Lian G.

Otaya

MEMBUKTIKAN VALIDITAS INSTRUMEN ANGKET MELALUI

ANALISIS FAKTOR: EXPLORATORY FACTOR ANALYSIS (EFA)
(Data Instrumen Angket Mengukur Kecemasan Belajar Statistika)

A. Deskripsi Data

Kecemasan merupakan hal wajar yang pernah dialami oleh setiap manusia.
Kecemasan sudah dianggap sebagai bagian dari kehidupan sehari-hari.
Kecemasan adalah suatu perasaan yang sifatnya umum, dimana seseorang merasa
ketakutan atau kehilangan kepercayaan diri yang tidak jelas asal maupun
wujudnya.
Kecemasan dalam belajar merupakan bentuk kecemasan yang dialami
seseorang terkait dengan bidang akademik yang dihadapi. Kecemasan merupakan
sebuah ungkapan perasaan individu terhadap suatu situasi yang dapat
diekspresikan melalui beberapa cara, yaitu: dengan cara yang mudah dikenali
seperti kekhawatiran individu, individu menjadi mudah marah. Hal senada
disampaikan oleh Bandura (1997) bahwa individu yang mengalami kecemasan
menunjukkan ketakutan dan perilaku menghindar yang sering mengganggu
performansi dalam kehidupan mereka, begitu pula dalam situasi akademis. Lebih
lanjut, Elliot, dkk (2000) menyatakan bahwa mahasiswa sering mengalami
kecemasan saat akan menghadapi ujian ataupun pada saat harus belajar, dan
kecemasan tersebut akan mempengaruhi performansinya. Ericson dan Gardner
(dalam Tussey, 2002) menambahkan bahwa kecemasan terbukti menimbulkan
banyak efek yang merugikan terhadap mahasiswa dalam kelas, termasuk
kecemasan dalam belajar Statistika.
Ketika merasa cemas ataupun ketika dihadapkan dengan situasi-situasi
yang menekan, individu akan mengalami gejala-gejala fisik maupun psikologis.
Nevid Jeffrey S, Rathus Spencer A, & Greene Beverly (2005) memberikan
pengertian tentang kecemasan sebagai suatu keadaan emosional yang mempunyai
ciri keterangsangan fisiologis, perasaan tegang yang tidak menyenangkan, dan
kekhawatiran bahwa sesuatu yang buruk akan terjadi. Kecemasan adalah rasa
khawatir, takut yang tidak jelas sebabnya. Kecemasan juga merupakan kekuatan
yang besar dalam menggerakkan tingkah laku, baik tingkah laku yang

1
Lian G. Otaya

menyimpang ataupun yang terganggu. Keduanya merupakan pernyataan,

penampilan, penjelmaan dari pertahanan terhadap kecemasan tersebut.
Kesimpulan yang dapat diambil dari beberapa pendapat di atas bahwa
kecemasan adalah rasa takut atau khawatir pada situasi tertentu yang sangat
mengancam yang dapat menyebabkan kegelisahan karena adanya rasa takut. Rasa
takut muncul jika terdapat ancaman yang jelas atau nyata, berasal dari lingkungan,
dan tidak menimbulkan konflik bagi individu. Sedangkan kecemasan muncul jika
bahaya berasal dari dalam diri, tidak jelas, atau menyebabkan konflik bagi
individu, termasuk kecemasan dalam belajar Statistika.
Belajar Statistika sering menimbulkan kecemasan pada diri mahasiswa dan
mempengaruhi prestasi akademik belajar Statistika. Hal ini dikarenakan adanya
anggapan yang salah pada mahasiswa terhadap Statistika. Mahasiswa
beranggapan bahwa belajar Statistika merupakan hal yang sulit untu dilakukan.
Pada kenyataanya banyak mahasiswa yang tidak terlalu dapat memahami konsep
Statistika yang telah diberikan, sehingga pada saat mahasiswa mengikuti tes tanpa
persiapan sebelumnya, terlihat bahwa mahasiswa mengalami kecemasan yang
berpengaruh pada rendahnya nilai yang dihasilkan.
Untuk dapat mengetahui kecemasan terhadap Statistika, dibutuhkan
instrumen yang baik. Angket ini bertujuan untuk mengetahui kecemasan belajar
Statistika. Instrumen angket ini terdiri 23 butir pernyataan negatif dan dengan 4
(empat) kriteria alternatif jawaban yaitu Sangat Tidak Setuju (STS), Tidak Setuju
(S), Setuju (S), dan Sangat Setuju (SS). Instrumen angket yang melibatkan butir-
butir yang banyak, biasanya digunakan analisis faktor.
Analisis faktor bertujuan menjelaskan struktur hubungan di antara banyak
variabel dalam bentuk faktor/variabel laten/variabel bentukan, bahkan antar
responden. Faktor berupa besaran acak yang sebelumnya tidak dapat
diamati/diukur. Mereduksi jumlah variabel asal yang banyak menjadi variabel
baru yang lebih sedikit (mereduksi data) serta mengidentifikasi adanya hubungan
antara variabel pembentuk faktor dengan faktor yang terbentuk.
Jenis analisis faktor terdiri dari: 1) Exploratory Factor Analysis (EFA)
dimana peneliti tidak/belum punya pengetahuan/teori/hipotesis yang menyusun

2
Lian G. Otaya

struktur faktor-faktor yang akan /sudah dibentuk, sehingga sesuai untuk

membangun teori baru. 2) Confirmatory Factor Analysis (CFA) secara sengaja
berdasar teori dan konsep, variabel baru/faktor yang mewakili beberapa item/sub-
variabel ditentukan (variabel teramati).
Analisis faktor yang digunakan untuk mengetahui kecemasan terhadap
Statistika digunakan Exploratory Factor Analysis bersifat mengeksplor data
empiris untuk menemukan dan mendeteksi karakteristik dan hubungan antar
variabel tanpa menentukan model pada data. Biasanya analisis faktor terkait erat
dengan validitas. Ketika faktor-faktor teridentifikasi dihubungkan, analisis faktor
eksploratori menjawab tentang validitas konstruk, apakah suatu skor mengukur
apa yang seharusnya diukur melalui langkah-langkah sebagai berikut:
1. Matrik korelasi yang digeneralisasikan untuk semua butir (sebagai variabel)
dan membentuk urutan koefiesien korelasi satu sama lain. Koefesien korelasi
tersebut secara geometris merupakan fungsi cosinus. Pada matriks ini
dipersyaratkan beberapa hal sebagai berikut.
a. Kaiser-Mayer-Olkin Measures of Sampling Adequacy (KMO MSA)
merupakan suatu indeks yang membandingkan koefisien korelasi. Nilai
KMO MSA digunakan untuk mengetahui ketepatan dari analisis faktor
dan menentukan kecukupan sampel sehingga dapat dianalisis lebih lanjut.
b. Barlett Test of sphericity (X2), yaitu uji tingkat independen dari variabel-
variabel. Hasil Bartlett Test of Sphericity dengan melihat tingkat
signifikansi kesalahan untuk mengindikasikan sejauhmana antar variabel
tersebut berkorelasi.
c. Anti Image Correlation (AIC) dengan criteria measures of sampling
adequacy (MSA) > 0.5.
2. Dengan pendekatan Principal Component Analysis (PCA), diekstraksi dari
matriks korelasi diperoleh faktor dengan beberapa kriteria sebagai berikut.
a. Communalities sebagai varians faktor bersama.
b. Scree plot merupakan diagram yang menunjukkan bagaimana
kecenderungan penurunan Eigenvalues, dan dipakai untuk menentukan
secara subjektif banyaknya faktor yang dapat dipakai.

