ANALISIS 14.1.

1
Pada tabel KMO and Bartlet’s test, nilai KMO measure of sampling
adequacy (MSA) sebesar 0,583. Oleh karena angka ini > 0,5 dan dilihat dari
Bartletf s test of sphericity dengan nilai chi square sebesar 181,741 dengan
signifikansi 0,000 berarti kumpulan variabel tersebut dapat diperoses lebih
lanjut.

Pada tabel Anti Image Matrices, khususnya bagian bawah (Anti

Image Correlation), terlihat angka-angka yang membentuk diagonal
(bertanda 'a') merupakan MSA sebuah variabel. Jika ada diantara angka
tersebut < 0,5, maka pilih variabel dengan angka terkecil untuk
dikeluarkan. Adapun MSA yang < 0,5 adalah variabel parkir (0,496),
variabel produk (0,445) dan variabel bunga (0,435). Pada langkah
selanjutnya variabel bunga dikeluarkan karena memiliki MSA paling kecil,
dan ulangi langkah pemilihan variabel setelah mengeluarkan variabel
bunga. Hasilnya seperti print out Output 14.1.2.
OUTPUT 14.1.2
 ANALISIS 14.1.2
Pada tabel KMO and Bartletf s test, nilai KMO measure of sampling
adequacy (MSA) sebesar 0,625. Oleh karena angka ini > 0,5 berarti
kumpulan variabel tersebut signifikan untuk diperoses lebih lanjut.
Demikian jugajika dilihat dari Bartletf s test of sphericity dengan nilai chi
square sebesar 153,206 dengan signifikansi 0,000.
ANALISIS 14.1.2
Pada tabel Anti Image Matrices bagian bawah, terlihat masih ada angka MSA
yang <0,5 yaitu variabel produk (0,427). Sehingga pada tahap selanjutnya
variabel produk dikeluarkan. Kemudian ulangi langkah pemilihan variabel
dengan mengeluarkan variabel produk dan hasilnya seperti print out Output
14.1.3
OUTPUT 14.1.3
OUTPUT 14.1.3
 ANALISIS 14.1.3
Pada tabel KMO and Bartletf s test, nilai KMO measure of sampling
adequacy (MSA) sebesar 0,648. Oleh karena angka ini > 0,5 berarti
kumpulan variabel tersebut signifikan untuk diperoses lebih lanjut. Demikian
juga kelayakan analisis factor jika dilihat dari Bartletf s test of sphericity
dengan nilai chi square sebesar 143,829 dengan signifikansi 0,000.

Pada tabel Anti Image Matrices bagian bawah, terlihat tidak ada variabel
dengan MSA < 0,50 sehingga ke-enam variabel tersebut memenuhi syarat
untuk analisis faktor.
 COMMUNALITIES
(KEBERSAMAAN)

Angka communalities merupakan jumlah kuadrat dari nilai factor muatan (loading
factor) dari component matrix (CM) seperti yang ditunjukkan pada Tabel 14.4.
Angka communalities untuk variabel parkir sebesar 0,571 berarti sekitar 57,1
persen varians dari variabel parkir dapat dijelaskan oleh faktor yang terbentuk.
 COMMUNALITIES
(KEBERSAMAAN)

Sedangkan angka communalities untuk variabel ATM sebesar 0,592 berarti sekitar
59,2 persen varians dari variabel ATM dapat dijelaskan oleh faktor yang terbentuk.
Demikian juga untuk variabel lainnya dapat dilihat pada tabel communalities di
atas, di mana semakin kecil communalities suatu variabel, berarti semakin lemah
hubungannya dengan faktor yang terbentuk.
 TOTAL VARIANCE
EXPLAINED

Dari Tabel 14.4 terlihat bahwa hanya dua faktor terbentuk, karena dengan satu faktor
angka eigenvalue di atas 1, dengan dua faktor angka eigenvalue masih di atas 1,
tetapi dengan tiga faktor angka eigenvalue sudah di bawah 1. Varian faktor 1 sebesar
33,662 persen dan varian faktor 2 sebesar 27,799 persen. Sehingga kedua faktor itu
dapat menjelaskan 61,461 persen dari variasi ke-enam variabel yang dianalisis.
 SCREE PLOT

Kelayakan faktor dapat dilihat dari scree plot, Faktor 1 dan faktor 2 (sumbu component number)
mempunyai eidenvalues di atas angka 1 (sumbu eigenvalues), sedangkan faktor 3 sudah di bawah
angka 1. Hal ini menunjukkan bahwa dua faktor paling bagus untuk meringkas ke-enam variabel
tersebut, sedangkan mulai faktor ke-tiga dan seterusnya tidak layak, karena memiliki eigenvalue
kurang dari 1.