BAB 2
LANDASAN TEORI
2.1 Manajemen Sumber Daya Manusia
Perusahaan adalah lembaga yang diorganisir dan dijalankan untuk menyediakan barang dan jasa dengan tujuan memperoleh keuntungan. Manajemen merupakan sebuah subjek yang sangat penting karena mengembangkan usaha penetapan dan pencapaian sasaran-sasaran, dan mengkombinasikan secara efektif bakat-bakat orang serta mendayagunakan sumber-sumber materil. Manajemen terdapat pada hampir semua aktivitas manusia, baik itu dalam perusahaan, kantor, ataupun ditempat lainnya. Karena manajemen menyentuh serta mempengaruhi kehidupan hampir semua manusia, mana manajemen membuat kita menyadari akan kemampuan-kemampuan kita sehingga dengan manajemen yang baik akan berhasil mencapai tujuan secara bersama.
2.2 Pengertian Prestasi Kerja
Prestasi kerja adalah suatu hasil kerja yang dicapai seseorang dalam melaksanakan tugas-tugas yang dibebankan kepadanya yang didasarkan atas kecakapan, pengalaman, kesungguhan, serta waktu.
Penilaian prestasi kerja (performance appraisal) merupakan salah satu tugas yang paling penting bagi setiap manajer, yang diakui pula bahwa banyak kesulitan dialami dalam menanganinya secara memadai. Tidaklah selalu mudah untuk menilai prestasi seseorang secara akurat, dan lagi pula sangatlah sulit untuk menyampaikan hasil penilaian tersebut kepada bawahan yang bersangkutan tanpa menimbulkan rasa kecewa bagi yang bersangkutan.
Prestasi kerja karyawan merupakan hal yang sangat penting dalam perusahaan untuk mencapai tujuannya, sehingga perusahaan melakukan berbagai usaha untuk meningkatkannya. Prestasi dalam bekerja merupakan salah satu kebutuhan yang ingin dicapai setiap orang dalam bekerja. Prestasi kerja karyawan tidak sama hasilnya, hal ini disebabkan karena setiap karyawan mempunyai kemampuan dan kemauan yang berbeda untuk melaksanakan pekerjaan.
Setiap perusahaan mengharapkan memiliki karyawan yang prestasi kerjanya tinggi. Dijelaskan oleh Wirawan (2009) prestasi kerja tinggi dapat diketahui melalui indikator dari: (1) hasil kerja berupa kuantitas hasil kerja, kualitas hasil kerja, dan efisiensi dalam melaksanakan tugas. (2) secara kualitatif berupa (a) perilaku kerja meliputi disiplin kerja, inisiatif, dan ketelitian. (b) Sifat pribadi karyawan yang ada hubungannya dengan pekerjaan antara lain kepemimpinan, kejujuran dan kreativitas. Prestasi kerja karyawan tinggi akan menguntungkan produktivitas perusahaan meningkat dan menguntungkan karyawan ada kemungkinan gaji atau jabatan naik.
Pada kenyataannya, prestasi tinggi yang dimiliki karyawan tidak sesuai harapan perusahaan. Perusahaan menemui prestasi kerja karyawan rendah. Akibat prestasi kerja karyawan rendah berdampak pada produktivitas perusahaan menurun dan tidak dapat memenuhi permintaan konsumen, sehingga perusahaan menderita kerugian dan mengalami hambatan dalam perkembangannya. Sedangkan bagi karyawan yang memiliki prestasi kerja akan menghambat perkembangan karir dan pendapatan menurun.
2.3 Data
Data adalah bahan baku yang jika diolah melalui berbagai analisis dapat melahirkan informasi, dimana dengan informasi tersebut dapat diambil suatu keputusan. Data merupakan komponen utama dalam statistika.