3
Lian G. Otaya

3. Kemudian faktor dirotasi dalam rangka memaksimalkan hubungan antar

variabel dengan beberapa literasi atau putaran. Metode varimax dipilih dengan
tujuan untuk merotasi faktor awal sehingga pada akhirnya diperoleh hasil
rotasi dimana dalam satu kolom nilai yang ada sebanyak mungkin mendekati
kolom nilai yang ada sebanyak mungkin mendekati nol. Hal ini berarti dalam
setiap faktor mencakup sedikit mungkin variabel. Butir pernyataan akan
digugurkan bila rotasi pada muatan faktor < 0.5 atau muatan terbesar ada
di dua faktor sekaligus (butir-butir tersebut mengukur lebih dari satu dimensi
teoritik).
4. Pemberian nama faktor yang terbentuk.
Adapun angket yang digunakan untuk mengukur kecemasan Statistika
disajikan sebagai berikut.
ANGKET KECEMASAN TERHADAP STATISTIK

Identitas Responden

No. Responden :…………………………….

Pekerjaan :…………………………….
Hari/ Tgl :…………………………….
Waktu : Pukul...……s/d......………

Petunjuk:

1. Sebelum memberikan respon pada pernyataan-pernyataan berikut, kami

mohon kesediaan Anda untuk membaca terlebih dahulu petunjuk
pengisian ini.
2. Setiap pernyataan, pilihlah satu alternatif jawaban yang paling sesuai
dengan keadaan Anda, kemudian bubuhkanlah tanda cek (√) pada kolom
yang tersedia
3. Kriteria penilaian dan penskoran:
SS= Sangat setuju :1;
S = Setuju :2;
TS= Tidak Setuju :3;
STS= Sangat Tidak Setuju : 4 ;

4
Lian G. Otaya

Kriteria Penilaian
No Pernyataan
STS TS S SS
1 Statistik membuat saya sedih
2 Teman-teman akan menganggap saya bodoh karena
tidak mampu menggunakan SPSS
3 Standar deviasi membuat saya bersemangat
4 Saya belajar korelasi karena Pearson
5 Saya tidak memahami statistik
6 Saya memiliki sedikit pengalaman tentang komputer
7 Saya membenci komputer
8 Saya tidak pernah menguasai matematika dengan baik
9 Teman-teman saya memiliki kemampuan dalam
bidang statistik yang lebih baik dibandingkan dengan
saya
10 Komputer hanya berguna untuk bermain game
11 Pada saat saya duduk di bangku sekolah, kemampuan
matematika saya buruk
12 Orang-orang berkata bahwa SPSS membuat statistik
menjadi semakin mudah, akan tetapi pada
kenyataannya tidak.
13 Saya khawatir akan menimbulkan kerusakan yang fatal
jika saya mengoperasikan komputer
14 Komputer memiliki perangkat dan dengan sengaja
menjadi rusak kapanpun saya meggunakannya
15 Saya memiliki niat untuk merusak komputer
16 Saya sedih saat mendengar kata tendensi sentral
17 Saya tertegun pada saat saya melihat rumus/formula
18 SPSS selalu tidak berfungsi pada saat saya mencoba
menggunakannya
19 Saat saya menggunakan SPSS, setiap orang menatap
saya dengan tatapan aneh
20 Saya tidak dapat tidur karena memikirkan vektor
eigen
21 Saat saya terbangun dari tidur, saya berfikir bahwa
saya terjebak dalam distribusi normal
22 Teman-teman saya lebih menguasai SPSS
dibandingkan dengan saya
23 Bila saya menguasai statistik, orang-orang akan
berfikir bahwa saya adalah seorang kutu buku

5
Lian G. Otaya

Berdasarkan hasil uji coba instrumen angket kecemasan Statistika kepada

30 responden mahasiswa terhadap 23 item pernyataan dalam angket, diperoleh
tabulasi data angket sebagai berikut:
Tabel 1
Tabulasi Data Hasil Uji Coba Instrumen Angket Kecemasan Statistika

TABULASI DATA ANGKET KECEMASAN STATISTIK

BUTIR
RESPONDEN
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23
1 4 4 2 2 4 3 4 4 3 4 4 4 4 4 4 3 3 4 4 4 4 4 4
2 4 4 2 2 4 3 4 3 3 4 4 4 4 4 4 3 3 4 4 4 4 4 4
3 3 4 2 2 4 3 4 3 3 4 4 4 4 4 4 3 3 3 3 3 3 2 2
4 3 4 2 2 4 2 4 4 4 4 4 4 4 4 4 3 4 4 4 4 4 4 2
5 3 4 2 2 4 3 4 3 3 4 4 3 4 4 4 3 3 3 3 3 3 3 3
6 4 3 2 4 2 4 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3
7 3 3 2 3 3 2 4 3 2 3 3 3 4 4 4 3 3 3 3 2 3 3 3
8 4 3 1 2 4 2 4 2 2 4 3 3 4 4 4 3 2 3 3 2 3 2 3
9 4 4 2 3 2 4 4 2 4 3 4 4 4 4 4 4 1 1 4 3 3 2 2
10 4 2 2 2 4 2 4 4 4 3 4 2 4 4 4 4 1 1 4 1 2 2 2
11 3 4 1 2 4 4 4 2 4 3 1 4 4 4 3 2 4 4 4 4 2 3 3
12 4 4 1 2 3 3 4 3 2 4 3 4 3 4 4 3 3 4 3 2 3 3 3
13 4 3 4 3 4 4 3 3 4 4 3 2 3 3 3 4 4 1 3 3 3 4 3
14 4 2 3 3 3 4 3 2 4 3 4 3 4 4 3 3 4 4 3 3 3 3 3
15 3 3 1 1 3 3 4 4 4 4 3 3 4 4 4 4 4 4 3 3 3 3 1
16 3 3 2 3 3 2 2 2 2 2 3 2 2 2 2 3 3 2 3 3 3 2 2
17 2 2 2 2 2 2 2 2 3 2 2 2 2 2 1 2 3 2 2 2 2 3 2
18 2 2 2 2 2 2 2 2 2 2 2 1 1 1 1 1 1 1 1 1 2 2 2
19 1 3 3 2 2 3 2 2 3 1 2 2 2 2 1 1 2 1 2 2 3 3 2
20 1 1 2 3 2 3 1 2 2 2 2 2 2 1 1 2 2 2 2 2 2 2 2
21 2 2 2 2 3 2 2 2 3 2 3 2 2 2 2 2 3 2 2 2 2 3 2
22 3 2 4 3 2 3 2 2 3 1 1 2 2 2 2 3 2 2 2 3 2 3 2
23 3 3 3 3 3 3 1 1 4 1 1 1 1 1 1 3 3 2 1 2 2 3 1
24 3 4 4 4 2 2 2 2 2 1 1 2 2 2 2 2 3 2 2 2 2 3 2
25 2 2 3 3 2 3 1 1 3 1 1 1 1 1 2 2 2 1 1 2 2 2 3
26 4 4 2 2 3 2 4 1 2 4 2 4 4 4 4 4 3 3 3 3 3 2 3
27 3 3 1 2 3 3 4 3 2 4 3 3 4 4 4 3 3 3 4 3 3 2 3
28 3 2 2 2 4 2 3 2 2 4 2 3 4 4 4 4 2 3 3 2 3 2 3
29 3 3 2 2 3 3 4 3 4 3 4 4 4 4 4 4 4 3 4 3 3 3 4
30 4 4 1 2 3 3 4 4 3 4 4 4 4 4 4 3 3 4 4 4 4 3 4

