BAB III METODOLOGI PENELITIAN
3.5. Teknik Analisis Data
Tenik analisis yang digunakan adalah analisis faktor, yaitu suatu teknik analisis statistik multivariate yang digunakan untuk mengurangi dan menyimpulkan variabel-variabel menjadi faktor-faktor (Malhotra, 1996: 645). Dalam upaya mengolah data guna menarik kesimpulan peneliti maka penelitian menggunakan bantuan aplikasi komputer melalui program SPSS 10.0.
Model analisis faktor secara umum sebagai berikut : Xi = Ai₁F₁ + Ai₂ F₂ + Ai₃ F₃ + AIM + ViUi
Dimana :
Xi = standarisasi variabel ke-1
Ai = steandarisasi koefisien regresi berganda variabel 1 pada common faktor
F = common faktor
Vi = standarisasi koefisien regresi dari variabel 1 pada unit fsn Ui = Faktor unit variabel 1
Faktor unik tidak berkorelasi dengan faktor-faktor unik lainnya dan juga terhadap common faktor. Common faktor itu sendiri sebenarnya dapat diekspresikan sama bagi kombinasi linier dari variabel-variabel yang diobservasi. Sehingga dapat dirumuskan sebagai berikut :
Fi = Wi₁Xi₁ + Wi₂ X₂ + Wi₃ X₃ + ….. + WiKXK Fi = estimasi faktor ke-1
W = bobot atau sekor koefisien faktor K = jumlah variabel
Secara umum langkah-langkah pengujian dalam analisis faktor meliputi : 1. Perumusan masalah
2. Menyusun matriks korelasi
Langkah ini secara spesifikasi menguji tingkat korelasi yang berfungsi untuk menentukan apakah variabel memiliki kesamaan umum (homogen/common) atau tidak dan menguji tingkat kecukupan sampel. Menurut malhotra (1996 : 646) terdapat beberapa kunci statistik yang berhubungan dengan analisis faktor :
1. Barlett’s Tast of Sphericity (BTS)
Tes yang digunakan untuk menguji interdepensi atara butir-butir yang menjadi indikator suatu variabel atau faktor. Analisis ini bermaksud tidak berkorelasi satu dengan yang lainnya (colinearity) dalam populasi. Apabila ternyata terbukti ada variabel yang ternyata berkorelasi maka salah satu dari variabel tersebut tidak perlu dianalisis. Caranya: apabila nilai bartlett’s test of sphericity signifikan dibawah 0,5 maka menandakan model yang dibentuk layak digunakan.
2. Correlation matrixs
Yaitu matrik korelasi yang merupakan hasil korelasi antar butir yang menunjukan koefisien (r) antar butir yang satu dengan butir yang lainnya, yang mungkin dapat atau tidak dimasukkan kedalam analisis. 3. Communality
Yaitu jumlah fariansyang diberikan oleh tiap-tiap butir dalam butir lain yang dipertimbangkan. Koefisien communality tersebut cukup efektif apabila bernilai 50%. Apabila terdapat communality 50% maka harus dipertimbangkan besarnya muatan faktor.
4. Eigenvalue
Yaitu nilai yang menunjukan jumlah varians yang berasiasi dengan masing-masing-masing faktor. Faktor yang mempunyai eigenvalue 1 dimasukkan dalam model, sedangkan yang nilainya kurang dari 1 merupakan faktor yang tidak dimasukkan kedalam model.
5. Faktor loading
Merupakan koefisien korelasi antar variabel-variabel dengan faktor- faktornya. Faktor loading yang bernilai lebih besar menunjukan besarnya pengaruh variabel observasi terhadap faktor.
6. Faktor Matrik
Yaitu faktor yang berisi muatan faktor dari semua variabel pada semua faktor yang telah dipilih. Dari faktor matriks ini dapat dilihat pengaruh dari variabel terhadap faktor.
