Analisis Faktor Analisis faktor merupakan suatu teknik untuk meringkas sejumlah variabel yang saling berkorelasi menjadi beberapa kelompok faktor yang masing-masing menggambarkan suatu dimensi atau konsep tertentu (Firdaus, Harmini dan Farid 2011). Analisis factor merupakan salah satu teknik statistic multivariate. Tujuannya adalah untuk mengelompokkan data menjadi beberapa kelompok sesuai dengan saling korelasi antar variabel. Pada aplikasi penelitian, analisis factor dapat digunakan untuk mengetahui pengelompokan individu sesuai dengan karakteristiknya, maupun untuk menguji validitas konstruk. Dalam analisis faktor, tidak ada variabel dependen dan independen. Proses analisis factor sendiri mencoba menemukan hubungan (interrelationship) antar sejumlah variabel-variabel yang saling dependen dengan yang lain, sehingga bisa dibuat satu atau beberapa kumpulan variabel yang lebih sedikit dari jumlah awal. Dalam penelitian ini, metode analisis data dengan menggunakan analisis faktor akan memakai program SPSS versi 20. Variabel yang memiliki korelasi tinggi akan membentuk satu kerumunan faktor. Analisis faktor termasuk dalam analisis interdependence technique, yaitu tidak ada pembagian variabel menjadi variabel bebas dan variabel tergantung. Sebelum melakukan analisis faktor perlu membandingkan nilai Cut-Value dengan Nilai Goodness Of Fit Indeks denga tabel kelayakan model sebagai berikut: Tabel 3.1 Nilai Goodness Of Fit Indek Goodness Of Fit Indeks Cut-Of Value Loding Factor ≥ 0,50 Corelation Matriks Mendekati Nol KMO and Barlett Test ≥ 0,5 ≤ 0,05 Eingenvalue ≥ 1 atau ± 75 Sumber : Hair Jr, et (2000:43) di modifikasi Berdasarkan tabel analisis faktor di atas maka dapat di uraikan sebagai berikut: 1. Corelation Matriks Korelasi matriks antar indikator : Metode yang pertama adalah memeriksa korelasi matriks. Tingginya korelasi antara indikator mengindikasikan bahwa indikator-indikator tersebut dapat dikelompokkan ke dalam sebuah indikator yang bersifat homogen sehingga setiap indikator mampu membentuk faktor umum atau faktor konstruk. Sebaliknya korelasi yang rendah antara indikator megindikasikan bahwa indikatorindikator tersebut tidak homogen sehingga tidak mampu membentuk faktor konstruk. 2. Kaiser-Meyer Olkin (KMO) Metode ini paling banyak digunakan untuk melihat syarat kecukupan data untuk analisis faktor. Metode KMO ini mengukur kecukupan sampling secara menyeluruh dan mengukur kecukupan sampling untuk setiap indikator. 3. Barlett Test Ini merupakan test statistic untuk menguji apakah betul variable-variabel yang dilibatkan berkolerasi. 4. Eingenvalue Faktor dengan eigenvalue lebih besar dari satu yang dipertahankan jika lebih kecil dari satu faktornya tidak diikutsertakan dalam model. 5. Loding Factor Adalah besar korelasi antara indikator dengan kontruk latennya. Setelah kita mengetahui bahwa faktor maksimal yang bisa terbentuk, selanjutnya kita melakukan penentuan masing-masing indikator. Prosedur dalam analisis faktor meliputi beberapa tahapan, yaitu : 1. Penyeleksian variabel Tahap penyeleksian variabel ini adalah menilai variabel mana saja yang dianggap layak untuk dimasukkan dalam tahapan analisis faktor selanjutnya. Untuk keperluan ini, pengujian dilakukan dengan metode Keiser Meyer Olkin Measure of Sampling Adequacy (KMOMSA) and Bartlett’s test of sphericity. Aturan pengambilan keputusan untuk pengujian ini adalah : Pertama, jika angka KMO and Bartlett’s test > 0,5 dan nilai Signifikansi (dalam output SPSS tertulis “Sig.”) bernilai lebih kecil dari taraf nyata (α), maka berarti bahwa variabelvariabel dalam pengujian ini sudah memadai atau dapat diikutkan dalam tahapan analisis faktor selanjutnya. Kedua, angka MSA (Measure of Sampling Adequacy) berkisar 0 sampai 1, dengan kriteria : MSA = 1, variabel tersebut dapat diprediksi tanpa kesalahan oleh variabel yang lain. MSA > 0.5, variabel masih bisa diprediksi dan bisa dianalisis lebih lanjut. MSA < 0.5, variabel tidak bisa diprediksi dan tidak bisa dianalisis lebih lanjut, atau dikeluarkan dari variabel lainnya. 2. Melakukan proses factoring Proses factoring adalah proses inti dalam analisis faktor. Metode yang digunakan dalam proses factoring ada beberapa macam, namun yang umum dipakai dan paling sederhana adalah metode komponen utama. Pada tahap ini dilakukan pereduksian sejumlah variabel yang banyak menjadi beberapa faktor yang jumlahnya lebih sedikit dari pada variabel awal tersebut. Ada dua hal penting yang menjadi perhatian dalam analisis faktor, yaitu : 1) Menentukan berapa banyak faktor yang dapat dibentuk. Prosedur pengambilan keputusan mengenai jumlah faktor yang dapat dibentuk salah satunya adalah berdasarkan nilai akar ciri (eigenvalue), dengan ketentuan bahwa faktor tersebut memiliki akar ciri lebih besar atau sama dengan 1. Selain itu juga perlu dilihat berapa persentase keragaman yang dapat dijelaskan oleh faktor-faktor yang telah terbentuk. Semakin besar persentase keragaman yang dapat dijelaskan, maka faktor yang terbentuk akan mampu menjelaskan variabel awal dengan baik. 2) Menentukan variabel-variabel apa saja yang masuk ke dalam faktor-faktor yang telah terbentuk. Untuk keperluan ini, dilakukan dengan melihat besarnya angka loading faktor. Angka loading faktor ini menunjukkan besarnya korelasi antara suatu variabel dengan faktor yang terbentuk. Nilai loading faktor dari suatu variabel yang lebih besar pada faktor pertama dari pada faktor lain, maka variabel tersebut akan masuk ke dalam faktor pertama, dan seterusnya. 3. Melakukan proses rotasi faktor Rotasi faktor atau rotasi terhadap faktor yang telah terbentuk bertujuan untuk memperjelas variabel yang masuk ke dalam faktor tertentu. Proses rotasi ini untuk mengatasi keraguan dalam memasukkan variabel-variabel ke dalam faktor tententu. Atau apabila faktor yang terbentuk hanya satu faktor sehingga sebuah variabel diragukan apakah layak dimasukkan ke dalam faktor yang terbentuk atau tidak. 1. Pemberian nama faktor. Setelah faktor yang telah terbentuk yang dianggap mewakili variabel-variabel anggota faktor tersebut, maka dilakukanlah penamaan untuk factor tersebut.