6
Lian G. Otaya

B. Analisis Data
Analisis faktor dengan Exploratory Factor Analysis dilakukan
menggunakan program SPSS versi 24.00. Analisis faktor mempunyai asumsi yang
harus dipenuhi, yaitu data atau sampel diasumsikan cukup dan antar variabel
mempunyai korelasi.
Mencermati tabel 1 dapat dilihat hasil uji coba instrumen yang terdiri dari
23 butir dan responden sebanyak 30 orang. Perbandingan antara jumlah butir dan
banyaknya instrumen sebenarnya belum memenuhi rasio minimal, yaitu 1: 4.
Namun analisis akan tetap dilakukan hanya untuk keperluan ujicoba instrumen
dengan langkah-langkah sebagai berikut.
1. Prosedur Analisis Data
a. Siapkan data seperti prosedur penyiapan data pada umumnya. Baris
menunjukkan subjek dan kolom menunjukkan aitem. Masukkan data seperti
disajikan berikut ini.

7
Lian G. Otaya

b. Dari menu SPSS Klik Analyze >> Dimension Reduction >> Factor:

c. Selanjutnya masukkan semua item angket yang hendak dianalisis ke dalam

kotak variables dengan tampilan sebagai berikut.

d. Selanjutnya pilih kolom Descriptives dengan mencetang (√) kotak initial

solution pada kolom Statistics dan pada kolom Correlation Matrix , Klik KMO
Bartletts test of Sphericity dan anti Image dengan tampilan sebagai berikut.

8
Lian G. Otaya

e. Kemudian klik Extraction pilih correlation matrix dab scree plot klik Continue, kemudian
Rotation, lalu pilih Method Varimax. Tekan Continue kemudian OK

f. Hasil analisis SPSS diperoleh output sebagai berikut.

