Nama : Asfiatul Maulidiyah

NIM : 2010610056
Kelas : B6TMR
Mata Kuliah : Statistika Multivariat

Hasil Analisis Faktor dengan SPSS

 Uji Normalitas

Berdasarkan output SPSS “One-Sample Kolmogorov-Smirnov Test” diatas diketahui nilai Asymp.Sig. (2-
tailed) untuk masing-masing variabel adalah sebagai berikut:
1. Suka sebesar 0,001
2. Praktis sebesar 0,029
3. Rasa sebesar 0,000
Karena nilai Asymp.Sig. (2-tailed) untuk ke 3 variabel diatas kurang dari 0,05 maka dapat disimpulkan
bahwa data dari ke-3 variabel tersebut adalah tidak berdistribusi normal. Dengan demikian, maka analisis
faktor tidak dapat dilanjutkan.

 Tabel Output Pertama “KMO And Bartlett’s Test

Tabel output KMO and Bartlett’s Test berguna mengetahui kelayakan suatu variabel, apakah dapat di
prosses lebih lanjut menggunakan teknik analisis faktor ini atau tidak. Caranya dengan melihat nilai KMO
MSA (kaiser-Meyer-Olkin Measure of Sampling Adequacy). Jika nilai KMO MSA lebih besar dari 0,50
maka teknik analisis faktor dapat dilanjutkan. Berdasarkan output diatas diketahui nilai KMO MSA
sebesar 0,217 < 0,50 dan nilai Bartlett’s Test of Sphericity (Sig.) 0,000 < 0,05, maka analisis dalam
penelitian ini tidak dapat dilanjutkan karena tidak memenuhi salah satu persyaratan pertama.

 Tabel Output Kedua “Anti-Image Matrices”

Anti-Image Matrices berguna untuk mengetahui dan menentukan variabel mana saja yang layak pakai
dalam analisis faktor. Perhatikan bagian Anti-Image Correlation, pata tabel tersebut terdapat kode huruf
(a) yang artinya tanda untuk Measures of Sampling Adequacy (MSA). Diketahui nilai MSA dari masing-
masing variabel adalah sebagai berikut
1. Suka sebesar 0,230
2. Praktis sebesar 0,277
3. Rasa sebesar 0,131
Persyaratan yang harus terpenuhi dalam analisis faktor adalah nilai MSA > 0,50. Dan hasil di atas
diketahui bahwa nilai MSA untuk semua variabel yang diteliti adalah < 0,50, maka persyaratan kedua
dala analisis faktor ini tidak terpenuhi.
  Tabel Output Ketiga “ Communalities”

Tabel Communalities ini menunjukkan nilai variabel yang diteliti apakah mampu untuk menjelaskan
faktor atau tidak. Variabel dianggap mampu menjelaskan faktor jika nilai Extraction lebih besar dari 0,50.
Berdasarkan output diatas, diketahui nilai Extraction untuk semua variabel adalah lebih besar dari 0,50.
Dengan demikian dapat disimpulkan bahwa semua variabel dapat dipakai untuk menjelaskan faktor.

 Tabel Output Keempat “Total Variance Explained”

Tabel Total Variance Explained menunjukkan nilai masing-masing variabel yang dianalisis.
Dalam penelitian ini ada 3 variabel berarti ada 3 component yang dianalisis. Ada dua macam analisis
untuk menjelaskan suatu varian, yaitu Initial Eigenvalues dan Extraction Sums of Squared Loadings. Pada
varian Initial Eigenvalues menunjukkan faktor yang terbentuk. Apabila semua faktor dijumlahkan
menunjukkan jumlah varabel ( yaitu 1,768 + 1,227 + 0,004 = 3 variabel ). Sedangkan pada bagian
Extraction Sums of Squared Loadings menunjukkan jumlah variasi atau banyaknya faktor yang dapat
terbentuk, pada hasil output diatas ada 2 variasi faktor yaitu 1,768 dan 1,227.
Berdasarkan tabel output Total Variance Explained pada bagian “Initial Eigenvalues”, maka ada
2 faktor yang dapat terbentuk dari 3 variabel yang dianalisis. Dimana syarat untuk menjadi sebuah faktor,
maka nilai Eigenvalues harus lebih besar 1. Nilai Eigenvalues component 1 sebesar 1,768 atau > 1 maka
menjadi faktor 1 dan mampu menjelaskan 58,947% variasi. Sedangkan nilai Eigenvalues component 2
sebesar 1,227 atau > 1 maka menjadi faktor 2 dan mampu menjelaskan 40,910% variasi. Jika faktor 1 dan
faktor 2 dijumlahkan maka mampu menjelaskan 99,857% variasi.
  Output Kelima “Scree Plot”

Gambar Scree Plot ini dapat juga menunjukkan jumlah faktor yang terbentuk. Caranya dengan melihat
nilai titik component yang memiliki nilai Eigenvalues > 1. Dari gambar Scree Plot di atas ada 2 titik
component yang memiliki nilai Eigenvalues > 1 maka dapat diartikan bahwa ada 2 faktor yang dapat
terbentuk.

 Tabel Output Keenam “Component Matrix”

Component matrix ini menunjukkan nilai korelasi atau hubungan antara masing-masing variabel dengan
faktor yang akan terbentuk. Pada output diatas diperoleh sebagai berikut:
1. Pada variabel suka nilai korelasi pada faktor 1 sebesar 0,815 dan pada faktor 2 sebesar -0,578
2. Pada variabel praktis nilai korelasi pada faktor 1 sebesar -0,989 dan pada faktor 2 sebesar -0,141
3. Pada variabel rasa nilai korelasi pada faktor 1 sebesar 0,354 dan pada faktor 2 sebesar 0,935