2.3.1 Data Menurut Sifatnya
1. Data Kualitatif
Data kualitatif adalah data yang sifatnya hanya menggolongkan saja dan yang kemungkinannya tidak dinyatakan dalam angka-angka. Yang termasuk dalam klasifikasi data kualitatif adalah data yang berskala ukur nominal dan ordinal. Contohnya: Tinggi, Rendah
2. Data Kuantitatif
Adalah data yang berbentuk angka. Yang termasuk dalam klasifikasi data kuantitatif adalah data yang berskala ukur interval dan rasio. Sebagai contoh data kuantitatif adalah data hasil pengukuran tinggi badan mahasiswa matematika, data tersebut berbentuk angka.
2.3.2 Data Menurut Sumbernya
Menurut sumbernya data terbagi atas dua bagian pula, yaitu
1. Data Internal
Adalah data yang didapat dari dalam perusahaan atau organisasi dimana riset dilakukan. Sebagai contoh: catatan akuntansi, catatan produksi, catatan inventaris, dan lainnya.
2. Data Eksternal
Data eksternal adalah data yang menggambarkan keadaan di luar perusahaan atau organisasi. Data eksternal terbagi atas dua bagian, yaitu:
a. Data Primer
melakukan sendiri observasi di lapangan maupun di laboratorium. Pelaksanaannya dapat berupa survei atau percobaan.
Data yang disajikan oleh penulis adalah data primer Data Kuantitatif
b. Data Sekunder
`Data sekunder adalah data primer yang diperoleh dari pihak lain atau data primer yang telah diolah lebih lanjut dan disajikan. Data sekunder pada umumnya digunakan oleh peneliti untuk memberikan gambaran tambahan, gambaran pelengkap atau diproses lebih lanjut. Data sekunder didapat dari hasil penelitian dari beberapa sumber seperti Badan Pusat Statistika, Media Massa, Lembaga Pemerintahan dan sebagainya.
2.3.3 Data Menurut Jenisnya
Menurut jenisnya data terdiri dari dua bagian, yaitu:
1. Data kontiniu
Data kontiniu adalah data dalam bentuk angka/ bilangan yang diperoleh berdasarkan hasil pengukuran. Data ini dapat berbentuk bilangan bulat atau pecahan tergantuk jenis skala yang digunakan. Contohnya: Berat badan Tomy 70 kg, Tinggi badan Tomy 180.
2. Data diskrit
2.4 Skala Pengukuran
Skala merupakan suatu prosedur pemberian angka atau simbol lain kepada sejumlah ciri dari suatu objek agar dapat menyatakan karakteristik angka pada ciri tersebut. Skala pengukuran dibagi atas 4 bagian, yaitu:
1. Skala Nominal
Skala nominal adalah skala pengukuran yang paling sederhana yang dilambangkan dengan kata-kata, huruf, simbol, atau bilangan. Skala ini digunakan untuk mengklasifikasikan objek-objek atau kejadian-kejadian kedalam kelompok yang terpisah untuk menunjukkan kesamaan atau perbedaan ciri-ciri tertentu dari objek yang diamati. Pada skala nominal hasil pengukurannya dapat dibedakan tetapi tidak dapat diurutkan mana yang lebih tinggi, rendah, dan mana yang dikesampingkan. Skala nominal merupakan skala yang paling rendah atau jenis pengukurannya terbatas, misalnya jenis kelamin yang hanya ada 2 kategori.
2. Skala Ordinal (Rangking)
3. Skala Interval
Skala interval adalah skala pengukuran yang mengelompokkan objek-objek ke dalam kelas-kelas yang mempunyai urutan dan perbedaan dalam jarak yang sama. Misalnya: Suhu tertinggi pada bulan lalu berturut-turut 30, 32 derajat celcius.
4. Skala Rasio (Nisbah)
Skala ini skala pengukuran yang memiliki 4 ciri, yakni membedakan, mengurutkan, jarak yang sama, dan memiliki titik nol tulen (titik nol yang berarti) sehingga dapat menghitung rasio atau perbandingan antar nilai. Semua ciri skala interval menjadi ciri skala rasio, perbedaan antara nilai-nilai diketahui dan bernilai tetap, kategori-kategori nilai juga bersifat lepas. Hanya saja skala rasio mempunyai titik nol yang berarti dalam rasio (perbandingan) antara dua nilai juga berarti, misalnya Tina makan 2 apel dari meja sementara Dani makan 4 apel, jadi Dani makan 2 apel lebih banyak dari Tina.
