ANALISIS DAN PEMBAHASAN
C. Analisis Faktor
1. Variabel Emosional (Emotional)
Data dari variabel Emosional (Emotional) yang terdiri atas 15 faktor yaitu telah membuat sesuatu yang salah (1), merasa putus asa (2), merasa menyesal (3), merasa kecewa dengan diri sendir (4), merasa takut(5), merasa hampa (6), merasa marah (7), merasa cemas atau khawatir (8), merasa kesal atau jengkel (9), merasa frustasi (10), merasa sakit hati (11),
merasa depresi (12), merasa marah dengan diri sendiri (13), merasa muak (14), mendapat masalah (15), dimasukkan ke dalam data view pada SPSS 14.0 for Windows Evaluation Version yang kemudian akan diproses sebagaimana diuraikan di atas, maka hasilnya dapat dilihat pada Tabel di bawah ini:
Tabel 4.11 Hasil Analisis Faktor
KMO and Bartlett's Test Kaiser-Meyer-Olkin Measure of Sampling Adequacy.
,862 Bartlett's Test of Sphericity Approx. Chi-Square 1204,264 df 105 Sig. ,000
Sumber: Pengolahan data primer dengan aplikasi SPSS 15.0 for Windows.
Berdasarkan pengolahan data pada Tabel 4.11 terlihat bahwa nilai MSA sebesar 0,862 adalah lebih besar dari 0.5 (MSA>0,5) maka variabel masih bisa diprediksi dan dianalisis lebih lanjut. Untuk angka signifikan sebesar 0.000 adalah lebih kecil dari 0.05 (angka sig.<0.05) maka Ho ditolak sehingga variabel sudah memadai untuk dianalisis lebih lanjut. Hasil pengolahan data selanjutnya dapat dilihat pada Tabel berikut ini:
Berdasarkan hasil pengolahan data pada tabel 4.12 terlihat bahwa angka MSA untuk kelimabelas faktor adalah diatas 0.5, maka semua faktor dinyatakan dapat dianalis lebih lanjut, tidak ada yang perlu dikeluarkan sehingga tidak perlu dilakukan pengujian ulang.
Ada 15 variabel (faktor) yang dimasukkan dalam analisis faktor, yakni telah membuat sesuatu yang salah (1), merasa putus asa (2), merasa menyesal (3), merasa kecewa dengan diri sendir (4), merasa takut(5), merasa hampa (6), merasa marah (7), merasa cemas atau khawatir (8), merasa kesal atau jengkel (9), merasa frustasi (10), merasa sakit hati (11), merasa depresi (12), merasa marah dengan diri sendiri (13), merasa muak (14), mendapat masalah (15), maka total varians adalah 15 x 1 = 15. Dari Tabel 4.13 di atas terlihat bahwa
hanya tiga faktor yang terbentuk, karena dengan satu faktor, angka eigenvalues di atas 1, dengan dua faktor angka eigenvalues masih di atas 1. Dengan tiga faktor, angka eigenvalues
juga masih di atas 1, yakni 1,024. Namun untuk empat faktor, angka eigenvalues sudah di bawah 1, yakni 0,878 sehingga proses factoring harus berhenti pada tiga faktor saja.
Tabel 4.14 Hasil Analisis Faktor
Component Matrix(a) Component 1 2 3 Telah salah ,699 -,062 -,246 Putus asa ,880 -,006 ,020 Menyesal ,839 -,163 ,253 Kecewa ,741 -,470 ,309 Takut ,716 -,437 -,065 Hampa ,791 -,403 -,052 Marah 1 ,861 ,095 ,199 Cemas ,656 ,167 ,544 Kesal ,812 ,117 ,140 Frustasi ,836 -,052 -,286 Sakit Hati ,723 ,013 -,387 Depresi ,809 ,229 -,347 Marah 2 ,742 ,179 -,147 Muak ,446 ,532 ,252 Masalah ,619 ,579 -,074
Extraction Method: Principal Component Analysis. a 3 components extracted
Sumber: Pengolahan data primer dengan aplikasi SPSS 15.0 for Windows.(2010)
Setelah diketahui bahwa tiga faktor adalah jumlah yang paling optimal, maka Tabel 4.14 menunjukkan distribusi kelimabelas variabel tersebut pada tiga faktor yang terbentuk. Sedangkan angka-angka yang ada pada Tabel tersebut adalah factor loadings, yang menunjukkan besar korelasi antara suatu variabel dengan faktor 1, faktor 2, atau faktor 3. Proses penentuan variabel mana yang akan masuk ke faktor yang mana, dilakukan dengan melakukan perbandingan besar korelasi pada setiap baris. Seperti pada variabel merasa menyesal:
- korelasi antar variabel merasa menyesal dengan faktor 1 adalah 0,839 (kuat karena di atas 0,5)
- korelasi antar variabel merasa menyesal dengan faktor 2 adalah- 0,136 (sangat lemah karena di bawah 0,5)
- korelasi antar variabel merasa menyesal dengan faktor 3 adalah 0,253 (lemah karena di bawah 0,5)
Oleh karena angka factor loading terbesar ada pada komponen faktor 1, maka variabel merasa menyesal dapat dimasukkan sebagai komponen faktor 1. Pada Variabel merasa cemas, korelasi antara variabel tersebut dengan faktor 1 adalah 0,656 (cukup kuat), sedang korelasinya dengan faktor 3 juga cukup kuat (0,544), maka sulit menentukan akan dimasukkan ke faktor mana variabel tersebut. Oleh karena itu, perlu dilakukan proses rotasi (rotation). Hasilnya dapat dilihat pada Tabel berikut ini:
Tabel 4.15 Hasil Analisis Faktor
Rotated Component Matrix(a)
Component 1 2 3 Telah Salah ,623 ,377 ,151 Putus asa ,543 ,558 ,411 Menyesal ,319 ,731 ,397 Kecewa ,174 ,900 ,157 Takut ,447 ,713 -,021 Hampa ,489 ,742 ,045 Marah 1 ,409 ,549 ,567 Cemas ,025 ,512 ,701 Kesal ,425 ,481 ,531 Frustrasi ,742 ,438 ,200 Sakit Hati ,755 ,285 ,144 Depresi ,808 ,208 ,361 Marah 2 ,607 ,280 ,397 Muak ,162 ,019 ,720 Masalah ,526 -,036 ,667
Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization. a Rotation converged in 11 iterations.
