Hasil rotasi ini akan mengakibatkan setiap variabel asal mempunyai korelasi tinggi
dengan faktor tertentu saja dan dengan faktor yang lain korelasi relatif rendah sehingga setiap
faktor akan lebih mudah untuk diinterpretasikan. Untuk mengetahui rotasi mana yang sesuai
digunakan Μ2min yang dihasilkan dari analisis procrustes.
Analisis procrustes adalah suatu teknik analisis yang digunakan untuk membandingkan
dua konfigurasi. Dalam hal ini konfigurasi data hasil analisis factor yang sudah dirotasi
dibandingkan dengan data asal. Sebelum kedua data dibandingkan terlebih dahulu kedua data
diproses berdasarkan penetapan dan penyesuaian posisi. Penetapan dan penyesuaian dengan
posisi dilakukan dengan transformasi yaitu transformasi translasi, rotasi maupun dilasi yang
dibuat sedemikian sehingga diperoleh jarak yang sedekat mungkin. Setelah proses tersebut
dilakukan dapat diketahui sejauh mana konfigurasi data analisis faktor dapat menggambarkan
data asal.
a. Menguji ketepatan model (goodness of fit test) factor yang terbentuk dari item-item
alat ukur.
b. Menguji kesetaraan unit pengukuran antar item.
c. Menguji reliabilitas item-item pada tiap factor yang diukur.
d. Mengui adanya invarian item pada populasi.
Seorang peneliti membuat seperangkat item yang mengukur kualitas pelayanan bank.
Item tersebut merupakan operasionalisasi dari teori dan indicator mengenai kualitas layanan.
Peneliti hendak mengidentifikasi berapa factor yang ada didalam seperangkat item tersebut. Dari
analisis factor kemudian didapatkan ada empat factor yang mengambakan kualitas layanan bank,
antara lain factor fitur layanan, fasilitas edung, keramahan karyawan, serta jaminan keamanan.
Seorang peneliti meracang sebuah alat ukur mengenai dukungan social. Alat ukur
tersebut berisi seperangkat item yang diturunkan dari lima dimensi dukungan social. Peneliti
berusaha memastikan apakah alat kur yang dibuatnya benar-benar menjelaskan kelima dimensi
tersebut. Ia kemdian melakukan analisis factor konfirmatori. Hasil dari analisis factor
menunjukkan bahwa pembagian kelima factor akhirnya dibuktikan.
Analisis factor memiliki fungsi penting dalam pengembangan alat ukur.beberapa fungsi
tersebut antara lain sebagai berikut:
Penyusunan alat ukur psikologi biasanya diawali dari penurunan konsep menjadi
komponen atau aspek konsep sebelum diturunkan menjadi item berupa pernyataan skala. Untuk
mengidentifikasi apakah item-item yang diukurunkan dari komponen alat ukur mewakili
komponen tersebut maka diperlukan analisis factor. Analisis factor juga dapat menunjukkan
apakah antar komponen memiliki keterkaitan ataukah tidak (independen).
a. Melakukan uji korelasi antara variable asal dengan tujuan agar penyususn variable
analisis factor menjadi lebih sederhana dan bermanfaat, tanpa kehilangan banyak
informasi sebelumnya.
b. Uji kelayakan data( menggunakan basis factor) apakah cocok dilakukan analisis
factor atau tidak.
c. Mencari akar ciri dan matriks atau R.
d. Mengurutkan akar ciri yang terbentuk dari data yang terbesar hingga data yang
terkecil.
e. Mencari proporsi keragaman atau berguna untuk mengetahi berapa factor yang akan
terbentuk.
f. Apabila terdapat nilai loading yang identic atau hamper sama maka lakukan rotasi
baik dengan cara orthogonal ataupun non-ortogonal.
g. Setelah yakin dengan factor yang terbentuk, maka berikan penamaan factor tersebut
dengan cara melihat variable-variabel apa saja yang menyusun factor tersebut.
Faktor score yang dibuat, berguna jika akan dilakukan analisis lanjutan, seperti
analisis regresi, analisis diskriminan atau analisis lainnya.
a. Variabel surrogate adalah satu variable yang paling dapat mewakili satu factor.
Misak factor 1 terdiri dari variable X1, X2 dan X3. Maka yang paling mewakili
factor 1 adalah variable yang memiliki factor loading terbesar. Apabila factor
loading tertinggi dalam satu factor ada yang hampir sama, missal X1 = 0,905 dan
X2 = 0,904 maka sebaiknya pemilihan surrogate variable ditentukan
berdasarkan teori, yaitu variable mana secara teori yang paling dapat mewakili
factor. Atau cara lain adalah dengan menggunakan Summated Scale.
b. Summated Scale adalah gabungan dari beberapa variable dalam satu factor, bisa
berupa nilai rata-rata dari semua factor tersebut atau nilai penjumlahan dari
semua variable dalam satu factor.