2.5 Skala Untuk Instrumen (Model Skala Sikap)
Model Skala Sikap yang sering digunakan dalam penelitian ada 5 macam, yaitu:
1. Skala Likert
Sangat Setuju (SS) = 5
Setuju (S) = 4
Biasa Saja (BS) = 3
Tidak Setuju (TS) = 2
Sangat Tidak Setuju (STS) = 1
2. Skala Gutman
Skala gutman mengukur suatu dimensi saja dari suatu variabel multidimensi. Skala Gutman adalah skala yang digunakan untuk jawaban yang bersifat jelas (tegas) dan konsisten.
3. Skala Diferensial Semantik
Skala diferensial semantik atau skala perbedaan semantik berisikan serangkaian bipolar (dua kutub). Responden diminta untuk menilai suatu objek atau konsep pada suatu skala yang mempunyai 2 ajektif yang bertentangan.
4. Rating Scale
Yaitu data mentah yang didapat berupa angka kemudian ditafsirkan dalam pengertian kualitatif.
5. Skala Thurstone
2.6 Metode Pengumpulan Data
Pengumpulan data penelitian dapat dilakukan berdasarkan cara-cara tertentu. Adapun metode pengumpulan data yang digunakan secara umum dalam sebuah penelitian adalah:
a. Metode Dokumentasi
Adalah mencari data mengenai hal-hal atau variabel yang berupa catatan, transkip, buku, surat kabar, majalah, notulen rapat, dan sebagainya. Metode dokumentasi dalam penelitian ini digunakan untuk mengumpulkan data tentang variabel-variabel yang paling mempengaruhi prestasi kerja para karyawan.
b. Metode Angket (Kuesioner)
Kuesioner adalah pertanyaan tertulis yang digunakan untukmemperoleh informasi dari responden dalam arti laporan tentang peribadinya atau hal-hal yang ia ketahui. Metode ini digunakan untuk mencari dan mengetahui faktor-faktor yang dapat mendongkrak prestasi kerja karyawan. Lalu penilaiannya digunakan dengan Skala Likert.
c. Wawancara
2.7 Analisis Data
2.7.1 Uji Dalam Pengolahan Data 1. Uji Validitas
Validitas menunjukkan sejauh mana suatu alat ukur dapat mengukur sesuai dengan apa yang ingin diukur. Seandainya peneliti ingin mengukur kuesioner di dalam pengumpulan data penelitian, maka kuesioner yang disusunnya harus mengukur apa yang ingin diukurnya.
Untuk menghitung nilai �ℎ����� pada item pertanyaan dapat dilakukan dengan rumus:
�
ℎ�����=
�(��)−(�)(�)�[�(�2)−(�)2][�(�2)−(�)2] 2.1
Untuk melakukan uji validitas secara manual dalam penelitian ini menggunakan tabel t-student untuk menghitung ������ dengan
menggunakan nilai α = 5% (0,05). Dalam penelitian ini diperoleh dari rumus. Validitas terbagi atas empat macam, yaitu:
a. Validitas Isi (Content Validity)
Sebuah tes dikatakan memiliki validitas isi apabila mengukur tujuan khusus tertentu yang sejajar dengan materi atau isi pelajaran yang diberikan. Misalnya seorang peneliti ingin mengukur bagaimana persepsi konsumen terhadap suatu produk.
Sebuah tes dikatakan memiliki validitas konstruksi apabila butir-butir soal yang membangun tes tersebut mengukur setiap aspek berpikir seperti yang disebutkan dalam tujuan instruksional khusus.
c. Validitas “ada sekarang” (Concurrent Validity)
Validitas ini lebih umum dikenal dengan validitas empiris. Sebuah tes dikatakan memiliiki validitas empiris jika hasilnya sesuai dengan pengalaman. Misalnya seorang guru ingin mengetahui apakah tes sumatif yang disusun sudah valid atau belum.
d. Validitas Prediksi (Predictive Validity)
Memprediksi artinya meramal, dan meramal selalu mengenai hal yang akan datang, sehingga sekarang ini belum terjadi. Sebuah tes dikatakan memiliki validitas prediksi apabila mempunyai kemampuan untuk meramalkan apa yang akan terjadi pada masa yang akan datang.