7. Kaiser-Mayor-Olkin (KMO) test
Measure of sampling adequacy, adalah angka indek untuk membandingkan antara besarnya koefien korelasi observasi dengan besarnya koefisien parsial. Jika nilai KMO kurang dari 0,5 menunjukan bahwa koreasi antara variabel tidak dapat menjelaskan variabel lain dan analisis faktor tidak sesuai untuk diterapkan.
8. Percentage of variance
Yaitu percentage dari total variance explained atribut-atribut dari masing-masing faktor.
3. Model atau teknik Analisis Faktor
Menggunakan Principal Componen (PAC). Dimana analisis ini digunakan bertujuan untuk memperoleh jumlah minimum dari faktor-faktor yang menghasilkan variance maksimum dari data-data untuk digunakan dalam analisis multivariance selanjutnya. Untuk menentukan berapa faktor yang dapat diterima secara empirik dapat dilihat dari besarnya eigen value (nilai eigen). Apabila nilai eigen lebih besar dari 1(>1) maka semakinrepresentatif faktor tersebut mewakili fariabel.
4. Rotasi Faktor
Tujuan rotasi faktor adalah agar matrix faktor menjadi lebih sederhana sehingga lebih mudah untuk diinterpretasikan. Variabel-variabel yang termasuk kedalam suatu faktor harus memiliki loading faktor diatas 0,5 sedangkan dibawah 0,5 dibuang atau dimasukkan kedalam faktor.
5. Interpretasi Faktor
Tujuan langkah ini adalah menentukan variabel mana yang dapat masuk dalam suatu faktor dan yang tidak masuk dalam suatu faktor. Variabel- variabel yang masuk dalam suatu faktor harus memiliki loadingfaktor diatas 0,5 sedangkan dibawah 0,5 akan dibuang atau tidak dimasukan dalam faktor.
6. Penentuan Model yang Tepat
Tujuan langkah ini adalah untuk menentukan model faktor yang dihasilkan apakah baik tau tidak. Caranya adalah dengan melihat pada nilai residual, apabila terdapat dibawah 50% nilai residual yang kecil maka nilai tersebut naik atau layak dijadikan dasar dalam pengambilan keputusan.
Tahap-tahap analisis sebagai berikut : 1. Penentuan tujuan analisis faktor
Tujuannya adalah mengkonfirmasi komponen-komponen yang di anggap dapat mewakili seperangkat variabel yang diteliti.
2. Desain analisis faktor
Korelasi yang akan dicari menggunakan analysis faktor ini adalah komponen-komponen yang mendasari korelasi dimana variabel- variabel yang ada (R type faktor analysis), sehingga nantinya didapat beberapa komponen (variabel) yang bisa dianggap mewakili semua variabel yang ada.
3. Menurunkan faktor-faktor yang menduga kesesuaian
Metode yang dipergunakan adalah common faktor analysis, metode dimana faktor laten yang kita inginkan tidak ditentukan terlebih dahulu (secara apriori), jadi kita biarkan data dengan sendirinya mengelompok menjadi beberapa faktor.
4. Inter pretasi faktor
Dengan menggunakan program SPSS, kita langsung dapat menginterpretasikan hasil-hasil perhitungan, dengan cara sebagai berikit:
a. Menentukan nilai MSA melalui tabel KMO dan Barlett’s Test b. Menentukan jumlah komponen yang dipertahankan dengan
menggunakan nilai Eigenvalue melalui tabel Total Variance atau analisa Scatter Plot dari komponen yang didapat.
c. Menentukan atau menilai besarnya penjelasan (variance), serta unique variance masing-masing variabel terhadap yangdipertahankan melalui tabel Communalitas.
d. Menentukan kriteria signifikansi faktor loading, yaitu menentukan faktor loading yang layak untuk dipertimbangkan.
e. Melakukan rotasi varimax, langkah ini diperlukan jika dalam rotasi variabel terdapat korelasi variabel terhadap dua atau lebih yang nilainya hampir sama.
4.1. DISKRIPSI HASIL PENELITIAN