Factor Analysis

9
 Lian G. Otaya

Anti-image Matrice s
ITEM1 ITEM2 ITEM3 ITEM4 ITEM5 ITEM6 ITEM7 ITEM8 ITEM9 ITEM10 ITEM11 ITEM12 ITEM13 ITEM14 ITEM15 ITEM16 ITEM17 ITEM18 ITEM19 ITEM20 ITEM21 ITEM22 ITEM23
Anti-image ITEM1 0,059 -0,029 -0,025 -0,057 0,011 0,037 -0,014 0,028 -0,042 -0,027 -0,027 0,031 0,019 -0,009 0,019 -0,051 0,065 -0,033 -0,011 -0,010 0,018 0,016 -0,053
Covarianc ITEM2 -0,029 0,118 0,021 -0,003 -0,066 -0,023 -0,012 -0,007 0,028 0,028 0,050 -0,040 0,002 0,004 -0,013 0,037 -0,050 0,029 0,015 -0,015 -0,054 -0,007 0,076
e
ITEM3 -0,025 0,021 0,107 -0,012 -0,046 0,000 0,015 -0,042 0,037 0,033 0,015 -0,022 -0,011 -0,007 0,000 -0,001 -0,030 0,047 0,042 -0,037 -0,003 -0,059 0,003
ITEM4 -0,057 -0,003 -0,012 0,121 0,028 -0,091 0,019 -0,003 0,068 0,028 -0,005 -0,016 -0,024 0,015 -0,030 0,047 -0,065 0,019 -0,011 0,034 0,000 -0,027 0,061
ITEM5 0,011 -0,066 -0,046 0,028 0,180 0,056 0,012 0,048 -0,045 -0,048 -0,031 0,043 -0,002 0,001 -0,011 0,016 0,027 -0,028 -0,035 0,016 0,046 -0,014 -0,020
ITEM6 0,037 -0,023 0,000 -0,091 0,056 0,240 0,001 -0,010 -0,115 -0,051 0,006 0,016 0,019 -0,019 0,028 -0,018 0,060 -0,012 0,011 -0,055 0,037 0,042 -0,103
ITEM7 -0,014 -0,012 0,015 0,019 0,012 0,001 0,016 -0,016 0,011 0,002 -0,001 -0,006 -0,006 -0,003 -0,007 0,015 -0,011 0,012 0,004 -0,003 0,013 -0,013 0,005
ITEM8 0,028 -0,007 -0,042 -0,003 0,048 -0,010 -0,016 0,123 -0,020 -0,024 -0,050 0,036 0,007 0,009 -0,014 0,001 0,032 -0,037 -0,043 0,030 -0,001 -0,039 0,039
ITEM9 -0,042 0,028 0,037 0,068 -0,045 -0,115 0,011 -0,020 0,134 0,049 -0,031 -0,022 -0,017 0,005 -0,016 0,010 -0,056 0,036 0,015 -0,011 0,010 -0,068 0,080
ITEM10 -0,027 0,028 0,033 0,028 -0,048 -0,051 0,002 -0,024 0,049 0,042 0,007 -0,021 -0,011 0,004 -0,008 0,007 -0,040 0,023 0,018 -0,002 -0,022 -0,017 0,028
ITEM11 -0,027 0,050 0,015 -0,005 -0,031 0,006 -0,001 -0,050 -0,031 0,007 0,184 -0,033 -0,006 0,005 -0,006 0,036 -0,044 0,024 0,006 0,025 -0,085 0,035 0,018
ITEM12 0,031 -0,040 -0,022 -0,016 0,043 0,016 -0,006 0,036 -0,022 -0,021 -0,033 0,045 0,007 -0,004 0,007 -0,023 0,043 -0,029 -0,018 -0,005 0,019 0,002 -0,029
ITEM13 0,019 0,002 -0,011 -0,024 -0,002 0,019 -0,006 0,007 -0,017 -0,011 -0,006 0,007 0,014 -0,007 0,007 -0,014 0,022 -0,010 -0,004 -0,010 0,004 0,014 -0,013
ITEM14 -0,009 0,004 -0,007 0,015 0,001 -0,019 -0,003 0,009 0,005 0,004 0,005 -0,004 -0,007 0,008 -0,008 0,010 -0,013 -0,001 -0,006 0,017 -0,010 -0,003 0,016
ITEM15 0,019 -0,013 0,000 -0,030 -0,011 0,028 -0,007 -0,014 -0,016 -0,008 -0,006 0,007 0,007 -0,008 0,027 -0,036 0,028 -0,008 0,008 -0,014 0,006 0,023 -0,047
ITEM16 -0,051 0,037 -0,001 0,047 0,016 -0,018 0,015 0,001 0,010 0,007 0,036 -0,023 -0,014 0,010 -0,036 0,096 -0,064 0,025 -0,007 0,020 -0,022 -0,007 0,081
ITEM17 0,065 -0,050 -0,030 -0,065 0,027 0,060 -0,011 0,032 -0,056 -0,040 -0,044 0,043 0,022 -0,013 0,028 -0,064 0,130 -0,048 -0,011 -0,027 0,046 -0,002 -0,069
ITEM18 -0,033 0,029 0,047 0,019 -0,028 -0,012 0,012 -0,037 0,036 0,023 0,024 -0,029 -0,010 -0,001 -0,008 0,025 -0,048 0,041 0,024 -0,017 -0,009 -0,024 0,026
ITEM19 -0,011 0,015 0,042 -0,011 -0,035 0,011 0,004 -0,043 0,015 0,018 0,006 -0,018 -0,004 -0,006 0,008 -0,007 -0,011 0,024 0,036 -0,032 0,000 -0,004 -0,018
ITEM20 -0,010 -0,015 -0,037 0,034 0,016 -0,055 -0,003 0,030 -0,011 -0,002 0,025 -0,005 -0,010 0,017 -0,014 0,020 -0,027 -0,017 -0,032 0,085 -0,039 0,007 0,025
ITEM21 0,018 -0,054 -0,003 0,000 0,046 0,037 0,013 -0,001 0,010 -0,022 -0,085 0,019 0,004 -0,010 0,006 -0,022 0,046 -0,009 0,000 -0,039 0,114 -0,034 -0,044
ITEM22 0,016 -0,007 -0,059 -0,027 -0,014 0,042 -0,013 -0,039 -0,068 -0,017 0,035 0,002 0,014 -0,003 0,023 -0,007 -0,002 -0,024 -0,004 0,007 -0,034 0,158 -0,064
ITEM23 -0,053 0,076 0,003 0,061 -0,020 -0,103 0,005 0,039 0,080 0,028 0,018 -0,029 -0,013 0,016 -0,047 0,081 -0,069 0,026 -0,018 0,025 -0,044 -0,064 0,232
Anti-image ITEM1 ,529a -0,351 -0,314 -0,671 0,107 0,307 -0,456 0,327 -0,471 -0,553 -0,258 0,598 0,678 -0,405 0,467 -0,670 0,739 -0,676 -0,240 -0,144 0,214 0,163 -0,452
Correlatio ITEM2 -0,351 0,185 -0,027 -0,450 -0,140 -0,282 -0,060 0,221 0,399 0,342 -0,549 0,057 0,122 -0,238 0,345 -0,403 0,420 0,231 -0,146 -0,468 -0,054 0,460
,670a
n
ITEM3 -0,314 0,185 ,570a -0,105 -0,332 -0,001 0,355 -0,367 0,312 0,498 0,108 -0,313 -0,279 -0,235 -0,008 -0,012 -0,251 0,707 0,667 -0,389 -0,029 -0,451 0,018
ITEM4 -0,671 -0,027 -0,105 ,426a 0,187 -0,532 0,421 -0,022 0,532 0,389 -0,032 -0,221 -0,590 0,481 -0,519 0,435 -0,515 0,271 -0,172 0,336 -0,004 -0,194 0,363
ITEM5 0,107 -0,450 -0,332 0,187 ,740a 0,271 0,222 0,323 -0,287 -0,559 -0,171 0,479 -0,034 0,024 -0,160 0,119 0,173 -0,325 -0,437 0,131 0,321 -0,081 -0,100
ITEM6 0,307 -0,140 -0,001 -0,532 0,271 ,333a 0,011 -0,059 -0,643 -0,506 0,029 0,156 0,339 -0,429 0,350 -0,121 0,339 -0,118 0,119 -0,386 0,223 0,215 -0,438
ITEM7 -0,456 -0,282 0,355 0,421 0,222 0,011 ,837a -0,361 0,226 0,072 -0,013 -0,222 -0,371 -0,221 -0,314 0,377 -0,247 0,482 0,156 -0,068 0,305 -0,261 0,076
ITEM8 0,327 -0,060 -0,367 -0,022 0,323 -0,059 -0,361 ,700a -0,155 -0,331 -0,334 0,491 0,171 0,274 -0,250 0,006 0,254 -0,518 -0,647 0,289 -0,006 -0,280 0,231
ITEM9 -0,471 0,221 0,312 0,532 -0,287 -0,643 0,226 -0,155 ,298a 0,654 -0,198 -0,284 -0,403 0,157 -0,259 0,092 -0,422 0,487 0,210 -0,105 0,084 -0,471 0,452
ITEM10 -0,553 0,399 0,498 0,389 -0,559 -0,506 0,072 -0,331 0,654 ,703a 0,080 -0,487 -0,467 0,231 -0,230 0,112 -0,548 0,564 0,451 -0,026 -0,325 -0,206 0,283
ITEM11 -0,258 0,342 0,108 -0,032 -0,171 0,029 -0,013 -0,334 -0,198 0,080 ,823a -0,363 -0,117 0,128 -0,082 0,269 -0,286 0,281 0,076 0,199 -0,587 0,207 0,088
ITEM12 0,598 -0,549 -0,313 -0,221 0,479 0,156 -0,222 0,491 -0,284 -0,487 -0,363 ,724a 0,297 -0,189 0,196 -0,351 0,560 -0,667 -0,438 -0,073 0,265 0,019 -0,288
ITEM13 0,678 0,057 -0,279 -0,590 -0,034 0,339 -0,371 0,171 -0,403 -0,467 -0,117 0,297 ,746a -0,639 0,376 -0,375 0,515 -0,427 -0,196 -0,296 0,105 0,305 -0,237
ITEM14 -0,405 0,122 -0,235 0,481 0,024 -0,429 -0,221 0,274 0,157 0,231 0,128 -0,189 -0,639 ,784a -0,516 0,336 -0,403 -0,063 -0,327 0,634 -0,312 -0,089 0,358
ITEM15 0,467 -0,238 -0,008 -0,519 -0,160 0,350 -0,314 -0,250 -0,259 -0,230 -0,082 0,196 0,376 -0,516 ,758a -0,702 0,472 -0,253 0,262 -0,302 0,100 0,349 -0,590
ITEM16 -0,670 0,345 -0,012 0,435 0,119 -0,121 0,377 0,006 0,092 0,112 0,269 -0,351 -0,375 0,336 -0,702 ,601 a -0,573 0,406 -0,127 0,220 -0,210 -0,053 0,539
ITEM17 0,739 -0,403 -0,251 -0,515 0,173 0,339 -0,247 0,254 -0,422 -0,548 -0,286 0,560 0,515 -0,403 0,472 -0,573 ,393a -0,654 -0,157 -0,259 0,375 -0,014 -0,399
ITEM18 -0,676 0,420 0,707 0,271 -0,325 -0,118 0,482 -0,518 0,487 0,564 0,281 -0,667 -0,427 -0,063 -0,253 0,406 -0,654 ,570a 0,619 -0,288 -0,138 -0,296 0,263
ITEM19 -0,240 0,231 0,667 -0,172 -0,437 0,119 0,156 -0,647 0,210 0,451 0,076 -0,438 -0,196 -0,327 0,262 -0,127 -0,157 0,619 ,761a -0,571 0,006 -0,059 -0,193
ITEM20 -0,144 -0,146 -0,389 0,336 0,131 -0,386 -0,068 0,289 -0,105 -0,026 0,199 -0,073 -0,296 0,634 -0,302 0,220 -0,259 -0,288 -0,571 ,732a -0,391 0,060 0,176
ITEM21 0,214 -0,468 -0,029 -0,004 0,321 0,223 0,305 -0,006 0,084 -0,325 -0,587 0,265 0,105 -0,312 0,100 -0,210 0,375 -0,138 0,006 -0,391 ,800a -0,254 -0,268
ITEM22 0,163 -0,054 -0,451 -0,194 -0,081 0,215 -0,261 -0,280 -0,471 -0,206 0,207 0,019 0,305 -0,089 0,349 -0,053 -0,014 -0,296 -0,059 0,060 -0,254 ,616a -0,335
ITEM23 -0,452 0,460 0,018 0,363 -0,100 -0,438 0,076 0,231 0,452 0,283 0,088 -0,288 -0,237 0,358 -0,590 0,539 -0,399 0,263 -0,193 0,176 -0,268 -0,335 ,573a