2. Uji Realibilitas
Realibilitas merupakan indeks yang menunjukkan sejauh mana suatu alat ukur dapat dipercaya atau dapat diandalkan. Pengukuran yang memiliki realibilitas tinggi disebut sebagai pengukuran yang reabel.
Nilai Alpha Cronbach diperoleh dengan menggunakan rumus sebagai berikut:
�
=
�
��−1
� �
1−∑��
Keterangan:
� = nilai koefisien Alpha Cronbach
� = banyaknya variaber penelitian
∑�2 = jumlah varians variabel penelitian
�� = varians total
Adapun teknik perhitungan reliabel ada beberapa cara, yaitu sebagai berikut:
a. Teknik Pengukuran Ulang (Testretest)
Teknik ini meminta kepada responden yang sama untuk menjawab pertanyaan dalam alat pengukuran sebanyak dua kali. Caranya perhitungannya adalah dengan mengkorelasikan jawaban pada wawancara pertama dengan jawaban pada wawancara kedua.
b. Teknik Belah Dua
Untuk menggunakan teknik belah dua sebagai cara menghitung reliabilitas alat pengukur, maka alat pengukur yang disusun harus memiliki cukup banyak item pertanyaan yang mengukur aspek yang sama.
c. Teknik Bentuk Paralel
d. Internal Consistency Reliability
Internal consistency reliability berisi tentang sejauh mana item-item instrumen bersifat homogen dan mencerminkan konstruk yang sama sesuai dengan yang melandasinya.Suatu variabel dikatakan reliabel jika memberikan nilai cronbach alpha > 0,60 atau nilai cronbach alpha > 0,80 (Kuncoro, 2003).
2.7.2 Transformasi Data Ordinal menjadi Interval
Proses transformasi merupakan upaya yang dilakukan untuk merubah data ordinal menjadi data interval misalnya analisis faktor dimana variabel bebasnya harus berskala interval. Data ordinal yang ditransformasikan menjadi data interval adalah data penelitian yang diperoleh menggunakan instrumen berupa angket yang memiliki jawaban berupa skala likert. Cara melakukan proses transformasi data ordinal menjadi data interval menggunakan MSI (Method Sof Successive Interval). Adapun langkahnya sebagai berikut:
1. Mencari F (Frekuensi) jawaban responden.
2. Setiap frekuensi dibagi dengan banyaknya responden dan hasilnya disebut proporsi
3. Menentukan nilai proporsi kumulatif dengan menjumlahkan nilai proporsi berurutan perkolom skor.
4. Menghitung nili Z untuk setiap proporsi dengan menggunakan tabel distribusi normal.
5. Menentukan nilai densitas untuk setiap nilai Z yang diperoleh dengan menggunakan tabel densitas.
6. Menentukan SV (Scale Value = nilai skala) dengan rumus sebagai berikut:
Keterangan:
SV = interval rata-rata
Density at lower limit = kepadatan batas bawah
Density at upper limit = kepadatan batas atas Area below upper limit = daerah dibawah batas atas
Area below lower limit = Daerah diatas batas bawah
7. Menentukan nilai transformasi dengan rumus: � =��+ |�����|
2.8 Analisis Faktor
Pada awalnya teknik analisis faktor dikembangkan pada awal abad ke-20. Teknik analisis ini dikembangkan dalam bidang psikometrik atas usaha ahli statistika Karl Pearson, Charles Spearman, dan lainnya untuk mendefinisikan dan mengukur intelegensi seseorang.