Factor dengan eigenvalue lebih besar dari satu yang dipertahankan jika lebih
kecil sari satu yang dipertahankan jika lebih kecil dari satu faktornya tidak
diikutsertakan dalam model. Suatau eigenvalue menunjukkan besar sumbangandari
model factor terhadap varian sluruh variable asli. Hanya factor dengan varian lebih
dari 1 yang dimasukkan dalam model. Faktoe=r dengan varian kurang dari 1 tidak
baik karena variable asli telah dibakukan yang berarti rata-ratanya 0 dan variansnya
1. Bila banyak variable asli kurang dari 20 pendekatan ini menghasilkan sejumlah
factor yang konservatif
Dapat dilihat dari grafik sceeplot dimana scree mulai terjadi menunjukkan
banyak factor yang benar, tepatnya apabila plot mulai mendatar. Kenyataannya
menunjukkan bahwa penentuan banyaknya factor dengan plot akan mencapai satu
atau lebih banyak dari penentuan dengan eigen value.
Berikut Ini Adalah Tabel Yang Menyediakan Data Dari 15 Sample Siswa:
MENGGUNAKAN SPSS
1. pertama, masukkan data.kemudian klik Analyze,lalu klik Data reduction dan pilih Factor.
4. pilih extraction, pilih principle components pada method, pada analyze pilih correlation
matrix, pada extract pilih eigenvalue over 1, pada display pilih scree plot, kemudian klik
continue.
5. pilih rotation kemudian pilih varimax pada pilihan method, kemudian klik continue.
6. klik scores kemudian pilih save as variables dengan method sebagai Bartlett. Klik display
factor score coefficient matrix. Kemudian klik continue.
7. pilih options kemudian klik sorted by size . kemudian klik continue.
8. klik OK.
HASIL OUTPUT
Semakin besar nilai korelasi matriknya maka hubungan antar variabel terkait akan
semakin besar. Dari table “Corelation Matrix” maka dapat dilihat bahwa korelasi kuat terjadi
antara variabel Lama_belajar dan Lama_tidur sebesar 0,511 kemudian diikuti oleh variabel
Rata_jumlah_buku dan Konsumsi_susu sebesar 0,630 ke duanya mempunyai hubungan positif.
KMO merupakan suatu nilai yang merupakan ukuran untuk kelayakan data. Nilai
KMOyang kecil mengindikasikan bahwa penggunaan analisis factor harus dipertimbangkan
kembali, karena korelasi antar peubah asal tidak dapat diterangkan oleh peubah lain. Menurut
Kaiser dan Rice (1974) menetapkan criteria pengukuran bahwa nilai KMO sebesar 0,9 adalah
sangat bagus; 0,8 adalah bagus; 0,7 adalah cukup; 0,6 adalah kurang;0,5 adalah jelek dan di
bawah 0,5 tidak dapat diterima (Sharma,1996).
Dari table KMO and Bartlett’s Test didapat nilai KMO sebesar 0,528. Ini berarti bahwa
analisis Faktor cukup tepat untuk menganalisis untuk menganalisis matrix data yang
bersangkutan.
Komunalitas merupakan proporsi keragaman peubah asal ke-I yang dapat dijelaskan oleh
factor umum,dan sisanya yang tidak dapat dijelaskan oleh factor umum dijelaskan oleh factor
khusus yang melalui ragam khusus (specific variance).
Dari table “communalities” diatas maka pada kolom Extraction bias dijelaskan, bahwa
proporsi varian lama_bljr terhadap jumlah seluruh varians adalah sebesar 0,670. Demikian
halnya dengan variabel lainnya.
Sree Plot merupakan plot dari eigen value sebagai sumbu vertical dan banyaknya faktor
sebagai sumbu horizontal, untuk menentukan banyaknya factor yangbisa ditarik (factor
extraction).
Hasil percobaan diatas menunjukkan bahwa titik pada tempat di mana The Scree mulai
terjadi, menunjukkan banyaknya factor yang benar. Tepatnya pada saatthe scree mulai
merata/mendatar.
Matrik komponen merupakan matrik hubungan antara variabel dan Faktor yang
merupakan pengkategori dari variabel-variabel ybs. Dari matrik komponen di atas dapat
disimpulkan bahwa dari sebanyak 5 variabel diperoleh sebanyak 2 faktor.