Berdasarkan hasil pengolahan data pada Tabel 4.15 terlihat bahwa sekarang faktor loadings yang dulunya kecil semakin diperkecil, dan faktor loading yang besar semakin diperbesar.
Variabel telah membuat sesuatu yang salah (1): variabel ini masuk ke faktor 1, karena faktor loading dengan faktor 1 paling besar (0,623).
merasa putus asa (2): variabel ini masuk ke faktor 2, karena faktor loading dengan faktor 2 paling besar (0,558).
merasa menyesal (3): variabel ini masuk ke faktor 2, karena faktor loading dengan faktor 2 paling besar (0,731).
merasa kecewa dengan diri sendiri (4): variabel ini masuk ke faktor 2, karena faktor loading dengan faktor 2 paling besar (0,900).
merasa takut(5): variabel ini masuk ke faktor 2, karena faktor loading dengan faktor 2 paling besar (0,713).
merasa hampa (6): variabel ini masuk ke faktor 2, karena faktor loading dengan faktor 2 paling besar (0,742).
merasa marah (7): variabel ini masuk ke faktor 3, karena faktor loading dengan faktor 3 paling besar (0,567).
merasa cemas atau khawatir (8): variabel ini masuk ke faktor 3, karena faktor loading dengan faktor 3 paling besar (0,701).
merasa kesal atau jengkel (9): variabel ini masuk ke faktor 3, karena faktor loading dengan faktor 3 paling besar (0,531).
merasa frustasi (10): variabel ini masuk ke faktor 1, karena faktor loading dengan faktor 1 paling besar (0,742).
merasa sakit hati (11): variabel ini masuk ke faktor 1, karena faktor loading dengan faktor 1 paling besar (0,755).
merasa depresi (12): variabel ini masuk ke faktor 1, karena faktor loading dengan faktor 1 paling besar (0,808).
merasa marah dengan diri sendiri (13): variabel ini masuk ke faktor 1, karena faktor loading dengan faktor 1 paling besar (0,607).
merasa muak (14): variabel ini masuk ke faktor 3, karena faktor loading dengan faktor 3 paling besar (0,720).
mendapat masalah (15): variabel ini masuk ke faktor 3, karena faktor loading dengan faktor 3 paling besar (0,667).
Dengan demikian, kelimabelas variabel telah direduksi menjadi hanya terdiri atas tiga faktor:
- Faktor 1 terdiri atas variabel membuat sesuatu kesalahan, merasa frustrasi, merasa sakit hati, merasa depresi, marah dengan diri sendiri dapat diberi istilah KEPUTUSAN TEPAT - Faktor 2 terdiri atas variabel merasa putus asa, menyesal, kecewa, takut, hampa dapat
diberi istilah HARAPAN TEPAT
- Faktor 3 terdiri atas variabel merasa marah , kesal atau jengkel, cemas atau khawatir, muak, mendapat masalah dapat diberi istilah PERASAAN TEPAT
Tabel 4.16 Hasil Analisis Faktor
Component Transformation Matrix
Component 1 2 3
1 ,636 ,620 ,460
2 ,132 -,675 ,726
3 -,761 ,401 ,511
Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization.
Sumber: Pengolahan data primer dengan aplikasi SPSS 14.0 for Windows.(2010)
Berdasarkan hasil pengolahan data pada Tabel 4.16 perhatikan angka-angka yang ada pada diagonal, antara komponen 1 dengan 1, komponen 2 dengan 2, dan komponen 3 dengan 3. Terlihat hanya Faktor 1 dan 3 yang berada di atas 0,5 berarti mempunyai korelasi yang
kuat. Sedangkan faktor 2 memiliki nilai di bawah 0,5 berarti memiliki korelasi yang sangat lemah.