Analisis faktor merupakan alat pereduksi, mengekstraksi sejumlah faktor bersama (common faktor) dari gugusan asal X1, X2,...Xp, sehingga:
1. Banyaknya faktor lebih sedikit sedikit dari variabel asal X 2. Sebagian besar informasi variabel X, tersimpan dalam faktor. Kegunaan:
1. Mengekstrasi variabel laten dari indikator atau mereduksi variabel observasi menjadi variabel baru yang jumlahnya lebih sedikit
2. Mempermudah interpretasi hasil analisis, sehingga diperoleh Informasi yang lebih riil dan sangat berguna
4. Mendapatkan data variabel konstruks (skor faktor ) sebagai data input analisis lebih lanjut (analisis diskriminan, regresi, kluster, MANOVA, path, model stuctural, MDS, dan lain sebagainya).
Menurut Johnson dan Wichern (1982), analisis faktor merupakan teknik analisis multivariat yang bertujuan untuk meringkas sejumlah p variabel yang diamati menjadi sejumlah m faktor penting, dengan m < p. Misal X adalah vektor random teramati dengan yang memiliki p komponen pada pengamatan ke-i, dengan vektor rata-rata dan matriks kovariansi ∑. Vektor X bergantung secara linier dengan variabel yang disebut faktor bersama dan sejumlah sumber variansi dari yang disebut faktor spesifik.
Model analisis faktor menurut Johnson dan Wichern adalah: �1− µ1 = �11�1+�12�2+ . . . +�1��� +�1
�2− µ2 = �21�1+�22�2+ . . . +�2��� +�2
. . 2.3
. .
��− µ� = ��1�1+��2�2+ . . . +����� +��
Dengan :
Xp : variabel ke-p
µp : rata-rata variabel ke-p
lpm : bobot variabel (factor loading) ke-p pada faktor ke-m
Fm : faktor bersama (common factor) ke-m
Faktor spesifik berkorelasi satu dengan yang lain dan dengan common factor. Common factor dapat dinyatakan sebagai kombinasi linier dari variabel yang
diteliti, dengan persamaaan:
�� = ��1�1+��2�2+��3�3 +⋯+����� 2.4
dimana:
�� :Faktor ke-j yang diestimasi
��� :Bobot atau koefisien skor factor
�� :Banyaknya variabel X pada faktor ke-p
p = 1, 2, …, n ; j = 1, 2, …, n
Jika dituliskan dalam notasi matriks, model analisis faktor adalah: �(��1)− �(��1)= �(���)�(��1)+�(��1)
2.9 Langkah-langkah Analisis faktor
2.9.1 Tabulasi Data
2.9.2 Pembentukan Matriks Korelasi
Matriks korelasi merupakan matrik yang memuat koefisien korelasi dari semua koefisien korelasi dari semua pasangan variabel dalam penelitian ini. Matriks ini digunakan untuk mendapatkan nilai kedekatan hubungan antar variabel penelitian. Nilai kedekatan ini dapat digunakan untuk melakukan beberapa pengujian untuk melihat kesesuaian dengan nilai korelasi yang diperoleh dari analisis faktor. Dalam tahap ini, ada dua hal yang perlu dilakukan agar analisis faktor dapat dilaksanakan yaitu:
1. Penentukan besaran nilai Barlett Test of Sphericity, yang digunakan untuk mengetahui apakah ada korelasi signifikan antar variabel. Statistik uji bartlett adalah sebagai berikut:
�2 = − �(� −1)− (2�+5)
6 �ln |�| 2.6
dengan derajat kebebasan (degree of freedom) df = �(� −1)/2 Keterangan :
� = jumlah observasi � = jumlah variabel
|�| = determinan matriks korelasi
2. Penentuan Keiser-Meyer-Okliti (KMO) dan Measure of Sampling Adequacy (MSA), yang digunakan untuk mengukur kecukupan sampel
���
=
∑ ��=1 ∑ ���=1 ��2
∑�
�=1 ∑ ���=1 ��2+ ∑��=1 ∑ ���=1 ��2
,
untuk i≠ j 2.7Keterangan :
��� = koefisien korelasi sederhana antara variabel ke-i dan ke-j
��� = koefisien korelasi parsial antara variabel ke-i dan ke-j
MSA digunakan untuk mengukur kecukupan sampel.