10
Lian G. Otaya

11
Lian G. Otaya

2. Interpretasi Analisis Data

a. Uji Prasyarat Awal

12
 Lian G. Otaya

Untuk uji asumsi sebagai prasyarat awal melakukan analisis faktor, maka
diperlukan analsisis KMO dan Bartlett’s test of spericity. Kaiser Meyer Olkin
(KMO) merupakan suatu indeks yang digunakan untuk menguji ketepatan analisis
faktor. Nilai yang tinggi (antara 0,5 - 1,0) mengidentifikasi analisis faktor tepat.
Apabila dibawah 0,5 menunjukkan bahwa analisis faktor tidak tepat untuk
diaplikasikan. Berikut ini adalah output untuk KMO dan MSA dari SPSS:

Pada tabel KMO dan bartlett's test di atas terlihat angka KMO Measure of
sampling Adequacy (MSA) adalah 0.672. Karena nilai 0.672 ('> 0.5). Hal ini
menunjukkan kecukupan dari sampel. Angka KMO dan Bartlet's test (yang
tampak pada nilai chi-square) sebesar 687,532 dengan nilai signifikansi 0.000.
Hal ini menunjukkan bahwa adanya korelasi antar variabel dan layak untuk proses
lebih lanjut.
Selanjutnya untuk mengetahui item mana yang dapat diproses lebih lanjut
dan mana yang dikeluarkan dapat dilihat pada tabel Anti-image matrices di bawah
ini.
Anti-imag e Matric e s
ITEM1 ITEM2 ITEM3 ITEM4 ITEM5 ITEM6 ITEM7 ITEM8 ITEM9 ITEM10 ITEM11 ITEM12 ITEM13 ITEM14 ITEM15 ITEM16 ITEM17 ITEM18 ITEM19 ITEM20 ITEM21 ITEM22 ITEM23
Anti-image ITEM1 0,059 -0,029 -0,025 -0,057 0,011 0,037 -0,014 0,028 -0,042 -0,027 -0,027 0,031 0,019 -0,009 0,019 -0,051 0,065 -0,033 -0,011 -0,010 0,018 0,016 -0,053
Covarianc ITEM2 -0,029 0,118 0,021 -0,003 -0,066 -0,023 -0,012 -0,007 0,028 0,028 0,050 -0,040 0,002 0,004 -0,013 0,037 -0,050 0,029 0,015 -0,015 -0,054 -0,007 0,076
e
ITEM3 -0,025 0,021 0,107 -0,012 -0,046 0,000 0,015 -0,042 0,037 0,033 0,015 -0,022 -0,011 -0,007 0,000 -0,001 -0,030 0,047 0,042 -0,037 -0,003 -0,059 0,003
ITEM4 -0,057 -0,003 -0,012 0,121 0,028 -0,091 0,019 -0,003 0,068 0,028 -0,005 -0,016 -0,024 0,015 -0,030 0,047 -0,065 0,019 -0,011 0,034 0,000 -0,027 0,061
ITEM5 0,011 -0,066 -0,046 0,028 0,180 0,056 0,012 0,048 -0,045 -0,048 -0,031 0,043 -0,002 0,001 -0,011 0,016 0,027 -0,028 -0,035 0,016 0,046 -0,014 -0,020
ITEM6 0,037 -0,023 0,000 -0,091 0,056 0,240 0,001 -0,010 -0,115 -0,051 0,006 0,016 0,019 -0,019 0,028 -0,018 0,060 -0,012 0,011 -0,055 0,037 0,042 -0,103
ITEM7 -0,014 -0,012 0,015 0,019 0,012 0,001 0,016 -0,016 0,011 0,002 -0,001 -0,006 -0,006 -0,003 -0,007 0,015 -0,011 0,012 0,004 -0,003 0,013 -0,013 0,005
ITEM8 0,028 -0,007 -0,042 -0,003 0,048 -0,010 -0,016 0,123 -0,020 -0,024 -0,050 0,036 0,007 0,009 -0,014 0,001 0,032 -0,037 -0,043 0,030 -0,001 -0,039 0,039
ITEM9 -0,042 0,028 0,037 0,068 -0,045 -0,115 0,011 -0,020 0,134 0,049 -0,031 -0,022 -0,017 0,005 -0,016 0,010 -0,056 0,036 0,015 -0,011 0,010 -0,068 0,080
ITEM10 -0,027 0,028 0,033 0,028 -0,048 -0,051 0,002 -0,024 0,049 0,042 0,007 -0,021 -0,011 0,004 -0,008 0,007 -0,040 0,023 0,018 -0,002 -0,022 -0,017 0,028
ITEM11 -0,027 0,050 0,015 -0,005 -0,031 0,006 -0,001 -0,050 -0,031 0,007 0,184 -0,033 -0,006 0,005 -0,006 0,036 -0,044 0,024 0,006 0,025 -0,085 0,035 0,018
ITEM12 0,031 -0,040 -0,022 -0,016 0,043 0,016 -0,006 0,036 -0,022 -0,021 -0,033 0,045 0,007 -0,004 0,007 -0,023 0,043 -0,029 -0,018 -0,005 0,019 0,002 -0,029
ITEM13 0,019 0,002 -0,011 -0,024 -0,002 0,019 -0,006 0,007 -0,017 -0,011 -0,006 0,007 0,014 -0,007 0,007 -0,014 0,022 -0,010 -0,004 -0,010 0,004 0,014 -0,013
ITEM14 -0,009 0,004 -0,007 0,015 0,001 -0,019 -0,003 0,009 0,005 0,004 0,005 -0,004 -0,007 0,008 -0,008 0,010 -0,013 -0,001 -0,006 0,017 -0,010 -0,003 0,016
ITEM15 0,019 -0,013 0,000 -0,030 -0,011 0,028 -0,007 -0,014 -0,016 -0,008 -0,006 0,007 0,007 -0,008 0,027 -0,036 0,028 -0,008 0,008 -0,014 0,006 0,023 -0,047
ITEM16 -0,051 0,037 -0,001 0,047 0,016 -0,018 0,015 0,001 0,010 0,007 0,036 -0,023 -0,014 0,010 -0,036 0,096 -0,064 0,025 -0,007 0,020 -0,022 -0,007 0,081
ITEM17 0,065 -0,050 -0,030 -0,065 0,027 0,060 -0,011 0,032 -0,056 -0,040 -0,044 0,043 0,022 -0,013 0,028 -0,064 0,130 -0,048 -0,011 -0,027 0,046 -0,002 -0,069
ITEM18 -0,033 0,029 0,047 0,019 -0,028 -0,012 0,012 -0,037 0,036 0,023 0,024 -0,029 -0,010 -0,001 -0,008 0,025 -0,048 0,041 0,024 -0,017 -0,009 -0,024 0,026
