hasil output diatas dimana hasil Extration semua
variabel diatas 0.50 kecuali Pertumbuhan Ekonomi (X3) dibawah 0.50, Dengan demikian dapat
disimpulkan bahwa variabel Nilai Tukar (X1) dan Jumlah Uang Beredar (X2) dapat digunakan untuk
menjelaskan factor, sedangkan Pertumbuhan Ekonomi (X3) tidak untuk digunakan menjelaskan
factor.

d) Hasil Output Keempat yaitu Total Variance Explained

Total Variance Explained
Initial Eigenvalues Extraction Sums of Squared Loadings
Component Total % of Variance Cumulative % Total % of Variance Cumulative %
1 2.919 72.977 72.977 2.919 72.977 72.977
2 .860 21.496 94.474
3 .205 5.117 99.590
4 .016 .410 100.000
Extraction Method: Principal Component Analysis.

Dari hasil output diatas yaitu Total Variance Explained hal ini memperlihatkan nilai untuk
masing-masing variabel yang dianalisis. Dalam penelitian ini terdapat 4 variabel sehingga
terdapat 4 komponen yang dianalisis. Terdapat dua macam analisis untuk menjelaskan suatu
varian, yaitu Initial Eigenvalues dan Extraction Sums of Squared Loadings. Pada varian Initial
Eigenvalues menunjukan factor yang terbentuk. Apabila semua factor dijumlahkan menunjukan
jumlah variabel (yaitu 2.919+0.860+0.205+0.016 → 4 variabel). Sedangkan pada Extraction Sums of
Squared Loadings menunjukan jumlah varians atau banyaknya factor yang dapat terbentuk, pada hasil
output diatas ada satu varian factor yaitu 2.919.

Penjelasan Lain yaitu berdasarkan output Total Variance Explained pada bagian Initial Eigenvalues ,
maka ada 1 faktor yang terbentuk dari 4 variabel yang di analisis. Diaman syarat untuk menjadi
sebuah faktor, maka nilai Eigenvalues harus lebih besar dari 1. Nilai Eigenvalues diatas hanya satu
komponten yaiut sebesar 2.919 > 1 maka menjadi faktor yang mampu menjelaskan sebesar 72.977 %
variasi.
Pada Screen Plot diatas tampak dimana komponen 1 hasil Eigenvalues lebih besar dari 1, sementara
komponen 2,3 dan 4 kurang atau dibawah 1.

e) Hasil Output kelima yaitu Component Matrix

Component Matrixa
Component
1
Y .957
X1 .922
X2 .976
X3 .448
Extraction Method:
Principal Component
Analysis.
a. 1 components
extracted.

Komponen matrik ini menunjukan nilai korelasi atau hubungan antara masing-masing variabel dengan
factor yang akan terbentuk. Pada hasil komponen matrik diatas dimana komponen hanya 1 sesuai
dengan hasil di hasil output keempat diatas. Intepretasinya adalah pada variabel perusahaan yaitu nilai
korelasi dengan factor 1 adalah sebesar 0.957. Untuk variabel Nilai Tukar (X1) sebesar 0.922, Untuk
variabel Jumlah Uang Beredar (X2) sebesar 0,976 dan untuk variabel Pertumbuhan Ekonomi (X3)
sebesar 0.448.

f) Hasil Output kelima yaitu Component Matrix,

Rotated Component
Matrixa

a. Only one component

was extracted. The
solution cannot be
rotated.

Oleh karena hanya 1 komponen maka hasil Rotated Component Matrix tidak ada yang dapat
ditampilkan atau tidak dapat dirotasi.

Kesimpulan :

Maka dari beberapa tahapan hasil output diatas maka kesimpulan yang dapat diambil dari analisa
factor yaitu variabel X1 dan X2 (Nilai Tukar dan Jumlah Uang Beredar) adalah semuanya masuk pada
factor (komponen) 1, kecuali variabel X3 (Pertumbuhan Ekonomi).