��� = ∑
�
�=1 ∑��=1���2
∑�
�=1 ∑��=1���2+ ∑��=1 ∑��=1���2
,�= 1,2, … ,� ;� = 1,2, … ,� 2.8
Untuk i≠ j Keterangan :
��� = koefisien korelasi sederhana antara variabel ke-i dan ke-k
��� = koefisien korelasi parsial antara variabel ke-i dan ke-k
Kriteria kesesuaian dalam pemakaian analisis faktor adalah (Kaiser, 1974):
1. Jika harga KMO sebesar 0,9 berarti sangat memuaskan 2. Jika harga KMO sebesar 0,8 berarti memuaskan 3. Jika harga KMO sebesar 0,7 berarti harga menengah 4. Jika harga KMO sebesar 0,6 berarti cukup
5. Jika harga KMO sebesar 0,5 berarti kurang memuaskan 6. Jika harga KMO kurang dari 0,5 tidak dapat diterima
1. Jika MSA = 1, maka variabel tersebut dapat diprediksi tanpa kesalahan oleh variabel yang lainnya.
2. Jika MSA lebih besar dari setengah 0,5 maka variabel tersebut masih dapat diprediksi dan bisa dianalisis lebih lanjut.
3. Jika MSA lebih kecil dari 0,5 dan atau mendekati nol (0), maka variabel tersebut tidak dapat dianalisis lebih lanjut, atau dikeluarkan dari variabel lainnya.
2.9.3 Ekstrasi Faktor
Pada tahap ini, akan dilakukan proses inti dari analisis faktor, yaitu melakukan ekstrasi terhadap sekumpulan variabel yang ada KMO>0,5 sehingga terbentuk satu atau lebih faktor. Metode yang digunakan untuk maksud ini adalah Principal Component Analysis dan rotasi faktor dengan metode Varimax (bagian dari orthogonal).
Setelah sejumlah variabel terpilih, maka dilakukan ekstrasi variabel tersebut sehingga menjadi beberapa faktor. Setelah memproses variabel-variabel yang layak, maka dengan program SPSS versi 17 akan diperoleh nilai hasil statistik yang menjadi indikator utama yaitu tabel communalities, tabel Total Variance Explained, Grafik Scree, tabel component matrix dan tabel rotated component matrix.
kecil nilainya, makin lemah hubungan antara variabel yang terbentuk. Perhitungan communality setiap variabel dengan persamaan:
ℎ�2 = � �1 2 + �
�22+⋯+ ���2 2.9
Keterangan:
ℎ� = communality variabel ke-i ���2 = faktor loading
Communality adalah jumlah varian yang disumbangkan oleh suatu variabel dengan seluruh variabel lainnya dalam analisis. Bisa juga disebut proporsi atau bagian varian yang dijelaskan oleh common factor atau besarnya sumbangan suatu faktor terhadap varian seluruh variabel.
Tabel Total Variance Explained, menunjukkan persentase variance yang dapat dijelaskan oleh faktor secara keseluruhan. Nilai yang menjadi indikatornya eigenvalues yang telah mengalami proses ekstrasi. Pada tabel akan tercantum nilai extraction sum of square loading. Hal ini disebabkan nilai eigenvalues tidak lain merupakan jumlah kuadrat dari faktor loading dari setiap variabel yang termasuk ke dalam faktor. Factor Loading ini merupakan nilai yang menghubungkan faktor-faktor dengan variabel-variabel. Variabel yang masuk ke dalam faktor-faktor adalah yang nilainya lebih dari satu ( ≥ 1). Dari sini akan terlihat pula jumlah faktor yang akan terbentuk.
det(� − ��) = 0 2.10 Keterangan:
� = matriks korelasi dengan orde n x n � = matriks identitas
� = eigen value
Eigen value adalah jumlah varian yang dijelaskan oleh setiap faktor. Penentuan
vektor karakteristik (eigen vector) yang bersesuaian dengan nilai karakteristik (eigen value), yaitu dengan persamaan:
�� =�� 2.11 Keterangan:
� = eigen vector dengan orde n x n
Matriks loading factor (� ) diperoleh dengan mengalikan matriks eigen vector (�) dengan akar dari matriks eigen value (�). Atau dalam persamaan matematis ditulis:
�=� × �� 2.12
Factor loading merupakan korelasi sederhana antara variabel dengan faktor.