ITEM19 -0,011 0,015 0,042 -0,011 -0,035 0,011 0,004 -0,043 0,015 0,018 0,006 -0,018 -0,004 -0,006 0,008 -0,007 -0,011 0,024 0,036 -0,032 0,000 -0,004 -0,018
ITEM20 -0,010 -0,015 -0,037 0,034 0,016 -0,055 -0,003 0,030 -0,011 -0,002 0,025 -0,005 -0,010 0,017 -0,014 0,020 -0,027 -0,017 -0,032 0,085 -0,039 0,007 0,025
ITEM21 0,018 -0,054 -0,003 0,000 0,046 0,037 0,013 -0,001 0,010 -0,022 -0,085 0,019 0,004 -0,010 0,006 -0,022 0,046 -0,009 0,000 -0,039 0,114 -0,034 -0,044
ITEM22 0,016 -0,007 -0,059 -0,027 -0,014 0,042 -0,013 -0,039 -0,068 -0,017 0,035 0,002 0,014 -0,003 0,023 -0,007 -0,002 -0,024 -0,004 0,007 -0,034 0,158 -0,064
ITEM23 -0,053 0,076 0,003 0,061 -0,020 -0,103 0,005 0,039 0,080 0,028 0,018 -0,029 -0,013 0,016 -0,047 0,081 -0,069 0,026 -0,018 0,025 -0,044 -0,064 0,232
Anti-image ITEM1 ,529a -0,351 -0,314 -0,671 0,107 0,307 -0,456 0,327 -0,471 -0,553 -0,258 0,598 0,678 -0,405 0,467 -0,670 0,739 -0,676 -0,240 -0,144 0,214 0,163 -0,452
Correlatio ITEM2 -0,351 ,670 a 0,185 -0,027 -0,450 -0,140 -0,282 -0,060 0,221 0,399 0,342 -0,549 0,057 0,122 -0,238 0,345 -0,403 0,420 0,231 -0,146 -0,468 -0,054 0,460
n
ITEM3 -0,314 0,185 ,570 a -0,105 -0,332 -0,001 0,355 -0,367 0,312 0,498 0,108 -0,313 -0,279 -0,235 -0,008 -0,012 -0,251 0,707 0,667 -0,389 -0,029 -0,451 0,018
ITEM4 -0,671 -0,027 -0,105 ,426 a 0,187 -0,532 0,421 -0,022 0,532 0,389 -0,032 -0,221 -0,590 0,481 -0,519 0,435 -0,515 0,271 -0,172 0,336 -0,004 -0,194 0,363
ITEM5 0,107 -0,450 -0,332 0,187 ,740 a 0,271 0,222 0,323 -0,287 -0,559 -0,171 0,479 -0,034 0,024 -0,160 0,119 0,173 -0,325 -0,437 0,131 0,321 -0,081 -0,100
ITEM6 0,307 -0,140 -0,001 -0,532 0,271 ,333 a 0,011 -0,059 -0,643 -0,506 0,029 0,156 0,339 -0,429 0,350 -0,121 0,339 -0,118 0,119 -0,386 0,223 0,215 -0,438
ITEM7 -0,456 -0,282 0,355 0,421 0,222 0,011 ,837 a -0,361 0,226 0,072 -0,013 -0,222 -0,371 -0,221 -0,314 0,377 -0,247 0,482 0,156 -0,068 0,305 -0,261 0,076
ITEM8 0,327 -0,060 -0,367 -0,022 0,323 -0,059 -0,361 ,700 a -0,155 -0,331 -0,334 0,491 0,171 0,274 -0,250 0,006 0,254 -0,518 -0,647 0,289 -0,006 -0,280 0,231
ITEM9 -0,471 0,221 0,312 0,532 -0,287 -0,643 0,226 -0,155 ,298 a 0,654 -0,198 -0,284 -0,403 0,157 -0,259 0,092 -0,422 0,487 0,210 -0,105 0,084 -0,471 0,452
ITEM10 -0,553 0,399 0,498 0,389 -0,559 -0,506 0,072 -0,331 0,654 ,703 a 0,080 -0,487 -0,467 0,231 -0,230 0,112 -0,548 0,564 0,451 -0,026 -0,325 -0,206 0,283
ITEM11 -0,258 0,342 0,108 -0,032 -0,171 0,029 -0,013 -0,334 -0,198 0,080 ,823 a -0,363 -0,117 0,128 -0,082 0,269 -0,286 0,281 0,076 0,199 -0,587 0,207 0,088
ITEM12 0,598 -0,549 -0,313 -0,221 0,479 0,156 -0,222 0,491 -0,284 -0,487 -0,363 ,724a 0,297 -0,189 0,196 -0,351 0,560 -0,667 -0,438 -0,073 0,265 0,019 -0,288
ITEM13 0,678 0,057 -0,279 -0,590 -0,034 0,339 -0,371 0,171 -0,403 -0,467 -0,117 0,297 ,746 a -0,639 0,376 -0,375 0,515 -0,427 -0,196 -0,296 0,105 0,305 -0,237
ITEM14 -0,405 0,122 -0,235 0,481 0,024 -0,429 -0,221 0,274 0,157 0,231 0,128 -0,189 -0,639 ,784 a -0,516 0,336 -0,403 -0,063 -0,327 0,634 -0,312 -0,089 0,358
ITEM15 0,467 -0,238 -0,008 -0,519 -0,160 0,350 -0,314 -0,250 -0,259 -0,230 -0,082 0,196 0,376 -0,516 ,758 a -0,702 0,472 -0,253 0,262 -0,302 0,100 0,349 -0,590
ITEM16 -0,670 0,345 -0,012 0,435 0,119 -0,121 0,377 0,006 0,092 0,112 0,269 -0,351 -0,375 0,336 -0,702 ,601a -0,573 0,406 -0,127 0,220 -0,210 -0,053 0,539
ITEM17 0,739 -0,403 -0,251 -0,515 0,173 0,339 -0,247 0,254 -0,422 -0,548 -0,286 0,560 0,515 -0,403 0,472 -0,573 ,393 a -0,654 -0,157 -0,259 0,375 -0,014 -0,399
ITEM18
ITEM19
ITEM20
-0,676
-0,240
-0,144
Pada tabel Anti-image Matrice di atas, khusus pada bagian (Anti Image
0,420
0,231
-0,146
0,707
0,667
-0,389
0,271
-0,172
0,336
-0,325
-0,437
0,131
-0,118
0,119
-0,386
0,482
0,156
-0,068
-0,518
-0,647
0,289
0,487
0,210
-0,105
0,564
0,451
-0,026
0,281
0,076
0,199
-0,667
-0,438
-0,073
-0,427
-0,196
-0,296
-0,063
-0,327
0,634
-0,253
0,262
-0,302
0,406
-0,127
0,220
-0,654
-0,157
-0,259
,570 a
0,619
-0,288
0,619
,761
-0,571
a
-0,288
-0,571
,732 a
-0,138
0,006
-0,391
-0,296
-0,059
0,060
0,263
-0,193
0,176
ITEM21 0,214 -0,468 -0,029 -0,004 0,321 0,223 0,305 -0,006 0,084 -0,325 -0,587 0,265 0,105 -0,312 0,100 -0,210 0,375 -0,138 0,006 -0,391 ,800 a -0,254 -0,268

Correlation) terlihat angka yang bertanda (a) yang menandakan besaran MSA
ITEM22 0,163 -0,054 -0,451 -0,194 -0,081 0,215 -0,261 -0,280 -0,471 -0,206 0,207 0,019 0,305 -0,089 0,349 -0,053 -0,014 -0,296 -0,059 0,060 -0,254 ,616 a -0,335
ITEM23 -0,452 0,460 0,018 0,363 -0,100 -0,438 0,076 0,231 0,452 0,283 0,088 -0,288 -0,237 0,358 -0,590 0,539 -0,399 0,263 -0,193 0,176 -0,268 -0,335 ,573 a

13
Lian G. Otaya

sebuah variabel atau item. Dari 23 item yang dianalisis, terdapat 4 item yang
memiliki korelasi < 0,5, yaitu item nomor 4, 6, 9, dan 17. Item-item yang
memiliki nilai MSA < 0,5 seharusnya dikeluarkan karena tujuan analisis faktor
adalah memperoleh faktor-faktor yang dominan. Dengan demikian dilakukan
proses ulang dari awal dengan mengeluarkan variabel tersebut yang nilai MSA
< 0.5. Langkah analisis selanjutnya :
a. Dari menu SPSS, buka kembali analisis factor
b. Tekan tombol reset
c. Masukan semua variabel ke dalam kolom variables(s) karena semua variabel
lolos uji pertama.
d. Klik tombol Descriptive, Klik Initial solution, KMO and Bartlett's test of
Sphericity, anti Image dan Klik Continue.
e. Klik Extraction, Klik screee plot, Klik continue
f. Klik Scores, Kkik save as variable Pilih regression.
g. Klik Continue dan klik OK.
Setelah item nomor 4, 6, 9, dan 17 dikeluarkan dan dianalisis lagi
diperoleh hasil output sebagai berikut.

Pada tabel KMO dan bartlett's test di atas terlihat angka KMO Measure of
sampling Adequacy (MSA) adalah 0.804. Karena nilai 0.804 ('> 0.5). Hal ini
menunjukkan kecukupan dari sampel. Angka KMO dan Bartlet's test (yang
tampak pada nilai chi-square) sebesar 595,204 dengan nilai signifikansi 0.000.
Hal ini menunjukkan bahwa adanya korelasi antar variabel dan layak untuk proses
lebih lanjut.
Selanjutnya untuk mengetahui item yang telah diproses lebih lanjut dari
item yang dikeluarkan dapat dilihat pada tabel Anti-image matrices di bawah ini.

14
Lian G. Otaya

Setelah butir 4, 6, 9, dan 17 dikeluarkan, Anti-Image Matriks

menunjukkan hasil korelasi item atau Nilai MSA masing-masing item besarnya >
0.5 maka semua item dapat diproses lebih lanjut dengan factoring.

Berdasarkan tabel Communalities, item1 besarnya 0,791. Hal ini berarti

sekitar 79,1% varians dari variabel kenyamanan dapat dijelaskan oleh faktor yang

15
Lian G. Otaya

terbentuk. Item2 besarnya 0,643 hal ini berarti 64,3% varian dari item tersebut

dapat dijelaskan oleh faktor yang terbentuk. Demikian juga untuk item yang lain.