Grafik Scree Plot menggambarkan tampilan grafik dari tabel Total
Variance Explained. Grafik ini sebenarnya menunjukkan peralihan dari satu
menunjukkan jumlah komponen faktor yang terbentuk, sedangkan sumbu y menunjukkan nilai eigenvalues.
Tabel component matrix menunjukkan kategori variabel-variabel ke dalam komponen faktor, atau dengan kata lain menunjukkan distribusi variabel-variabel pada faktor yang terbentuk. Bila yang dijadikan acuan adalah nilai faktor loading yang ada dalam tabel, dimana nilai lebih besar menunjukkan korelasi yang cukup kuat antara variabel-variabel tersebut dengan komponen faktor. Jumlah jasa kuadrat faktor loading dari tiap variabel tidak lain merupakan nilai extraction untuk tiap variabel yang tercantum dalam tabel communalities.
2.9.4 Rotasi Faktor
Pada rotasi faktor, matrik faktor ditransformasikan ke dalam matrik yang lebih sederhana, sehingga lebih mudah diinterpretasikan. Dalam analisis ini rotasi faktor dilakukan dengan metode rotasi varimax. Hasil dari rotasi ini terlihat pada tabel Rotated Component Matrix, dimana dengan metode ini nilai total variance dari
tiap variabel yang ada di tabel component matrix tidak berubah. Yang berubah hanyalah komposisi dari nilai faktor Loading dari tiap variabel. Interpretasi hasil dilakukan dengan melihat Faktor Loading.
Faktor Loading adalah angka yang menunjukkan besarnya korelasi antara
tersebut mempunyai korelasi yang positif. Tetapi jika kenaikan didalam suatu variabel diikuti oleh penurunan didalam variabel lain, maka dapat dikatakan bahwa variabel tersebut mempunyai korelasi yang negatif. Dan jika tidak ada perubahan pada variabel walaupun variabel lainnya berubah maka dikatakan bahwa kedua variabel tersebut tidak mempunyai hubungan. Interpretasi harga r akan disajikan dalam tabel berikut:
Tabel 2.1 Interpretasi Koefisien Korelasi
Besarnya Nilai Interpretasi
1 Korelasi Sempurna 0,81−0,99 Sangat Tinggi
0,61−0,80 Tinggi
0,41−0,60 Cukup Tinggi
0,21−0,40 Rendah
0,01−0,20 Sangat Rendah 0 Tidak ada korelasi Sumber : Suharsimi Arikunto (2010:22)
Keterangan:
r = koefisien korelasi
+ = menunjukkan korelasi positif
− = menunjukkan korelasi negatif
0 = menunjukkan tidak adanya korelasi (korelasi nihil)
1. Korelasi Positif
Terjadinya korelasi positif apabila perubahan antara variabel yang satu diikuti oleh variabel lainnya dengan arah yang sama (berbanding lurus). Artinya variabel yang satu meningkat, maka akan diikuti peningkatan variabel lainnya.
2. Korelasi Negatif
Terjadinya korelasi negatif apabila perubahan antara variabel yang satu diikuti oleh variabel lainnya dengan arah yang berlawanan (berbanding terbalik). Artinya apabila variabel yang satu meningkat, maka akan diikuti penurunan variabel lainnya.
3. Korelasi Nihil
Korelasi nihil artinya tidak adanya korelasi antara variabel.
Dalam penelitian ini digunakan metode Varimax, karena bertujuan untuk mengekstraksi sejumlah variabel menjadi beberapa faktor. Selain itu metode ini menghasilkan struktur relatif lebih sederhana dan mudah diinterpretasikan.
2.9.5 Penamaan Faktor