Semakin kecil nilai communalities berarti semakin lemah hubungannya dengan

faktor yang terbentuk.

b. Proses Factoring

Selanjutnya penentuan jumlah faktor yang ditentukan untuk mewakili

variabel-variabel yang akan dianalisis didasarkan pada besarnya eigenvalue (nilai

eigen) serta besarnya persentase total varian. Jika suatu variabel memiliki

eigenvalue , dianggap sebagai suatu faktor. Sebaliknya jika suatu variabel

memiliki eigenvalue < 1, maka variabel tersebut tidak akan dimasukkan kedalam

model.

Cara kedua dalam menentukan jumlah faktor juga dapat didasarkan pada

Scree plot . Pada dasarnya Scree plot merupakan grafik yang menggambarkan

hubungan antar faktor dengan eigenvalue. Sumbu Y (vertikal) menunjukkan

besarnya eigenvalue, dan sumbu X (horizontal) menunjukkan jumlah

faktor.Banyaknya faktor yang termuat dalam instrumen ditandai dengan

banyaknya curaman grafik berdasarkan eigenvalue . Cara ketiga yang dapat

dilakukan untuk menentukan jumlah faktor adalah dengan melihat besarnya

persentase varian . Untuk dapat menentukan berapa jumlah faktor yang diambil,

16
Lian G. Otaya

harus memiliki nilai persentase varian 0,5, atau dengan kriteria kumulatif

persentase varian 60 %.

Dengan menggunakan software SPSS penentuan jumlah faktor dilakukan

dengan langkah sebagai berikut, klik Analyze- Data Reduction-Factor- Extraction

diperoleh output total variance explained dari 23 variabel yang dianalisis.

Berdasarkan tabel total variance explained terlihat bahwa dari 23 item

yang dianalisis, ternyata mengelompok ke dalam 4 faktor utama. Hal tersebut

terlihat dari banyak variabel yang memiliki eigenvalue . Berdasarkan

persentase kumulatif dapat dijelaskan sumbangan varians dari 4 faktor sebagai

berikut:
a. Faktor pertama dengan varians sebesar 58,33 %

17
Lian G. Otaya

b. Faktor keduaa dengan varians sebesar 9,388 %

c. Faktor ketiga dengan varians sebesar 6,571 %
d. Faktor keempat dengan varians sebesar 5,476%

Dengan demikian dari 4 faktor tersebut terdapat 79,77% varians yang

dapat dijelaskan sedangkan sisanya 20,24% dijelaskan oleh faktor lain yang tidak

diteliti. Namun dengan memperhatikan Scree plot dari eigenvalue , diperoleh

grafik yang terdiri dari 1 curaman seperti yang terlihat pada gambar berikut:

c. Factor Rotation
Hasil dari ektraksi faktor dalam matriks faktor mengidentifikasikan
hubungan antar faktor dan variabel individual, namun dalam faktor-faktor tersebut
banyak variabel yang berkorelasi sehingga sulit diinterpretasikan. Melalui matriks
rotasi faktor, faktor ditransformasikan ke dalam matriks yang lebih sederhana
sehingga mudah diinterpretasikan . Rotasi faktor menggunakan prosedur varimax.
Rotasi faktor dengan menggunakan bantuan SPSS dilakukan dengan langkah
sebagai berikut, klik Analyze- Data Reduction-Factor- Rotation, diperoleh output
sebagai berikut.

18
Lian G. Otaya

Ro tate d Co mpo ne nt Matrix a

Component
1 2 3 4
ITEM1 0,803 0,366 0,078 -0,072
ITEM2 0,308 0,736 0,039 0,075
ITEM3 -0,086 -0,144 -0,189 -0,907
ITEM5 0,517 0,260 0,389 0,152
ITEM7 0,650 0,417 0,356 0,439
ITEM8 0,246 0,190 0,865 0,156
ITEM10 0,607 0,360 0,409 0,437
ITEM11 0,450 0,156 0,706 0,216
ITEM12 0,458 0,683 0,197 0,428
ITEM13 0,687 0,387 0,342 0,414
ITEM14 0,708 0,420 0,319 0,398
ITEM15 0,772 0,353 0,297 0,359
ITEM16 0,902 0,027 0,135 -0,041
ITEM18 0,159 0,701 0,246 0,397
ITEM19 0,590 0,450 0,417 0,325
ITEM20 0,175 0,840 0,209 -0,014
ITEM21 0,323 0,623 0,492 0,122
ITEM22 -0,116 0,593 0,512 -0,492
ITEM23 0,267 0,573 0,099 0,140
Extraction Method: Principal Component
a. Rotation converged in 7 iterations .

Mencermati tabel Rotation Component Matrix , dapat dilihat komponen-

komponen yang tercakup pada setiap faktor. Koefisien faktor yang memiliki nilai

absolut menunjukkan hubungan yang tinggi antara faktor dengan

komponen. Komponen-komponen tersebut yaitu:

1) Pada faktor 1 tergabung item 1, item 5, item 7, item 10, item 13, item 4 item
15, item 16, dan item 19
2) Pada faktor 1 tergabung item 2, item 12, item 18, item 20, item 21, item 22,
dan item 23
3) Pada faktor 3 tergabung item 8 dan 11. Namun item 3 dan 4 menunjukkan
harga yang bernilai negatif, sehingga sulit untuk menentukan posisi dari item 3
dan 4.
4) Pada faktor 4 hanya dijelaskan oleh item 3. Namun item 3 menunjukkan harga
yang bernilai negatif, sehingga sulit untuk menentukan posisi dari item 3.
e. Penamaan Faktor Terbentuk

19
Lian G. Otaya

Setelah dilakukan rotasi dan terbentuk faktor, selanjutnya memberi nama

faktor tersebut. Penamaan faktor ini tergantung peneliti dan dapat mewakili
variabel-variabelnya. Selanjutnya untuk penamaan faktor terbentuk menggunakan
Tabel Component Transformation matrix sebagai berikut.

Component Transformation Matrix

Component 1 2 3 4
1 ,631 ,556 ,427 ,334
2 -,451 ,699 ,169 -,529
3 ,581 -,227 ,047 -,780
4 -,248 -,389 ,887 -,018
Extraction Method: Principal Component Analysis.
Rotation Method: Varimax with Kaiser Normalization.

Tabel Component Transformation matrix, menunjukan hasil rotasi

varimax. Variabel-variabel sudah terdistribusikan ke masing-masing faktor yaitu 4
faktor yang terbentuk sebagai berikut.
Faktor 1 terdiri dari variabel harga produk, keberagaman produk dan fasilitas.
Diberinama Faktor Perilaku Menghindar.
Faktor 2 terdiri dari variabel kualitas produk dan pelayanan kasir. Diberi
nama Faktor Ketakutan.
Faktor 3 variabel kebersihan dan keindahan interior. Diberi nama Faktor
Kekhawatiran.
Faktor 4 terdiri dari variabel kenyamanan dan variabel lokasi toko. Diberi
nama Faktor Kepercayaan Diri.

20